基于人工神经网络的晋祠泉水位模拟研究

论文摘要

晋祠泉是太原市第二岩溶大泉,受太原市工农业生产大量开采岩溶水影响,该泉已于1994年4月断流。为了探索人类因素影响下的泉水水位变化趋势,采用前馈神经网络、动态递归神经网络、时延神经网络、非线性动态自回归神经网络、级联神经网络5种人工神经网络,结合14种训练算法构建晋祠泉水位预测模型,基于2013—2017年实测泉水位数据分析各种人工神经网络预测模型精度,结果表明:动态递归神经网络可用来对晋祠泉水位进行准确预测,traincgb、trainrp、traincgf、traincgp等算法效果比较理想。同时应用LSTM深度学习模型预报未来10 a的降水量,进而计算出降水入渗补给量等,并结合动态递归神经网络预测晋祠泉域未来水位变化,结果测定2019年晋祠泉水位可以超过复流最低水位802.59 m。

论文目录

• 1 研究区概况
• 2 研究方法
•   2.1 泉水位影响因素及其计算方法
•     （1）降水入渗补给。
•     （2）渗漏补给。
•     （3）岩溶水资源开发利用。
•     （4）煤矿矿井排水量。
•     （5）侧向排泄量分析。
•   2.2 泉水水位预测模型
•     （1）前馈神经网络。
•     （2）动态递归神经网络。
•     （3）时延神经网络。
•     （4）非线性动态自回归神经网络。
•     （5）级联神经网络。
•   2.3 降水量预测模型
•     （1）遗忘阀门Ft。
•     （2）输入阀门It。
•     （3）更新阀门Ut。
•     （4）输出阀门Ot。
•   2.4 模型训练算法
•   2.5 模型精度评价
• 3 结果与讨论
•   3.1 训练算法效率
•   3.2 模型精度
•   3.3 未来10 a晋祠泉水位预测
• 4 结 论

文章来源

类型: 期刊论文

作者: 邢立文,崔宁博

关键词: 水位,预测,人工神经网络,深度学习网络,晋祠泉域

来源: 人民黄河 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 地质学,自动化技术

单位: 山西省水利水电科学研究院,四川大学水利水电学院

基金: 国家重点研发计划项目(2016YFC0400206),国家自然科学基金资助项目(51779161),山西省水利厅科外处项目(2017SLX03),山西省应用基础研究项目(201801D221111)

分类号: P641.134;TP183

页码: 63-69

总页数: 7

文件大小: 332K

下载量: 125