RBF神经网络在地下水动态预测中的应用

• 作者: 曹文洁 梁秀娟 肖长来 胡冰 韩良跃
• 来源期刊: 水利水电技术
• 学科: 地球科学
• 关键词: 地下水动态预测 RBF BP 神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 水文水资源
• 页码范围: 43-48
• 页数: 6页
• 分类号: P641.2|TP183
• 字数: 3238字
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2018.02.007

摘要

为了动态预测地下水位的变化,采用神经网络模型构建地下水位埋深预测模型.充分发挥径向基函数(RBF)神经网络的逼近收敛能力,通过“径向基函数(RBF)”和“逆向传播(BP)”算法优选模型参数,以长春城区为应用实例,将2006-2012年84组数据作为训练样本,将2013-2015年36组数据作为检验样本,对其实测埋深动态过程进行模拟,对比两种模型性能优劣,并对2016-2018年地下水埋深进行预报.结果表明:RBF神经网络模型和BP神经网络模型的均方根误差分别为0.10和0.43,最大绝对误差分别为0.44m和0.61 m,最大相对误差分别为14.60％和27.17％;2015年以后,长春城区地下水位动态周期性变化明显,埋深变幅较大,枯水期埋深最大为5.10m,丰水期埋深最小为1.62 m,呈明显的季节性特征.RBF模型具有更高的非线性映射能力和预测精度,该模型可以用于同类的动态数据的预报.