用神经网络模型预测济宁市地下水水位变化规律

本文通过应用人工神经网络模型中的ＢＰ网络模型,对济宁市地下水水位变化规律了预测,并与线顺归模型的计算结果进行比较,证明ＢＰ网络模型的精度较高。     

地质数据的BP网络分析方法

数学地质中母函数选取和系数求解是函数逼近的两个关键问题，目前在地质数据的多元统计分析中广泛应用的回归分析或其他映射方法均有局限性。本文采用ＡＮＮ中的ＢＰ网络模型较好地解决了这两个问题，并对理论和实际和数据进行了比较与验证，结果表明，ＢＰ网络有助于提高地质数据处理的可靠性与预测的精度。     

人工神经知水质评价中的应用

将人工神经网络扶植竽水质综合评价，提出了水质综合评价的ＢＰ网络模型，并将该模型应用于实例检验。结果表明：ＢＰ网络模型用于水质综合评价方法可行且适应性强，结果客观，合理。     

人工神经网络在水质评价中的应用

将人工神经网络技术应用于水质综合评价，提出了水质综合评价的ＢＰ网络模型，并将该模型应用于实例检验。结果表明：ＢＰ网络模型用于水质综合评价方法可行且适应性强，结果客观、合理     

人工神经网络在岩溶塌陷预测中的应用研究

本文利用已有资料建立了岩溶塌陷预测ＢＰ神经网络模型,并对桂林岩区进行了岩溶塌陷预测。结果表明,在岩溶塌陷预测中应用ＢＰ神经网络模型是行之有效的。     

BP网络在位场解释中的应用

介绍了ＢＰ网络的特点，阐述了它在位场资料解释中应用的方法、特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函数，增强网络的稳定性和内插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，模型和实例计算证明了该方法的有效性。     

定量成矿预测的人工神经网络模型

重点探讨了资源量预测人工神经网络ＢＰ模型（ＢＰ－ＭＲＰ）的建造和预测问题,特别对模型输入层（地质变量）、隐含层和输出层的构置和优选,模型的学习、检验和预测评价等问题作了较深入的讨论,尝试性地提出了模型输入变量的优化方法和模型检验准确率的计算方法,并以长江中下游地区为实例,给出了ＢＰ－ＭＲＰ模型的实际建造步骤和预测。结果证明,人工神经网络模型不仅能够模拟成矿地质因素和矿床特征（值）之间的非线性关系,     

淄博市大武水源地地下水水位总体预测

本文采用水均衡法对淄博市大武水源地地下水位变动进行研究，并对降水量与人渗补给量的关系以及平均给水度随地下水位的变化关系进行了分析。通过历史资料的验证，表明本文所建立的水均衡模型对于地下水位变动的预测是可靠的，而且简单可行，随后根据不同的地下水开采量等对未来地下水位的变动趋势进行了预测。     

BP网络在位场解释中的应用

介绍了ＢＰ网络的特点，阐述了它在位场资料解释中的应用的方法，特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函娄，增强网络的稳定性和插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，西医 实例计算证明了该方法的有效性。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

地下水动态预测的径向基函数法

地下水系统是一个复杂的随机系统，根据地下水位与其影响因素之间存在的映射关系，建立了一个RBF人工神经网络模型，并将其用于地下水位的动态预测，实例表明，该方法预测精度较高，具有一定的推广价值。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术，并借助G—P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数，结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数，将局域加权一阶多步预测模型应用于地下水位预测。预测表明，此模型可有效应用于地下水位时间序列的多步预测。     

库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测

地下水位预测对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。     

几种修正的自适应神经网络学习算法及其应用

针对一般ＢＰ网络的拓扑结构和参数选择的随意性问题,讨论了几种自适应ＢＰ网络,即自适应调整网络的拓扑结构和自适应调节学习步长的改进ＢＰ算法,综合二者构造了一种修正的自适应ＢＰ算法．为了验证改进算法的有效性,将这几种算法与标准ＢＰ算法进行了比较．结果表明：对于ＸＯＲ问题,这几种算法的学习速度和计算精度都有不同程度的提高．将算法用于油气预测的实际中,也取得了满意的结果     

基于数据包络分析的统计预测模型有效性评价

统计预测模型是进行中长期水文预报的主要手段之一,在统计预测模型建模过程中面临的一个重要问题是如何从诸多待选模型中挑选出一个预测投入较低、预测精度较高的模型。针对这一多属性综合评价问题,提出了利用数据包络分析中的CCR模型进行水文统计预测模型综合评价的方法。模型的输入指标包括预测因子指标和模型参数指标,输出指标为模型精度评价指标,评价结果为模型的相对效率。作为典型案例,对参考作物腾发量预测的20个径向基函数网络模型的有效性进行了评价,结果表明该评价方法是可行的。模型中预测旬参考作物腾发量的关键因子是最高、最低温度,其次是风速,再次是日照时数;将预测时段所属的旬序号作为网络输入可显著提高模型预测精度和相对效率。     

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性.      

基于遗传BP神经网络的地下水位预测模型

地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。     

人工神经网络在天津市区地面沉降预测中的应用

在分析天津市区地面沉降特点的基础上，结合人工神经网络原理，选择1961-1980年的天津市区降水量、地下水开采量、前年沉降量、固结度作为训练样本的输入量，以这20年的地面沉降量作为输出量，用贝叶斯正则化算法训练BP网络，得到沉降的仿真模型。并把1981-1993年的资料用来进行预测检验，结果表明这是一种比较理想的地面沉降预测方法。最后在不同的降水量保证率下，预测了到2010年天津市区地面沉降的情况。     

基于遗传算法优化的小波神经网络在地下水位预测中的应用

地下水位是衡量生态环境优劣和地下水资源的一个重要指标.地下水位下降,将引发地面沉降、地面塌陷和降落漏斗等.因此,地下水位预测对保护地质生态环境和实现地下水资源严格管理至关重要.由于BP算法存在极易收敛于局部极小点与过拟合等缺点,导致网络泛化能力不足,本文在构建小波神经网络基础上并引入遗传算法加以优化,以解决上述不足,并与BP和WNN对比预测了天津市深层承压水水位.预测结果表明,GA-WNN模型拟合精度较高,模型的预测能力有较大幅度提高.     

线性回归模型在北京平原地面沉降预测中的应用

北京平原的地面沉降日趋严重,地面沉降问题已经成为北京平原区最主要的地质灾害。本文在一系列地下水开采量、地下水水位和地面沉降量实测数据的基础上,运用Excel软件建立了地下水开采量与沉降量、地下水位与沉降量之间的线性回归方程。基于地面沉降量和地下水开采量或地下水位之间的回归方程对地面沉降量进行预测,并对预测值的可靠程度进行了验证。本文利用所建立的线性回归模型对地面沉降量进行预测,可以为地面沉降的控制提供依据。