基于RBF神经网络的堤防管涌预测方法

影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。     

基于L-M优化神经网络算法的地下水动态模拟与预测

本文根据地下水与其影响因素之间存在的非线性映射关系,在BP网络模型的基础上,提出一种Levenberg-Marquart优化神经网络算法,并将其应用于某地地下水的动态模拟与预测.通过与BP算法的仿真结果比较分析,发现该算法稳定性好,收敛速度快,预测精度高.     

基于数据处理组合方法的地下水动态预测

本文针对地下水位的周期变化特征，运用数据组合方法对其进行拟合和预测，经实例验证，能够获得极高精度。     

FEFLOW软件在地下水动态预测中的应用

在分析大屯中心区地质及水文地质条件的基础上,运用GIS技术确定了研究区范围和定解条件,建立了地下水系统概念模型和数学模型,利用基于有限元原理的FEFLOW软件对模型进行求解,用水文观测井的地下水动态观测资料,对数值模型进行了识别和校验。运用识别后的数值模型对研究区地下水动态进行预测,表明大屯中心区Ⅰ＋Ⅱ含地下水属于周期性变化的动态类型,在现状开采下,降水能够以丰补歉,降落漏斗基本稳定。     

基于RBF神经网络的城市需水量预测

介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。     

地下水动态预测的灰色双控模型

地下水动态预测的灰色双控模型徐霞晴（江苏省连云港水文水资源勘测处）在地下水资源评价和预测中，由于地下水动态的变化受水文、气象、水文地质和人类活动等因素的影响，从而导致用于地下水动态预测的方法较多。在现有的众多预测方法中，对预测值及其变幅和预测方法大多...     

石家庄市东部平原FEFLOW地下水数值模拟与研究

根据研究区水文地质条件、开采条件及资料条件,将研究区内水文地质概念模型概化为二维非均质、各向同性、非稳定地下水流系统.利用先进的FEFLOW有限元地下水模拟系统建立了研究区的区域地下水流模型,预测不同开采方案下的地下水动态变化,为地下水资源开发利用和优化配置提供科学依据.     

华北平原海岸带海陆交互作用与地下水动态预测

华北平原渤海湾海岸从晚更新世以来经历了四次海侵。各个海侵期的沉积层结构特点及古气候特征均有差异。作者在再造地质发展史、古地理及古气候环境的基础上，讨论了本区含水介质演化的轨迹，并将演化趋势过程划分为四个古构造－水文地质期（旋回）。作者选择唐秦滨海地区为模式区对地下水动态进行了预测，旨在为利用和开发本区地下水资源提出科学管理依据。     

基于RBF神经网络的软基短期沉降预测研究

RBF(radial basis function)神经网络是一类比较优越的前向式多层神经网络,比传统的BP网络有较快的收敛速度.以深圳湾西部通道填海软基沉降的预测分析为例,探讨采用RBF神经网络解决这一问题的方法.采用插值方法构建时间间隔统一的时间序列数据并进行归一化处理,在此基础上建立了沉降变形时间序列的RBF神经网络模型,通过训练网络模型来预测沉降量.计算实例表明,模型具有运算速度快、预测精度高的特点,是一种具有应用前景的软基预测新方法.     

地下水封石油洞库深部岩体二维裂隙网络模拟

低渗透性的裂隙岩体是地下水封石油洞库建库的最佳选择.为研究深部岩体的稳定性及裂隙渗流特征,对深部洞库区进行了二维裂隙网络模拟.通过深部钻孔裂隙统计和地表裂隙测量统计相结合的方法,得出了洞库区剖面二维裂隙网络图和线密度图.分析了运用钻孔成像结果获得深部裂隙统计参数的优点,并对模拟结果做了进一步分析,结果显示,模拟区主要发...     

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.     

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。     

岩溶水系统的径向基神经网络仿真

岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段.本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性.试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值.     

径向基函数神经网络需水预测研究

在分析山西省历年用水量和人均用水量的基础上，建立径向基函数神经网络需水预测模型，采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入，网络输出需水预测值。预测结果表明，径向基函数神经网络需水预测模型运算速度快，有较高的预测精度。需水预测可为水资源规划和配置提供依据。     

基于井下放水试验的矿井疏降量预测评价

井下放水试验作为特殊的水文地质试验,克服了地面抽水试验存在的不利条件,有着十分重要的实践和理论意义。为了探查双柳煤矿太原组灰岩含水层的水文地质条件,通过两次井下放水试验取得的相关水文地质参数,控制了太灰含水层的动态流场。基于井下放水试验取得的水文地质条件信息,利用Visual MODFLOW三维数值模拟软件,建立放水试验期间反映模拟区太灰地下水分布、储存及其时空变化规律的参数模型;根据拟定的预测方案,对太灰含水层的疏降涌水量进行预测。通过本次工作,对双柳井田下一阶段进行疏干降压,减少太灰含水层对上组煤（4#煤层）开采的威胁,同时为下组煤（8＋9#煤）开采提供疏降方式和水文地质依据。     

神经网络技术在路堤沉降预测中应用探讨

针对传统的BP网络模型的不足，应用了改进的BP神经网络模型，把它应用到软基高速公路的路堤沉降预测中，提出了两种构造神经网络训练样本的思路，并分别进行了计算和对比，指出了各自的优、缺点。结果表明改进的BP网络模型比较稳健、收敛快，而且根据时间与对应的沉降量形成的样本训练的网络预测出的工后沉降误差小、精度高。