基于人工神经网络的晋祠泉水位模拟研究

• 作者: 崔宁博 邢立文
• 来源期刊: 人民黄河
• 学科: 地球科学
• 关键词: 水位 预测 人工神经网络 LSTM深度学习网络 晋祠泉域
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 水环境与水生态
• 页码范围: 63-69
• 页数: 7页
• 分类号: P641|X523
• 字数: 7394字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1379.2019.12.015

摘要

晋祠泉是太原市第二岩溶大泉,受太原市工农业生产大量开采岩溶水影响,该泉已于1994年4月断流.为了探索人类因素影响下的泉水水位变化趋势,采用前馈神经网络、动态递归神经网络、时延神经网络、非线性动态自回归神经网络、级联神经网络5种人工神经网络,结合14种训练算法构建晋祠泉水位预测模型,基于2013—2017年实测泉水位数据分析各种人工神经网络预测模型精度,结果表明:动态递归神经网络可用来对晋祠泉水位进行准确预测,traincgb、trainrp、traincgf、traincgp等算法效果比较理想.同时应用LSTM深度学习模型预报未来10 a的降水量,进而计算出降水入渗补给量等,并结合动态递归神经网络预测晋祠泉域未来水位变化,结果测定2019年晋祠泉水位可以超过复流最低水位802.59 m.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔宁博	四川大学水利水电学院	38	357	11.0	18.0
2	邢立文		19	15	2.0	2.0