基于Elman小波神经网络的挠力河流域地下水开采量预测研究

1、基于Elman小波神经网络的挠力河流域地下水开采量预测研究在式其中式、可由得到。在式中：表示时刻的网络误差；表示时刻的学习速率；为一为常数，通常取值为0.010.03之间。 年份 观测值 预测值 相对误差 1992 15289 16720 9.36 2000 75474 76170 0.92 1993 20456 20210 1.84 2001 90933 92119 1.30 1994 14429 14859 2.98 2002 98258 98316 0.06 1995 17195 16335 5.00 2003 101854 101508 0.34 1996 43166 41105 4.

2、77 2004 128354 124564 2.95 1997 66458 60458 9.03 2005 135105 138712 2.67 1998 80601 83033 3.02 2006 139571 140223 0.47 1999 92210 90623 1.72 2007 142827 141636 0.83 The fitting graph of groundwater exploitation in Naohe basin from 1992 to2007table2 采用以上建立了地下水开采量Elman小波神经网络预测模型对2021-2021年挠力河流域地下水开采量进

3、行预测，其预测结果如表3所示，从表3中可以看出，地下水开采量整体趋势是不断增加的，平均年增加幅度为0.89%。表3 三江平原挠力河流域地下水开采量 年份 开采量 增幅(%) 年份 开采量 增幅(%) 2021 143481.75 0.46 2021 148334.55 2.84 2021 142526.44 -0.67 2021 149768.31 0.97 2021 144232.33 1.20 2021 150551.29 0.52 The groundwater exploitation of Naoli river basin in Sanjiang plaintable33结论本文在

4、Elman神经网络和小波理论的研究根底上，将小波理论与Elman神经网络进行耦合建立了Elman小波神经网络模型，同时给出了网络的训练过程数学建模论文，为了提高网络的训练速度，本文在网络的训练过程中，采用了自适应学习速率进行网络训练。最后，将该模型应用到挠力河流域地下水开采量预测，建立了挠力河流域地下水开采量预测模型，从拟合和预测结果中可以看出，证明建立的挠力河流域地下水开采量的Elman小波神经网络模型是可行的，同时证明该模型具有较强的逼近和容错能力、较快的收敛速度和较好的预报效果，为制定挠力河流域水资源规划和政府部门提供理论参考，同时可以应用到其它区域地下水开采量的预报中。参考文献4Elman J L. Finding structure in time.Cognitive Science (S0364-0213),1990, (14)：179-2115Wen Yu. Nonlinear system identification using discrete-time recurrentneural networks with stable le