地下水动态预测模型研究

把地下水动态模型分为确定性模型和随机性模型,并列举了目前较常运用的几种理论方法,然后简要介绍各理论的发展历程及其原理、优缺点和应用领域等。     

基于人工神经网络的粮食产量预测模型

研究了人工神经网络在经济预测中的应用问题,探讨利用人工神经网络进行农业粮食产量预测的方法。提出一种基于多层前馈BP神经网络的农业粮食产量预测模型,可以得到影响粮食产量的主要因子和粮食产量之间的非线性映射关系。并通过实例验证了神经网络模型的预测精度明显高于线性回归模型的预测精度。     

BP-ANN模型在地下水动态预测中的应用研究

地下水动态预测的研究是地下水评价的重要内容,而因受降水、开采、蒸发等多种因素制约,使地下水水位在时序上常表现出复杂的非线性特征。文章采用人工神经网络方法对某农场的地下水动态进行预测。结果表明,该方法具有很高的拟合精度,是一种具有广泛应用价值的新方法。     

灌区地下水动态调控数学模型的建立及求解

充分考虑降水,渠灌,井灌开采对灌区地下水动态的综合影响,根据隔离井法的思路,从灌区抽水具有间歇性的特点出发,将开采期一水位恢复期作为一个计算时段分别建立和求解地下水动态调控的数学模型,再将各计算时段看作是一个连续,互馈的动态过程,利用该模型便可实现灌区地下水动态的调控计算。     

基于灰色系统的地下水动态研究

为了深入探求地下水动态变化规律,以陕西洛惠渠灌区实测数据为例,首先采用改进的灰色斜率关联法,对灌区自然-人工-生物条件下地下水动态敏感性因子进行研究,分析了各因子与地下水埋深的关系,并运用灰色动态模型对敏感因子进行灾变预测.结果表明:蒸发量是影响该灌区地下水动态的主要因子,而各因子之间相互作用影响,形成了复杂条件下的耦合关系;灰色动态模型对蒸发量的灾变预测精度较高,完善模型系统.将灰色系统理论应用到灌区地下水动态评价中是切实可行的,是对传统地下水动态研究方法的补充与完善,可为灌区管理和调控提供一定的依据.     

灌区地下水动态调控数学模型的建立及求解

充分考虑降水、渠灌、井灌开采对灌区地下水动态的综合影响,根据隔离井法的思路,从灌区抽水具有间歇性的特点出发,将开采期－水位恢复期作为一个计算时段分别建立和求解地下水动态调控的数学模型,再将各计算时段看作是一个连续、互馈的动态过程,利用该模型便可实现灌区地下水动态的调控计算。     

基于人工神经网络的农地石漠化预警模型及应用——以阳山县为例

应用相关分析和主成分分析法并借鉴相关研究成果,选取岩性、地表起伏指数、基岩裸露率、植被覆盖率、≥25°坡地面积比、土壤类型、土地垦殖指数、坡耕地指数、农业人口密度和人均耕地面积等10个与农地石漠化密切相关的因子作为输入变量,根据人工神经网络的原理和方法,建立了农地石漠化预警的BP人工神经网络模型,并利用该模型对阳山县进行了实证研究。结果表明,该模型性能良好,能够较好地实现农地石漠化预警功能,预警结果客观合理,具有一定的推广应用价值,能够为区域农地石漠化的预防与综合治理提供依据。     

基于改进BP神经网络的地下水水质评价--以新疆和田地区为例

在阐述人工神经网络基本原理的基础上,提出了地下水水质评价的BP网络模型。并分别利用BP网络模型与传统的模糊综合评判法对新疆和田地区地下水水质进行了评价,结果表明,BP网络模型不仅计算简便,而且具有较高的计算精度。     

人工神经网络用于地下水挥发性有机物定量结构-色谱保留模型的研究

利用人工神经网络模型(artificial neural network,ANN)以分子电性距离适量和保留时间分别作为输入和输出,建立了地下水26个挥发性有机物的定量结构-色谱保留相关关系模型(quantitative structure-retention relationship,QSRR),所构建网络模型的相关系数为0.998 5,留一交叉检验应用于训练集,其相关系数为0.998 3,该模型应用于外部预测集,其相关系数为0.979 5;而多元线性回归(Multiple Linear regression,MLR)法模型的相关系数为0.949 2,留一交叉检验相关系数为0.897 8。结果表明,ANN模型具有较准确的预测能力,并获得了较好的拟合效果。     

基于人工神经网络的人体体质综合评价模型的建立

人体体质各测试指标与人体综合体质之间存在着复杂的非线性关系，为了客观准确的评价人体体质的综合水平，选取体质各测试指标作为输入，基于体质研究专家经验的体质综合评价结果为期望输出．引入人工神经网络BP网络模型建立了体质综合评价模型。实际应用结果表明，所建立的体质综合评价模型拟合精度高．评价效果好，能较真实地反映人体体质的综合水平。     

基于人工神经网络的农民收入预测模型的应用分析——以陕西省为例

阐述了神经网络及其BP算法的工作原理,将神经网络的BP算法引入农民收入研究领域,并应用MATLAB神经网络工具箱对陕西省农民纯收入进行了预测研究。预测模型在预测精度和算法的收敛速度方面都达到了较好的效果,对未来农民收入的研究具有重要意义。     

时间序列分析在地下水动态预测中的应用

建立了基于时间序列分析的地下水埋深动态模型,并对垦区地下水水位进行了预测.结果表明,当样本容量足够大时,该方法的预测结果具有很高的精度以及稳定性,可以应用于地下水埋深的动态预测中.     

基于BP人工神经网络的土壤含水量预测模型的研究

土壤含水量是制约植物生长的主要因子之一,因此科学地预测土壤含水量对充分利用土壤水资源具有十分重要的意义。提出了基于BP人工神经网络的土壤含水量预测模型,BP人工神经网络采用收敛速度较快和误差精度较高的动量-自适应学习速率调整算法。并通过基于这种模型的土壤含水量预测实验,结果表明BP人工神经网络预测模型提高了收敛速度和减少陷入局部最小的可能,并且提高了预测精度。     

温泉旅游地康复性地方营造探析——以贵州石阡温泉为例

温泉康养旅游作为重要健康获得方式是大健康产业的重要构成。近十年来国内温泉旅游地多将休闲娱乐功能作为开发重点,借鉴康复性景观理论探讨温泉地的康养性地方营造,为温泉康养功能的充分利用提供参考。     

基于马尔科夫模型的土地景观动态模拟预测研究——以重庆永川市为例

在遥感和地理信息技术支持下,利用马尔科夫模型模拟和预测重庆永川市的土地景观变化。结果表明:在现有的干扰不变情况下,研究区景观将达到一个稳定时状态,此时各土地景观面积分别为:耕地41.88 hm2、林地0、草地18.13 hm2、水域11.98 hm2、城乡用地1 383.62 hm2。研究区几乎全为城乡用地所覆盖。     

基于人工神经网络的井灌水稻区地下水位预测

利用带动量项学习规则的改进 BP算法 ,对三江平原创业农场井灌水稻区逐月地下水埋深进行了模似仿真 ,将人工神经网络技术 (ANN)与广大井灌水稻区生产实际相结合 ,通过网络检验与预测 ,模型精度与预测精度均达到满意效果。该网络模型对于节约地下水开采量 ,恢复该地区的地下水动态平衡、制定农作物优化灌溉制度、发展节水灌溉、促进农业及水资源的可持续发展提供参考作用     

影响大安市地下水动态因素的分析

根据大安市地下水动态观测资料及收集有关的降雨、蒸发和江河水位资料,结合水文地质条件,对全市地下水动态变化情况进行分析,认为影响全市地下水动态变化的主要因素有三种。     

基于变化环境的地下水动态敏感性分析方法研究

【目的】探索、完善地下水动态敏感性分析方法。【方法】通过对地下水动态敏感性分析方法研究现状的分析,对地下水动态敏感性分析的概念进行了重新定义,并探索性地将正交试验与地下水动态建模相结合,用以进行地下水动态敏感性的分析。【结果】建立了基于改进正交试验法的地下水动态敏感性分析方法,将该方法用于宝鸡峡灌区,所得结果与现有其他方法所得结果相近,即均认为地表水灌溉量和蒸发量是影响灌区地下水动态的主要因素,并且该方法也在理论上克服了现有分析方法的一些局限性。【结论】基于改进正交试验法的地下水动态敏感性分析方法在实际中具有一定可行性,是对传统地下水动态敏感性分析方法的补充和完善。     

基于人工神经网络的土壤含水量预报模型

土壤水分含量是影响作物生长的重要因素,精确预测技术对水资源的合理利用与管理具有重要的指导意义。土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。利用人工神经网络的方法对河南驻马店地区的土壤含水量进行预报,利用表层土壤含水量资料计算了一些与深层土壤含水量相关的预报因子,用以建立驻马店地区深层土壤含水量的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。结果表明,预报模型取得了令人满意的效果,应用神经网络的方法预报深层土壤含水量是可行的。