神经网络在地下水位预测中的应用研究

神经网络在地下水位预测中的应用研究

论文摘要

近些年,我国综合实力排名稳站前列,国家建设旅程大步迈进,然而蓬勃的发展也带来了各类资源的短缺问题,例如万物的生命之源——水。目前我国水资源供需关系紧张,各地所依赖的供水源主要有两种。其中一种是地表水,由于易受外界条件污染其使用率受到局限;另一种是地下水,由于具备水质好、开采便捷、成本低等优点,导致它近几年的开采量不断呈上升趋势。但是它的过量开采给城市带来了诸多如地面沉降,下降漏斗等隐患。因为地下水位可作为估量地下水资源总量的重要因素,于是构建一个适宜的神经网络模型来对地下水位进行预测,进而预估地下水总量,以便能够更加合理化、科学化地监管、开发和利用地下水资源对于城市的可持续发展显得尤为重要。本文以扬州市2017年1月至11月浅水井的每日地下水位值以及温度、降雨量、湿度这三个影响因素作为实验参数,并将其进行归一化,而后分别选择BP神经网络模型、小波神经网络模型和NARX神经网络模型用MATLAB R2012a软件进行训练、验证和测试。先是建立了一个三层的BP神经网络模型,根据相关公式确定隐含层神经元的个数区间,逐一进行计算并比较误差,最终确定其网络结构,再用训练好的模型来对地下水位进行预测;随后又建立了一个采用Morlet母小波基函数作为隐含层激活函数的三层小波神经网络模型,再根据误差来调整各相关因子和权值,确定最佳模型后输入测试数据进行预测;最后建立一个NARX神经网络模型,经过多次试验比较结果,选择最优参数后进行预测。将实验所得的预测值与实际值进行对比分析,发现使用NARX神经网络模型得出的实验结果明显优于其他两种模型的结果,这为往后相关水利部门科学管理和控制地下水资源提供了一种决策依据。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 引言
  •   1.1 选题背景及研究意义
  •   1.2 国内外研究现状
  •     1.2.1 国内研究进展
  •     1.2.2 国外研究进展
  •   1.3 本文主要研究内容及技术路线
  •     1.3.1 研究内容
  •     1.3.2 技术路线
  • 第二章 研究区域概况
  •   2.1 自然环境
  •     2.1.1 地理特征
  •     2.1.2 气象特征
  •     2.1.3 水文特征
  •   2.2 供水资源特征
  •     2.2.1 外来水资源充沛
  •     2.2.2 径流量分布不均
  •     2.2.3 地下水供给优势
  •   2.3 社会发展对地下水开采的影响
  •   2.4 扬州市地下水监测井现状
  • 第三章 人工神经网络概述
  •   3.1 人工神经网络介绍
  •   3.2 人工神经网络的发展
  •   3.3 神经网络在预测中的应用
  • 第四章 BP神经网络模型在地下水位预测中的应用
  •   4.1 BP神经网络简介
  •     4.1.1 BP神经网络结构
  •     4.1.2 BP神经网络学习算法
  •     4.1.3 BP神经网络学习过程
  •   4.2 基于BP神经网络对扬州市地下水位的预测模型仿真
  •     4.2.1 实验流程
  •     4.2.2 实验数据的选择与获取
  •     4.2.3 确定BP神经网络结构
  •     4.2.4 数据预处理
  •     4.2.5 BP神经网络的构建
  •     4.2.6 学习率及其他相关参数设定
  •     4.2.7 隐含层神经元个数的确定
  •     4.2.8 网络训练
  •     4.2.9 网络预测
  •     4.2.10 实验结果分析
  • 第五章 小波神经网络模型在地下水位预测中的应用
  •   5.1 小波神经网络简介
  •     5.1.1 小波神经网络结构
  •     5.1.2 小波神经网络学习过程
  •   5.2 基于小波神经网络对扬州市地下水位的预测模型仿真
  •     5.2.1 确定小波神经网络结构
  •     5.2.2 实验数据预处理
  •     5.2.3 实验相关参数的选取
  •     5.2.4 网络训练
  •     5.2.5 网络预测
  •     5.2.6 实验结果分析
  • 第六章 神经网络时间序列在地下水位预测中的应用
  •   6.1 时间序列简介
  •   6.2 基于NARX回归神经网络模型对扬州市地下水位的预测模型仿真
  •     6.2.1 选择模型
  •     6.2.2 NARX神经网络模型结构
  •     6.2.3 选择实验数据
  •     6.2.4 建立NARX神经网络模型
  •     6.2.5 确定实验相关参数
  •     6.2.6 实验数据预处理
  •     6.2.7 时间序列数据预处理
  •     6.2.8 实验样本分类
  •     6.2.9 网络训练
  •     6.2.10 实验结果分析
  • 第七章 三种模型在地下水位预测中的结果对比研究
  •   7.1 三种模型预测结果分析
  •   7.2 三种模型预测精确度对比
  •   7.3 三种模型预测综合对比
  • 第八章 结论与展望
  •   8.1 结论
  •   8.2 展望
  • 参考文献
  • 致谢
  • 在读期间发表的学术论文及研究成果
  • 文章来源

    类型: 硕士论文

    作者: 陆瑾璐

    导师: 顾沈明

    关键词: 地下水位,神经网络,小波神经网络,预测

    来源: 浙江海洋大学

    年度: 2019

    分类: 基础科学

    专业: 地质学,地球物理学

    单位: 浙江海洋大学

    分类号: P641.7

    DOI: 10.27747/d.cnki.gzjhy.2019.000080

    总页数: 87

    文件大小: 4282K

    下载量: 129

    相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    神经网络在地下水位预测中的应用研究
    下载Doc文档

    猜你喜欢