基于NNARMAX模型的地下水位预报研究

区域地下水系统是一个受多种因素影响的复杂的非线性动态系统，应用遗忘因子的递归最小二乘（RLS）算法进行训练，采用通过减少网络节点间的连接权值，进而裁减冗余节点来选择适宜的网络拓扑结构，建立了非线性自回归滑动平均神经网络（NNARMAX）模型，地下水位预报结果表明：通过对网络结构的优化达到了自动确定非线性自回归模型阶数和影响因素的选择，能有效地表示区域地下水动态系统内部及其外部诸多影响因素间的不确定关系，是预测区域地下水动态变化较为有效的方法之一。     

融合ARIMA模型和GAWNN的溶解氧含量预测方法

针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系,采用小波神经网络（WNN）获得预测值,并采用遗传算法的选择、交叉、变异等操作优化网络参数,比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络（GAWNN）和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%,提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明,该组合模型优于单个模型和传统组合模型的预测结果。     

基于ELM模型的浅层地下水位埋深时空分布预测

选用石家庄平原区补排因子的多种组合为输入参数,利用28眼水井的实测资料作为预测目标值,首次建立基于极限学习机(Extreme learning machine,ELM)的地下水位埋深时空分布预测模型,讨论补排因子在不同缺失情况下对模型精度的影响;利用Arc GIS分析误差空间分布趋势,并与常用的三隐层BP神经网络模型进行对比。结果表明:基于水均衡理论的ELM地下水位埋深模拟模型能够准确反映人类和自然双重影响下地下水系统的非线性关系,模型输入因子中缺失降水量或开采量的模拟结果均方根误差(RMSE)比缺失其余因子的RMSE高2.00倍及以上,同时模型有效系数(E_(ns))和决定系数(R~2)进一步降低;与BP模型相比,ELM模型可使RMSE减小43.6%,误差区间降低46.4%,Ens和R2提高至0.99,且RMSE在空间相同区域上均明显呈现出ELM模型小于BP模型;ELM模型在南部高误差区的移植精度(RMSE低于1.82 m/a,E_(ns)高于0.95)高于BP模型(RMSE超过3.00 m/a,Ens低于0.85);因此,影响地下水位埋深的主导因素是降水量和开采量,且ELM模型在精度、稳定性和空间均匀性上较优,移植预测效果较好,可利用已知资料推求区域空间内其余未知水井的浅层地下水位埋深;该模型可作为水文地质参数及补排资料缺乏条件下浅层地下水位埋深预测的推荐模型。     

基于聚类分析的滑动时均序列需水预测优化方法

针对城市用水周期性及波动性特点,依据深圳市47个水厂及10个行政区2015-2019年逐月的供用水序列,考虑产业结构、人口特征及水厂供水的时间变化因子,提出KMeans聚类算法和季节性滑动平均自回归(seasonal moving average autoregressive,SMAAR)模型耦合方法,将水厂和行政区的...     

新疆地区年径流量与降雨量相关关系分析

为分析年净流量与降雨量间的相关关系,以新疆各主要行政区内2003-2005年间的年径流量与降雨量为分析对象,利用最小二乘法对两者关系进行了线性回归分析.分析结果表明:在全疆范围内,各主要地区年径流量与降雨量呈现显著线性相关性,且其决定系数均在0.7以上.降雨量与径流量受气候等因素影响显著,空间变异性强,空间分布极不均匀.以上研究结果可用于径流量或降雨量的预测,尤其是对于径流或降雨资料不全或缺失地区具有一定的参考价值.     

基于差分模型和最小二乘法的组合预测模型在实时洪水预报中的应用

洪水预报系统因其动态性、不确定性,加大了洪水预报的难度,一直以来许多水文工作者致力于洪水预报的研究工作。最优组合预测模型具有最大信息利用原则和最小均方误差原则的特点,因而被广泛地运用在预报上。在洪水预报中,递推最小二乘算法是对洪水预报模型的参数进行校正的一种实时洪水预报方法。本文分析了最优加权组合预测模型的基本原理,提出了差分模型和衰减记忆的最小二乘递推算法的组合预测模型,并将该模型应用到实时洪水预报中。实例应用表明,所建立的预测模型具有较高精度和较好稳定性的特点,为实时洪水预报提供了一种新的途径。     

农村电力系统负荷预测的研究——基于Excel回归模型

农村电力系统负荷预测是农村电网供电规划的基础。当利用回归模型进行农村电力系统负荷预测时,最大的问题是:当给定的历史数据量很大、回归模型未知数的最高次项的次数较高时,求解回归方程计算将变复杂。针对上述问题,提出了一种基于Excel的回归模型的求解方法,该方法无需编程,操作简单。计算结果表明,基于Excel的回归模型进行农村电力负荷预测的方法简单实用,误差较小。     

偏最小二乘回归神经网络在径流预报中的应用

地表水系统中,径流受诸多因素影响。将偏最小二乘回归与神经网络耦合,建立了径流量预报模型。将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题。实例表明本模型有较高的拟合和预报精度。     

基于高光谱的柑橘叶片磷含量估算模型实验

以117株园栽罗岗橙为实验对象,分别在壮果促梢期和采果期2个不同发育阶段采集234个数据样本,高光谱反射数据构成每个数据样本中的高维矢量描述,用化学方法测得磷含量值作为样本真实目标值,用偏最小二乘法(PLS)及支持矢量回归(SVR)2种多元回归分析算法,在对反射光谱进行各种形式预处理的基础上对柑橘叶片磷含量进行建模和磷含量预测.模型分别在校正集和测试集上进行评估,取得最佳模型决定系数分别为0.905和0.881,均方误差分别为0.005和0.004,平均相对误差分别为0.026 4和0.031 2.实验结果表明:基于高光谱反射数据进行磷含量预测是可行的.     

基于叶面积指数的河北中部平原夏玉米单产预测研究

为解决玉米单产预测的时效性和业务化问题,以河北中部平原为研究区域,选取与籽粒产量密切相关的叶面积指数(LAI)作为遥感特征参数,对研究区2016—2018年夏玉米单产进行预测研究。基于求和自回归移动平均(ARIMA)模型及径向基神经网络(RBFNN)分别逐像素预测研究区域的LAI,结果表明,基于ARIMA模型的LAI预测精度比RBF神经网络的预测精度高,1步、2步LAI预测结果的RMSE较RBF神经网络分别降低了0.18、0.14 m2/m2,更适合于河北中部平原的夏玉米单产预测。基于LAI监测数据和加权LAI与夏玉米单产的相关性研究成果,并结合基于ARIMA模型的LAI预测数据,得到2016—2018年夏玉米监测单产和向前1旬、2旬和3旬的单产预测结果。结果表明,无论是县域尺度还是像素尺度,向前1、2、3旬夏玉米的单产预测精度均较高,2016—2018年县域尺度预测单产与监测单产间最大相对误差仅为3.73%。     

辽源市地下水水位动态特征分析及预测研究

利用辽源市1980-2011年地下水动态监测数据,采用地质、水文地质学理论和方法,分析研究区地下水动态变化规律,及地下水动态类型。同时运用BP神经网络模型对辽源市地下水水位进行模拟预测。结果表明:研究区的地下水动态类型主要有降水入渗-蒸发型、径流型、降水入渗-开采型;利用BP神经网络技术建立辽源市地下水位预测模型,预测结果较为理想;研究区地下水位多年来呈下降趋势,2006-2012年地下水位下降2m左右。通过对辽源市地下水动态特征的研究,为今后对辽源市地下水的研究和生产、生活的开采利用提供了科学依据和指导意义。     

关于地下水位动态预测模型的进一步研究

针对目前建立地下水动态预测模型所存在的问题，通过引入综合因子时间作为预测模型的主因子，用河道补给和降水因素作为修正因子，并利用指数值的大小间接反映其权重，使所建模型物理含义清晰，计算方法简捷，有效提高了模型的拟合及预测精度，并通过实例进行了残差平方和、标准剩余差及相关指数计算比较。     

变权组合预测模型在兴平市地下水动态预测中的应用

针对地下水埋深变化离散性程度较大的兴平市,利用兴化漏斗区2000-2011年的地下水位埋深数据,采用基于指数预测法、线性回归预测法及灰色预测法的变权组合预测方法,对其进行地下水位埋深的模拟和预测。通过对兴平市地下水动态的预测,对比变权组合预测方法和单纯运用某一种单项预测方法在精度上的差别,证明了变权组合预测模型具有可行性和较高的精度,并在此基础上对兴平市未来地下水埋深进行了预测。     

引黄灌溉对商丘地区浅层地下水位动态影响研究

利用人工神经网络技术 ,对商丘地区引黄灌溉与地下水位的动态进行分析预测 ,进行定量化研究。研究结果表明 ,该方法能较好地符合实际地下水位的年际变化     

基于两阶段优化配置模型的济南泉域补给区灌溉水源置换研究

目前全球地下水能保持持续平衡的地区日趋减少,不合理农业灌溉成为很多地区地下水系统恶化的主要因素之一。济南市历城区地下水用于农业灌溉是当地地下水位下降的重要因素,对于济南泉域、白泉泉域喷涌有直接影响。针对研究区农业用水特点和水生态文明建设水源置换的要求,建立两阶段优化配置模型,将灌溉用水配置分为2个阶段,阶段一,以生态、节水和经济效益为目标,引入单位脉冲响应系数约束地下水利用量,实现区域地下水与地表水的合理配置;阶段二,以作物最大产量为目标,进行作物生育阶段水量配置和种植结构调整。结果表明,采取两阶段优化算法与用水结构调整后,可以有效减少地下水利用量,2011—2014年平均地表水与地下水用水结构由原来的3∶7调整为5.2∶4.8,较好地实现地下水源置换目标,同时地下水位计算值较实际年分别增加0.31、1.12、1.55和3.38 m,对保证泉域持续喷涌具有重要作用。     

工厂化水产养殖溶解氧预测模型优化

为准确预测溶解氧变化趋势,降低水产养殖风险,提出混沌变异的分布估计(CMEDA)算法优化最小二乘支持向量机模型(LSSVR),提高了溶解氧预测精度。并对粒子群算法和遗传算法分别优化的LSSVR模型(PSOLSSVR、GA-LSSVR)以及传统的LSSVR模型与CMEDA优化的LSSVR模型(CMEDA-LSSVR)进行了比较研究。利用该模型对江苏省扬中市红鲷鱼工厂化养殖鱼塘溶解氧含量进行了预测。实验结果表明,CMEDA-LSSVR的预测精度高于其他3种算法,CMEDA-LSSVR、PSO-LSSVR、GA-LSSVR、LSSVR 4种模型预测精度评价指标平均绝对百分比误差分别为0.32%、1.27%、1.98%和2.56%。实际应用结果表明该模型可以为鱼塘水质决策管理提供依据,具有一定的应用价值。     

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。     

新疆冲洪积扇区多层结构含水层地下水系统预报模型的比较

冲洪积扇在新疆分布广泛,研究此类结构的地下水预报模型对合理开发利用区域水资源、预防地下水过量开采造成的地质灾害有着重要的理论与实践意义。通过对玛纳斯河流域和阿图什哈拉峻地区水文地质概念模型及数理模型的建立、模型数值求解方法及模型预报精度的对比分析,为建立具有一定预报精度的冲洪积扇区多层结构含水层地下水资源预报模型提供了解决思路及参考依据。     

地下水埋深对作物的影响研究现状

根据国内外的研究成果,对地下水埋深对作物的影响的研究现状进行了分析和总结。地下水埋深影响作物土壤水分吸收和盐分运移,影响作物生长发育、产量。适宜的地下水位能够改善作物的土壤环境,提高根系活力,增加作物产量。最后提出了需要进一步研究的问题。