基于集对分析和GA-BP神经网络的地下水埋深预测研究

论文摘要

针对地下水位与其影响因素之间存在非线性映射关系的特点,提出了基于SPA方法筛选地下水埋深时空自变量、再基于遗传算法优化BP神经网络进行地下水埋深预测的SPA-GA-BPNN模型。将该模型应用于安徽省蒙城县地下水埋深的预测中,并与全变量-LR、全变量-BPNN、全变量-GA-BPNN、SPA-LR和SPA-BPNN共5种模型进行对比。结果表明:SPA-GA-BPNN模型预测误差的MPAE值为0.088,MSE值为0.068,NSE值为0.848,误差指标均优于5种对比模型,在泛化性和稳定性方面也有显著优势。基于SPA方法筛选自变量,避免了自变量选取的主观性,且在理论上优于相关系数法,同时,遗传算法对神经网络的预测性能起到了显著的改进作用,可为地下水埋深变化过程的影响因素识别及预测提供可靠、有效的参考依据。

论文目录

• 1 SPA-GA-BPNN预测模型
•   1.1 集对分析方法
•   1.2 GA-BP神经网络
•   1.3 SPA-GA-BPNN模型
•   1.4 SPA-GA-BPNN模型的评价指标
• 2 应用实例
•   2.1 研究地区介绍
•   2.2 输入变量的优选
•   2.3 模型的建立与训练
•   2.4 模型的检验
• 3 结语

文章来源

类型: 期刊论文

作者: 陈笑,胡宏祥,戚王月,周婷,夏萍

关键词: 集对分析,联系数,神经网络,遗传算法,地下水埋深预测

来源: 华北水利水电大学学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学

专业: 地质学,地球物理学

单位: 安徽农业大学水利工程系,安徽农业大学环境工程系,安徽农业大学机械工程系

基金: 国家自然科学基金项目(51509001),安徽省自然科学基金项目(1608085QE112),安徽省高校优秀青年人才支持计划重点项目(gxyqZD2017019),安徽省国际科技合作计划项目(1604b0602029),水体污染控制与治理科技重大专项项目(2017ZX07603-002)

分类号: P641.7

DOI: 10.19760/j.ncwu.zk.2019052

页码: 57-64

总页数: 8

文件大小: 2747K

下载量: 106