基于EMD的磴口县地下水埋深动态预测

• 作者: 于强 岳德鹏 张启斌 王宇航
• 来源期刊: 西北林学院学报
• 关键词: EMD BP神经网络 地下水埋深 预测模型 影响因子
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 森林生物学
• 页码范围: 53-59
• 页数: 7页
• 分类号: S715.3
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7461.2017.06.08

摘要

以生态脆弱区典型县域磴口县为研究区,利用经验模态分解法(EMD)处理非线性、非稳定性复杂信号的优势,对磴口县1987-2016年共30 a的年均地下水埋深时间序列进行分解,并对分解的结果进行分析;然后将降水量、气温、相对湿度、蒸发量、日照时数5种影响地下水埋深动态变化的因子与地下水埋深进行回归分析,得到其变化规律;把对磴口县地下水埋深影响最为显著的因子作为BP神经网络预测模型输入层的一部分,建立基于EMD的BP预测模型和未经过EMD处理的BP预测模型.结果表明,IMF1、IMF2和IMF3本征模态分量是影响磴口县1987-2016年地下水埋深动态变化的主要原因,方差贡献率之和为95.38％;降水量和蒸发量对磴口县地下水埋深影响最显著,且降水主要集中在秋季和夏季,秋季降水最多;蒸发主要集中在夏季和秋季,夏季蒸发量最大;EMD-BP预测值均方误差(MSE)较小且决定系数(R2)较高,均优于BP预测值,模型预测精度较高,对磴口县地下水埋深预测具有一定的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳德鹏	北京林业大学精准林业北京市重点实验室	97	911	13.0	27.0
2	于强	北京林业大学精准林业北京市重点实验室	50	203	9.0	12.0
3	张启斌	北京林业大学精准林业北京市重点实验室	39	194	8.0	12.0
4	王宇航	北京林业大学精准林业北京市重点实验室	4	16	2.0	4.0