基于粒子群优化算法的RBF神经网络在泾惠渠灌区地下水位埋深预测中的应用

• 作者: 刘博洋 周维博 李娜 李慧 马聪
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 地下水位埋深 预测 粒子群优化算法 径向基函数神经网络 时间序列预测法 泾惠渠灌区
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 水利水电工程
• 页码范围: 127-130
• 页数: 4页
• 分类号: TV211.1+2
• 语种: 中文

摘要

针对不恰当地选取RBF神经网络的网络结构和参数会使网络收敛慢的问题,采用粒子群优化算法对RBF神经网络参数进行优化,建立了基于粒子群优化算法的RBF神经网络模型(PSO-RBF模型),对泾惠渠灌区地下水位埋深进行了模拟和预测.结果表明,与单一的RBF神经网络相比,PSO-RBF模型具有较高的预测精度.再根据时间序列预测法预测的降水量、径流量、蒸发量、渠灌引水量、地下水开采量、气温等模型的输入变量,用训练好的PSO-RBF模型预测了泾惠渠灌区2009～2020年地下水位埋深,发现该灌区地下水位埋深呈下降趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李慧	长安大学环境科学与工程学院	69	426	12.0	16.0
5	周维博	长安大学环境科学与工程学院	77	664	13.0	21.0
9	李娜	长安大学环境科学与工程学院	55	383	10.0	16.0
13	马聪	长安大学环境科学与工程学院	13	98	6.0	9.0
17	刘博洋	长安大学环境科学与工程学院	2	32	1.0	2.0