| 改进型BP神经网络对民勤绿洲地下水位的模拟预测 |
| |
| 引用本文： | 郭瑞,冯起,翟禄新,司建华,常宗强,苏永红,席海洋.改进型BP神经网络对民勤绿洲地下水位的模拟预测[J].中国沙漠,2010,30(3):737-741. |
| |
| 作者姓名： | 郭瑞 冯起 翟禄新 司建华 常宗强 苏永红 席海洋 |
| |
| 作者单位： | 1. 中国科学院,寒区旱区环境与工程研究所,生态水文与流域科学重点实验室,甘肃,兰州,730000
2. 广西师范大学,环境与资源学院,广西,桂林,541004 |
| |
| 基金项目： | 中国科学院寒区旱区环境与工程研究所人才基金，国家杰出青年科学基金，国家自然科学基金委专项基金，博士后面上基金 |
| |
| 摘 要： | 以具有代表性的民勤绿洲为研究对象,以Matlab7.0为工作平台,对沙漠绿洲地下水埋深预测的三层前馈神经网络(BP神经网络)进行了改进。输入端因子选取民勤绿洲逐月灌溉量、红崖山水库下泄水量、月降水量、月蒸发量(Φ20 cm)、月平均气温、时间序列6项,输出因子为民勤绿洲地下水位。通过在模型的输入层增加时间序列引导因子的方法使BP神经网络对输入端数据具备时间敏感性;通过Levenberg-Marquardt算法使网络误差最小化,并配合Bayesian正则化使网络的误差平方和、网络权重以及阈值平方和实现最优组合,最后使用相关系数、相对误差、效率系数等指标对模型的模拟结果进行检验。结果表明,通过以上一系列改进可以有效提高模型的模拟精度,增强模型的稳定性,并使模型具有良好的"泛化性"。
|
| 关 键 词： | 地下水位 人工神经网络 时间序列 L-M算法 Bayesian正则化 民勤绿洲 |
| 收稿时间： | 2008-11-04; |
Simulation and Prediction of Groundwater Level with Improved BP Neural Network Model in Minqin Oasis |
| |
| GUO Rui,FENG Qi,ZHAI Lu-xin,SI Jian-hua,CHANG Zong-qiang,SU Yong-hong,XI Hai-yang.Simulation and Prediction of Groundwater Level with Improved BP Neural Network Model in Minqin Oasis[J].Journal of Desert Research,2010,30(3):737-741. |
| |
| Authors: | GUO Rui FENG Qi ZHAI Lu-xin SI Jian-hua CHANG Zong-qiang SU Yong-hong XI Hai-yang |
| |
| Institution: | GUO Rui1,FENG Qi1,ZHAI Lu-xin2,SI Jian-hua1,CHANG Zong-qiang1,SU Yong-hong1,XI Hai-yang1(1.Key Laboratory of Eco-hydrology , River Basin Science,Cold , Arid Regions Environmental , Engineering Research Institute,Chinese Academy of Sciences,Lanzhou,730000,China,2.College of Environment , Resources,Guangxi Normal University,Guilin 541004,Guangxi,China) |
| |
| Abstract: | Based on the work platform of Matlab-7.0,the paper predicted the depth of groundwater in Minqin Oasis of Gansu Province with the improved three-layers Back-Propagation Neutral Network(BP Neutral Network) model.The inputting 6 factors include monthly irrigation water volume,outflow of Hongyashan reservoir,and monthly precipitation,evaporation,air temperature,and time sequence;the output factor is the groundwater level in Minqin Oasis.The BP Neural Network Model became more sensitive to the temporal evolution... |
| |
| Keywords: | groundwater level artificial neural network time sequence Levenberg-Marquardt algorithm the Bayesian regularization Minqin Oasis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《中国沙漠》浏览原始摘要信息 |
| 点击此处可从《中国沙漠》下载免费的PDF全文 |
|
