基于贝叶斯网络的水环境管理研究

贝叶斯网络是一种定性与定量分析相结合的不确定性推理方法,以图论的形式直观的表达了实例系统中变量间的不确定性关系,概率推理的结果能够使多个管理目标均达到最优.应用贝叶斯网络解决水环境管理中具有不确定性的多目标决策问题,通过对决策变量氮磷排放浓度的调控达到有效的改善水环境的目标.分析具体的水环境管理系统中变量间的相互关系,...     

基于T-S模糊神经网络的地下水水质评价

采用T-S模糊神经网络模型对吉林省西部地区部分地下水水化学监测点水质进行评价。T-S模糊神经网络模型是根据模糊系统和人工神经网络优缺点具有明显的互补性结合而成,考虑了水质评价标准的区间形式和水系统的不确定性。将T-S模糊神经网络的评价结果与水质综合评价方法中经典的内梅罗指数法和BP人工神经网络法的评价结果进行对比,结果表明:T-S模糊神经网络法评价地下水水质更全面更客观。利用该方法对吉林西部的地下水水质进行评价,结果显示:吉林西部地区地下水资源已经遭受不同程度的污染,需要进行有效的保护。     

内蒙古德岭山地区灌溉农业发展对浅层地下水系统演化的影响

为了了解灌溉农业发展对浅层地下水系统演化的影响,该文以1979年内蒙古德岭山地区浅层地下水系统未遭受人类活动强烈干扰时的状态为初始状态,采用水均衡原理计算2008年地下水的各种补排量,并进行地下水质量评价。通过对比初始状态与现状条件下浅层地下水系统输入(补给项)和输出(排泄项)的变化、水动力场与水化学场的变化,分析该地区浅层地下水系统的演化方向和规模。研究结果表明:灌溉农业的发展已成为影响浅层地下水系统演化的主要因素。灌溉农业对研究区地下水系统动力场演化的影响主要表现为局部区域地下水水位的持续降低和地下水流场的剧烈变化;对地下水系统化学场演化的影响主要表现为地下水化学类型的改变和地下水污染的加重。     

基于小波神经网络方法的降水量预测研究

小波神经网络作为国际上新兴的一种数学建模分析方法,充分继承了小波变换良好的时频局部化性质及神经网络的自学习功能和极强的非线性能力等优点.降水量预测模型中神经网络选择BP网络,隐含层激发函数选取Morlet小波,并利用MATLAB编写预测程序,运用吉林西部地区白城、长岭、前郭3个测站1957-2010年的降水资料对模型进行训练、检验,进而预测三站未来十年的降水量.研究结果表明,小波神经网络预测模型对降水量的变化趋势预测准确,结构简单,收敛速度快,具有较高的实际应用价值,但其对于降水量具体值的预测精度有待于进一步提高;未来十年,吉林西部地区将处于降水量变化周期的丰水阶段,各相关部门应根据实际情况做好相应的准备.     

水源地裂隙含水层水文地质参数的确定

含水层水文地质参数的确定对于了解地下水运动特征和计算地下水资源量十分重要,抽水试验法则是确定含水层参数的主要方法。通过在水源地现场进行1次非稳定流抽水试验和2次稳定流抽水试验,在Aquifer Test软件的支持下,采用多种数学模型计算并确定研究区裂隙含水层的相关水文地质参数。计算结果显示:含水层的渗透系数表现出各向异性,垂直地下水流向的渗透系数大于平行地下水流向的渗透系数,其数值分别为25.81m/d和17.51m/d;弹性释水系数远小于给水度,分别为0.000 378和0.145,因此在水资源评价过程中可忽略含水层的弹性释水量。     

基于RBF神经网络的地下水动态预测

以内蒙古自治区巴彦淖尔市金泉工业园区为例,基于园区B248号长观井2001-2008年的地下水埋深资料,首先建立了地下水埋深RBF神经网络预测模型,而后对该模型的模拟结果作误差分析,并将相应值与BP网络模型进行对比。RBF神经网络模型和BP网络模型的最大相对误差分别为9.88%和19.67%,最大绝对误差分别为0.81和1.56,均方误差分别为0.19和0.98。显然,RBF神经网络具有较高的预测精度和较强的非线性映射能力。用上述训练好的RBF神经网络模型对研究区2009-2013年平水年条件下的地下水埋深进行预测,结果表明,研究区已出现地下水位持续下降的趋势。最后,根据地下水资源保护规划方案,在逐时段压缩地下水开采量10%的情况下,研究区2025年即可恢复到2001年的地下水水位值。     

基于小波分析的ARMA-GARCH模型在降水预报中的应用

利用小波分析方法对通榆地区1955-1999年降水资料进行分解与单支重构,得到低频序列和高频序列;对得到的子序列依据是否具有自回归条件异方差(ARCH)效应,建立自回归移动平均(ARMA)模型或者ARMA-GARCH模型.然后将上述各子序列所建模型进行线性叠加,得到年降水量的基于小波分析的ARMA-GARCH模型(w-...