小波－神经网络混合模型预测地下水水位

• 作者: 刘见宝 崔树军 张建锋 谢玉华
• 来源期刊: 长江科学院院报
• 学科: 地球科学
• 关键词: 华北平原 过量开采 地下水水位 离散小波变换 人工神经网络 预测
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 水资源与环境
• 页码范围: 18-21
• 页数: 4页
• 分类号: P641.8
• 字数: 3476字
• 语种: 中文
• DOI: 10.11988/ckyyb.20150474

摘要

由于过量开采地下水，华北平原的许多城市出现地下水水位持续下降趋势，由此导致了许多严重的环境问题，如地下水枯竭、地面沉降和海水入侵等。为了准确预测城市地下水水位变化，利用小波变换的多尺度分析特征，建立了小波－神经网络混合模型（以下简称“混合模型”），并研究了其在地下水水位预测中的精度。利用北京市平谷区地下水水位观测资料，分别用BP 网络和混合模型对该区地下水水位进行了预测。采用均方根误差（ RMSE）、平均绝对误差（ MAE）和线性相关系数（ R）对模型预测的精度进行度量。预测结果表明：混合模型第1至第3个月的地下水水位平均绝对误差分别是0．535，0．598和0．634 m；而BP模型的平均绝对误差分别为0．566，0．824和0．940 m。混合模型的预测误差分别为BP模型的95％，73％和67％。使用混合模型能明显提高预测的精度，显著增加有效预测时段长度。