基于MEA优化神经网络的地下水埋深时空分布预测模型

编号 zgly0001536880

文献类型 期刊论文

文献题名 基于MEA优化神经网络的地下水埋深时空分布预测模型

作者 宋劼  严为光  游涛  龚道枝  李沅媛  冯禹 

作者单位 长沙理工大学水利工程学院  中国农业科学院农业环境与可持续发展研究所  中国农业科学院农业环境与可持续发展研究所作物高效用水与抗灾减损国家工程实验室 

母体文献 绿色科技 

年卷期 2017年08期

年份 2017 

分类号 P641 

关键词 地下水位  时空分布  神经网络  思维进化  预测 

文摘内容 选用石家庄平原区28眼水井的实测资料作为预测目标值,首次建立了基于思维进化优化的神经网络的地下水位埋深时空分布预测模型,利用ArcGIS分析误差空间分布趋势,并与常用的小波神经网络模型进行了对比。结果表明:基于水均衡理论的MEANN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;与WNN模型相比,MEANN可使RMSE减小58.2%,MAE减小53.1%,而高精度样本要增加25.8%,Ens提高至0.99(P<0.01)达到极显著水平;MEANN空间模拟精度较高,误差分布均匀,空间波动程度小,同时RMSE在所有区域上均明显呈现出MEANN模型小于WNN模型。显然MEANN模型在精度、稳定性和空间均匀性上更优,可作为地质资料缺乏条件下浅层地下水埋深高精度预测的推荐模型。