灰色水文地球化学预测模型(GHGCM)——以沈阳市潜水为例

建立多组分平衡化学模型研究溶质在地下水中的迁移是溶液理论的基本要求,这是非确定型模型预测地下水溶质迁移中尚未解决的课题.本文利用CM(1.1)模型同时预测水中全部化学组分浓度值约束于电中性定律和最大溶度积理论,求得预测优化值,为这一问题的解决提供了范例.模型运行的结果证明,灰色系统理论不仅可用于预测水中单个离子,也可预报平衡多组分.     

一种地下水水质灰色预测方法

提出了以地下水各离子毫克当量百分数和总硬度的灰色ＧＭ（１，１）预测值进行各离子毫克含量（ｍｇ／Ｌ）的预测方法，结果表明，该预测方法比各离子毫克含量的ＧＭ（１，１）预测具有精度高且预测满足地下水电中性原理的特点。     

基于ABC-GRNN组合模型的露天矿边坡变形预测

准确预测露天矿边坡变形是有效实现边坡临灾预警的重要保证,针对传统边坡变形预测方法无法表征和综合分析边坡变形受多种因素的影响,提出一种露天矿边坡变形的人工蜂群(ABC)算法优化广义回归网络(GRNN)组合预测模型(ABC-GRNN)。在此预测模型中,综合考虑了影响露天矿边坡变形的5个因素：开采扰动、降雨量、降雨持续时间、温度以及湿度。以山西中煤平朔安家岭露天矿为例,通过遗传算法改进BP神经网络(GA-BPNN)、支持向量机(SVM)等人工智能算法与实测变形数据进行预测效果对比分析。结果表明：ABC算法能够快速帮助GRNN寻优获取合适的传递参数,并对变形进行有效的预测。ABC-GRNN组合预测模型,将预测结果的平均绝对误差292.9 mm、平均绝对百分比误差0.691 3%及均方根误差338.9 mm分别降低到25 mm、0.043 3%和29.5 mm,说明该模型具有更高的预测精度;ABC-GRNN模型比其他模型收敛速度快,只经过7步的迭代,即可得到最小的均方误差。与其他预测模型相比较,本文模型的预测精度更高、泛化能力更强、收敛速度更快,有较高的实用价值。