模糊均生函数残差模型在地下水数值模拟降水量预报中的应用

地下水主要补给来源为大气降水的入渗和地表水体的渗漏.在地下水模拟预报模型中需要预先知道降水量.迄今为止,年降水量的预测仍然是一个不易解决的难题.在模糊均生函数模型(FAFM)基础上,利用其残差数据序列对FAFM进行校正,提出了模糊均生函数残差模型(REMFAF),给出了模型预报精度的检验方法.实例研究表明,REMFAF模型应用于吉林省西部地区地下水数值模拟中的降水量预报,比FAFM的预报精度更高,取得了较为理想的结果.     

BP神经网络在灌区需水量预测中的应用

随着塔里木河下游水量逐年减少的趋势,铁千里克灌区水资源危机显的越来越严重。运用BP神经网络方法预测需水量,对灌区适时调整产业结构,保护生存和生态环境,促进区域社会经济和谐发展有重要意义。     

集对分析径向基函数神经网络预测模型

将集对分析与径向基函数神经网络结合,提出了集对分析径向基函数神经网络预测模型。模型思路是将研究对象t-1时和t时的影响因子集构造为集对并计算联系度,由联系度的同一度、差异度、对立度及研究对象t-1时的值为输入,研究对象t时的值为输出,构建径向基函数神经网络。以年径流预测为例研究表明,模型结构清晰、步骤明确、预测精度较高,为集对分析应用于水文预测提供了新思路。     

多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

灰色系统和BP神经网络相结合的矿产资源预测模型

这里介绍了灰色系统和BP神经网络相结合的预测原理,利用BP网络,对改进的GM(1,1)残差修正模型所得预测的结果进行再预测的组合预测模型,并对攀枝花市钒钛磁铁矿的产量进行了预测。计算结果表明,该预测方法是可靠的,并具有较高的预测精度。     

基于气候重建资料及均生函数-最优子集回归模型的降水预测

利用由科尔沁沙地榆树区域综合年表而重建的181a降水序列,采用均生函数-最优子集回归(MGF-OSR)预测模型对科尔沁沙地降水进行了5a情景的预测,克服了以往序列短的不足.模型建模期相对误差绝对值在3％、5％、10％以内的年数分别占建模年数的36.46％、64.64％、93.37％,建模期模拟精度较高.2007～2010年实测检验期,模拟与实测值保持了方向一致性,各年份相对误差绝对值分别为11.40％、6.73％、22.06％、5.49％,大部分年份预测较理想.经预测,2011～2015年期间,2011年、2012年、2014年和2015年为降水正常年份,2013年为降水偏干年份.与实际情况对比,2011年与预测一致,2012年稍有差别.总体上,2011～2015年降水变化较为平缓.     

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。     

基于BP神经网络的溶洞规模预测及应用

复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。      

BP神经网络在基坑变形预测分析中的应用

本文提出了基坑变形预测与分析的BP神经网络方法,建立了基坑变形预测分析的模型,应用MATLAB语言编制计算程序进行计算并与实际工程监测值进行比较,从而验证了神经网络在基坑变形预测分析中的可行性、有效性。     

BP小波神经网络在边坡位移预测中的应用

用优化的BP小波神经网络建立的预测模型对吊钟坝边坡的变形量进行了预测。引入了共轭梯度反向传播算法来优化BP小波神经网络,从而使网络计算量大为减少,避免了网络产生局部最优的弊端,有效提高了网络的质量。与未优化的BP小波神经网络和BP神经网络的预测结果进行比较可以看出,优化的BP小波神经网络的预测值更接近GPS实测值。     

基于MATLAB工具箱的BP神经网络年径流量预测模型研究——以塔城地区乌拉斯台河为例

塔城地区独特的地形为西来水汽的输送提供了条件,从而形成了众多中小河流,而中低山带季节性积雪的消融又使河流呈现出春汛汛的特点,使得径流年内分配不均,对塔城地区水资源配置极为不利,开展径流量的预测研究,将为水资源的优化配置提供科学的理论基础.文章以塔城地区乌拉斯台河为例,根据其年径流量(1966-1995年)序列的长期变化特征,利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数,实现BP网络对年径流量的预测研究.从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性.     

基于优化的BP神经网络地层可钻性预测模型

提出了一种粒子群算法（PSO）优化的BP网络模型预测地层可钻性的新方法。利用粒子群算法优化BP网络模型的参数,避免了BP网络陷入局部极小值的缺点,提高了模型的预测速度和精度。结合钻探实例,利用测井资料和地层可钻性级别的关系建立了可钻性级别实时预测模型,并将该模型与传统的BP网络进行对比,结果表明,该模型优于BP网络,具有较高的精度和较快的收敛速度,有一定的适用性。     

基于BP神经网络的太原市地面沉降预测及分析

通过对太原市地面沉降资料、气象水文和地质条件以及地下水等大量资料的分析与整理,考虑到太原市各个沉降中心的沉降趋势不尽相同,对太原市吴家堡、西张、万柏林和下元4个沉降中心分别建立BP神经网络模型,并基于训练好的BP神经网络模型,在太原市地下水开采量的规划方案下,预测了在不同降水保证率下2009-2015年地面沉降的趋势,...     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。     

BP神经网络在古气候序列重建中的应用

当前小区域的古气候变化研究受模拟资料分辨率和可靠性的严重制约.为了将大区域的气候模拟资料应用到小区域的古气候研究中去,亟待建立有效的降尺度方法.为此以徽鄂地区为例,建立了一个3层BP神经网络拟合模型,利用相关气象要素作为拟合因子,拟合并重建了该地区近千年来1月、7月和年平均的温度和降水序列,通过与观测及模拟资料的对比分析发现,该模型拟合及重建的近千年气候序列有较高的精度和可靠性,能反映小区域气候的年际和年代际变化信号,提高了模拟资料对小区域气候变化的刻画能力.     

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.     

基于RBF神经网络的地下水动态模拟与预测

RBF网络具有结构自适应确定、输出与初始权值无关的优良特性.以matlab为平台将该网络应用于某地的地下水动态模拟与预测,较为系统地研究了训练样本集与检测样本集的构建、原始数据的预处理、神经网络的构建、训练、检测及结果评价整个过程,取得了良好效果.同时,还与BP网进行了对比,认为,RBF网络是一种值得推广的地下水动态模拟与预测神经网络模型.     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

人工神经网络方法在径流预报中的应用

采用ＢＰ神经网络模型,以西北内陆河黑河流莺峡年平均出山地表流量为研究对象,对人工神经网络研究方法在干旱区环流径流预报中的应用进行了初步尝试,结果表明该预报成功率较高,证实了人工神经网络方法应用于流量预报领域的可行性,并分析了该方法在预报过程中的优缺性。