西安灞河水源地地下水位埋深的变化及RBF模型预测

为了探究减少地下水开采量对地下水位回升的修复效果,对西安市灞河水源地1984—2005年的地下水开采量及水位变化进行了分析,并对减少开采量后,潜水和承压水位埋深进行了模拟和预测。以蒸发、降雨、径流和人工开采量作为输入变量,利用RBF神经网络模型,预测2006—2023年的潜水和承压水位埋深。1984—2001年的数据用于模型的训练,2002—2005年的数据用于模型的验证。结果表明:灞河水源地潜水和承压水位有不同程度的上升。2023年潜水和承压水位较2005年最大上升幅度分别为1.5 m和1.24 m,仍比1984年水位分别低11.28m和13.34 m,回升速度较慢,2023年承压水位降落漏斗依然存在。     

RBF网络在西安渭滨地下水位埋深预测中的应用

基于径向基（RBF）神经网络建模,对西安市渭滨地下水水源地的地下水位埋深进行了模拟和预测。将降雨、径流和人工开采量作为输入变量,对研究区域内的潜水和承压水位埋深分别进行预测。1984—2001年的数据用于径向基网络模型训练,2002-2005年的数据用于模型的验证,最后对2006—2023年共18年的地下水位埋深进行预测。结果表明,径向基神经网络模型对20年左右的数据序列有较好的预测效果,且根据降雨、径流和开采量,能较准确的预测地下水位埋深。