基于MEA优化神经网络的地下水埋深时空分布预测模型

• 作者: 严为光 冯禹 宋劼 李沅媛 游涛 龚道枝
• 来源期刊: 绿色科技
• 学科: 地球科学
• 关键词: 地下水位 时空分布 神经网络 思维进化 预测
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 环境与安全
• 页码范围: 37-41
• 页数: 5页
• 分类号: P641
• 字数: 4101字
• 语种: 中文

摘要

选用石家庄平原区28眼水井的实测资料作为预测目标值,首次建立了基于思维进化优化的神经网络的地下水位埋深时空分布预测模型,利用ArcGIS分析误差空间分布趋势,并与常用的小波神经网络模型进行了对比.结果表明:基于水均衡理论的MEANN地下水位埋深模拟模型能够准确反映人类和自然双重影响下地下水系统的非线性关系;与WNN模型相比,MEANN可使RMSE减小58.2%,MAE减小53.1%,而高精度样本要增加25.8%,Ens提高至0.99(P<0.01)达到极显著水平;MEANN空间模拟精度较高,误差分布均匀,空间波动程度小,同时RMSE在所有区域上均明显呈现出MEANN模型小于WNN模型.显然MEANN模型在精度、稳定性和空间均匀性上更优,可作为地质资料缺乏条件下浅层地下水埋深高精度预测的推荐模型.