基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对白城地区浅层地下水位动态变化的复杂性和非线性,采用小波分析和人工神经网络相结合的小波神经网络模型(WA-ANN)对白城地区浅层地下水埋深进行分析和预报。将研究区5口井2002-2009年逐月的降水量、蒸发量、人工开采量和前期水位埋深4个因素作为输入层,地下水埋深作为输出层,建立浅层地下水埋深预测模型,并采用“后验差”法对模型精度进行检验。检验结果表明,WA-ANN模型能很好地模拟该区地下水埋深变化规律,且拟合和预报精度均较高,相对误差小于10%。2010年以后的预报结果显示研究区地下水位呈逐年下降趋势,预计到2015年将下降1m,应及时加以控制。同时,笔者希望本次研究能为浅层地下水埋深预测提供一种新的途径。
推荐文章
地下水位埋深的SARIMA与BP神经网络组合模型预测分析
地下水位埋深
SARIMA模型
BP神经网络
时间序列预测
基于BP神经网络的地下水动态预测
人工神经网络
地下水位
动态趋势
用BP神经网络预测地下水动态
地下水动态
预测
人工神经网络
基于EMD的磴口县地下水埋深动态预测
EMD
BP神经网络
地下水埋深
预测模型
影响因子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 小波神经网络在白城地区浅层地下水埋深预测中的研究
来源期刊 节水灌溉 学科 地球科学
关键词 小波分析 人工神经网络 浅层地下水埋深 预测
年,卷(期) 2014,(12) 所属期刊栏目 水环境与水资源
研究方向 页码范围 64-67
页数 4页 分类号 P641.12|X824
字数 4128字 语种 中文
DOI
五维指标
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 卞建民 吉林大学环境与资源学院 85 1108 19.0 29.0
3 王宇 吉林大学环境与资源学院 56 355 11.0 15.0
4 侯泽宇 吉林大学环境与资源学院 12 98 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (59)
参考文献  (8)
节点文献
引证文献  (8)
同被引文献  (53)
二级引证文献  (14)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
小波分析
人工神经网络
浅层地下水埋深
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
节水灌溉
月刊
1007-4929
42-1420/TV
大16开
湖北武汉武汉大学二区
38-17
1976
chi
出版文献量(篇)
4733
总下载数(次)
8
论文1v1指导