两种模型在地下水埋深预测中的应用及对比研究

为能够更好地预测地下水埋深及合理规划、开发地下水资源,简述BP-ANN和GM(1,1)模型的基本结构和建模步骤,以长春市体育馆旁长观井(1号井)2002-2010年的地下水埋深资料为基础,分别运用两种方法模拟并预测地下水埋深,并进行对比研究,最后得出如下结论,BP-ANN和GM(1,1)模型的平均相对误差分别为0.55%和3.45%,其对2011年的地下水埋深预测值分别为13.06、13.27m,两种模型的拟合和预测精度均较高,两种方法均可用于地下水埋深预测,其中GM(1,1)建模更简单,BP-ANN精度更高。     

河套灌区土壤盐分时空变化特征及影响因素

为了研究河套灌区土壤含盐量演变特征及主要影响因素,以解放闸灌域为研究区,以0~100 cm深不同土层土壤含盐量及引排水量、地下水埋深、地下水矿化度、降雨量、蒸发量等数据为基础,结合研究区耕地及盐荒地面积变化情况,定量估算了2006—2016年耕地及盐荒地1 m深土层平均土壤盐分总量变化,定性分析了土壤含盐量变化动态,建立了1 m深土层土壤含盐量预测模型.结果表明:近10 a来,灌域年均积盐量为57.12万t/a,其中46.12%积累在1 m土层内,其余则迁移至1 m土层以下和地下水中积聚.1 m土层中,耕地盐分整体上减小6.34%,而盐荒地则增加86.8%;主成分分析结果表明灌区地下水埋深、排水量及年蒸发量对土壤含盐量影响最大,其次为地下水矿化度、引水量及降雨量;逐步回归分析表明采用地下水埋深单因子即可预测耕地1 m深土层土壤含盐量,相关系数可达0.732.     

基于IL-HMMs预测模型的地下水埋深预测研究

以西北干旱典型县域磴口县为研究区,基于增量学习的改进隐马尔可夫预测模型(IL-HMMs),对区域地下水埋深进行了预测研究。为检验IL-HMMs模型预测效果,将模型预测结果与2013年长观井的实测数据进行了比较;同时为检验模型的优劣性,与未经增量学习的隐马尔可夫模型(HMMs)、加权马尔可夫链(WMCP)和BP神经网络(BP neural network,BPNN)预测模型的预测结果进行了比较。结果表明:与其他几种预测模型相比,IL-HMMs模型预测精度显著提高,误差更小,有较好的鲁棒性。并使用IL-HMMs模型对2018年地下水埋深进行了预测,预测结果表明,2018年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于IL-HMMs模型的地下水埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性,可为地下水埋深动态预测提供思路与方法补充,为区域地下水资源开发利用和保护提供重要依据。     

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。     

鲁北平原引黄典型区地下水埋深时空变异规律及开采适宜性分析

揭示区域地下水埋深的时空变异规律及开采适宜性,对于实现地下水资源的可持续利用具有重要的意义。以山东省德州市为研究区,借助GIS技术和统计学方法,在分析该区近10a(2005-2014年)地下水埋深基本特征、年际变化规律和空间分布格局的基础上,以地下水临界深度、漏斗区、超采区为评价指标,研究地下水开采的适宜性。结果表明:1研究区地下水埋深普遍较浅,10a的平均埋深为4.6m,但各县区存在较大的差异,并且在10a间,地下水埋深变化波动较大,7个县区的CV大于10%,达到中等变异程度;2研究区10a间地下水埋深下降趋势明显,除庆云县、禹城市、齐河县和武城县外,其他区域达显著(P0.05)或极显著(P0.01)水平;3研究区2005、2009和2013年的地下水埋深空间分布格局相似,但也存在明显的区别,非漏斗区(埋深≤6m)面积逐渐增大,浅层地下水降落漏斗(埋深6m)的范围不断缩小;4研究区的可大量开采区主要位于庆元县、禹城市、齐河县等县区,总面积为2 290km~2,适宜开采区主要位于中部、东北部和西部,总面积为3 790km~2,限采区在各县区均有分布,总面积为4 289km~2。     

基于多变量时间序列模型的地下水埋深预测——以渭库绿洲为例

为能够更好地预测干旱区渭库绿洲的地下水埋深及合理规划、开发地下水资源。以1995-2014年降雨量、蒸发量、农业用水量和地下水埋深等数据作为数据源展开研究。利用主成分分析法提取贡献率较大的因素,将其应用于多变量时间序列CAR(Controlled Auto-regressive)模型,从而建立地下水埋深的预测模型,并对模型进行验证。研究结果表明:渭库绿洲的地下水埋深受蒸发量、农业用水量的影响大,分别为0.533、0.466;模型预测值与实测值相对误差的平均值仅为1.483%,表明该模型在干旱区绿洲区域预测精度高、效果佳。预测趋势显示:若研究区蒸发量持续增加25%、降雨量减少15%、农业用水量减少15%时,地下水埋深将达到4.21 m,预测地下水埋深对渭库绿洲的生态环境和农业发展提供了有力的参考。     

基于EEMD与Elman网络的灌区地下水埋深预测模型

地下水埋深预测对于灌区农业生产、水土资源合理利用和生态环境保护等具有重要指导价值与作用。地下水埋深是一个受多种因素影响的多层次复杂系统,其演变具有不确定性、随机性、模糊性和非平稳性。基于EEMD较强的处理非线性问题能力和Elman网络具有适应时变和动态记忆的优点,构建了基于EEMD与Elman神经网络的地下水预测耦合模型,并将其应用于人民胜利渠灌区地下水埋深预测中。研究结果表明:基于EEMD和Elman神经网络耦合模型预测结果的最大相对误差为2.91%,最小相对误差为0.04%,预测合格率为100%,该耦合模型对人民胜利渠灌区地下水埋深的预测精度要高于单一的Elman模型和BP模型。另外,该模型在某种程度上可揭示灌区地下水时间序列的演变机制与影响因素,且计算简单、思路清晰,为地下水埋深预测提供了一种新的途径。     

洱海近岸菜地浅层地下水动态变化特征及影响因素

研究洱海近岸菜地浅层地下水埋深是合理调控浅层地下水位和防止土壤氮磷随浅层地下水流失的基础。通过对洱海近岸菜地2 a（2014年6月—2016年5月）浅层地下水埋深进行监测,分析了浅层地下水埋深的时空变化特征和影响因素。结果表明,洱海近岸菜地 5 个高程浅层地下水埋深均服从正态分布,其平均值为 25.21～45.07cm,变异系数在 0.26～0.43 之间。浅层地下水埋深旱季深、雨季浅,其月变化和雨、旱季不同期,存在滞后现象,雨季浅层地下水埋深变异系数大于旱季。旱季和雨季浅层地下水埋深空间变化随等高线均呈不规则带状分布。洱海水位、降雨、灌溉、潜水蒸发和土壤物理特性的空间变异均是影响洱海近岸菜地浅层地下水埋深变化的主要因素。其中,1 966 m高程浅层地下水埋深与洱海水位极显著线性相关（p＜0.01）,二者互为连通,相互补给;其他高程浅层地下水埋深与降雨量和灌溉量显著线性相关（p＜0.05）,随降雨量增加,浅层地下水埋深逐渐变浅,随潜水蒸发量和灌溉量增加,浅层地下水埋深逐渐变深。距洱海由近及远土壤母质为河湖相沉积物到第四纪红黏土,使得不同发生层土壤渗水性由强变弱,造成离洱海越远,海拔越高,浅层地下水埋深越浅,变幅越小。     

洱海近岸菜地浅层地下水动态变化特征及影响因素

研究洱海近岸菜地浅层地下水埋深是合理调控浅层地下水位和防止土壤氮磷随浅层地下水流失的基础。通过对洱海近岸菜地2 a(2014年6月—2016年5月)浅层地下水埋深进行监测,分析了浅层地下水埋深的时空变化特征和影响因素。结果表明,洱海近岸菜地5个高程浅层地下水埋深均服从正态分布,其平均值为25.21~45.07cm,变异系数在0.26~0.43之间。浅层地下水埋深旱季深、雨季浅,其月变化和雨、旱季不同期,存在滞后现象,雨季浅层地下水埋深变异系数大于旱季。旱季和雨季浅层地下水埋深空间变化随等高线均呈不规则带状分布。洱海水位、降雨、灌溉、潜水蒸发和土壤物理特性的空间变异均是影响洱海近岸菜地浅层地下水埋深变化的主要因素。其中,1 966 m高程浅层地下水埋深与洱海水位极显著线性相关(p0.01),二者互为连通,相互补给;其他高程浅层地下水埋深与降雨量和灌溉量显著线性相关(p0.05),随降雨量增加,浅层地下水埋深逐渐变浅,随潜水蒸发量和灌溉量增加,浅层地下水埋深逐渐变深。距洱海由近及远土壤母质为河湖相沉积物到第四纪红黏土,使得不同发生层土壤渗水性由强变弱,造成离洱海越远,海拔越高,浅层地下水埋深越浅,变幅越小。     

气候变化与人类活动对地下水埋深变化的影响

以通辽市科尔沁区为研究区,利用累积距平、M-K突变检验和累积量斜率变化率比较法,对降水量变化与地下水埋深变化进行突变检验,定量评估研究区气候变化与人类活动对地下水埋深变化的贡献度。结果表明:地下水埋深多年来呈显著上升趋势,降水对地下水埋深动态变化的影响存在明显的滞后现象,滞后期为3 a;研究区地下水埋深与降水量突变点为1998年,前期1980—1998年为基准期,后期1999—2016年为影响期;研究区气候变化对地下水埋深变化影响的贡献度为24.5%,人类活动对地下水埋深变化影响的贡献度为75.5%,人类活动是造成地下水埋深下降的主要原因。