基于径向基函数神经网络的地下水数值模拟模型的替代模型研究

• 作者: 伊燕平 卢文喜 张耘 洪德法 王大中 芦贵君
• 来源期刊: 水土保持研究
• 关键词: 替代模型 径向基函数神经网络 拉丁超立方抽样 金泉工业园区
• 年，卷（期）: 2012,（4）
• 页码范围: 265-269
• 分类号: P641.8
• 语种: 中文

摘要

近年来提出的替代模型方法是一种连接数值模拟模型与优化模型的有效途径,替代模型质量的好坏取决于采样方法和替代模型种类。以金泉工业园区地下水水源地为研究区,基于拉丁超立方抽样方法,结合研究区地下水数值模拟模型,获取输入（抽水量）输出（水位降深）数据集,运用人工神经网络方法,建立径向基函数神经网络模型,作为地下水数值模拟模型的近似替代模型。经验证,径向基函数神经网络模型输出得到的水位降深均值与模拟模型计算结果的拟合平均相对误差为0.038;水位降深剩余标准差的拟合平均相对误差为0.042。拟合平均相对误差较小,表明径向基函数神经网络模型能够有效地替代地下水数值模拟模型,为日后替代模型的深入研究提供了科学依据。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢文喜	吉林大学环境与资源学院	161	2069	23.0	38.0
2	洪德法		3	55	3.0	3.0
3	芦贵君		9	39	4.0	6.0
4	张耘		2	18	1.0	2.0
5	王大中		6	27	2.0	5.0
6	伊燕平		1	18	1.0	1.0