人工神经网络在地下水资源预测中的应用研究_第1页
人工神经网络在地下水资源预测中的应用研究_第2页
人工神经网络在地下水资源预测中的应用研究_第3页
人工神经网络在地下水资源预测中的应用研究_第4页
人工神经网络在地下水资源预测中的应用研究_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

神经网络在地下水资源预测中的应用研究一、简介二、ANN模型研究进展及原理三、地下水资源系统ANN模型的建立四、结论和建议地下水资源系统各部分之间具有复杂的非线性关系，因此不可能用简单的线性函数加以确定性描述;同事，由于含水系统的空间变异，实际研究过程中会出现数据多变性、所需数据的不完整性以及系统参数的不确定性，一些精确的研究方法在描述地下水系统非线性关系时常会陷入多种困境中。简介：地下水资源数值方法，能够描述形状不规则的区域及含水层非均质、各向异性和复杂的边界条件，可以处理河流入渗、大气降水补给、各种抽水、排水、溶质交换和蒸发在时空分布上的变化，从而解决其他计算方法不易解决的复杂问题，具有较强的优势，随着计算机的普及，数值法已经成为地下水资源评价中的主要方法之一。但是，作为分布参数模型的数值法对数据资料在数量和精度上都有较高的要求，以对研究区含水层系统进行准确合理的概化和建模、计算和评价。鉴于地下水系统影响因素如此复杂，有时对某些研究区域的研究程度不能满足分布参数模型的计算要求，而更适于从系统的观点出发，将它们看做一个整体，应用系统理论建立集中参数模型，从整体上加以分析，研究和解决问题，ArtificialNeuralNetwork（ANN）模型就是其中一种。ANN模型产生于1943年，其独特的结构和信息处理方法，在许多专业实际应用领域取中取得了显著成效，并被证明运算速度和精度在一定程度上优于同类其他方法，同时具有适应能力强等优点，是一种行之有效的数据处理和分析方法。进入80年代已去得了一系列突破性的进展，它的最大优点在意并不需要对所研究对象了如指掌，在对已有数据合理分析的基础之上，对输入数据进行快速并行处理。ANN模型研究进展及原理：具有很强的自适应、自学习、容错和抗干扰能力，善于联想、概括和推理，找出事物之间隐藏的复杂规律。

采用误差反向传播算法的BP神经网络模型是最常用的ANN模型，它由一个输入层X，n个隐层，一个输出层Y组成，相邻层节点由权值连接，层间激励函数一般取为西格蒙德函数，信息由X向Y层流动，期望输出与实际输出之间的误差按照梯度下降原理由输出层向输入层反向传播，调整权值，满足误差精度要求得到的最终权值矩阵即可作为评价因子对系统进行识别、分析。理论已经证明，以西格蒙德函数作为激励函数的三层BP神经网络可以对任意多元函数进行逼近，实现任意有界多元函数的映射关系。一、地下水水位动态ANN模拟模型建立研究区内地下水水位动态7个主要影响因子与区内25个观测孔丰水期水位年变幅之间的3层BPANN模型，通过模型学习，进行系统参数识别。这些观测孔尽量沿漏斗轴向选取，同时考虑全区，以便控制整个流场。地下水资源系统ANN模型的建立：二、降水量、蒸发量预测ANN模型在进行地下水资源预报之前，首先需要生成区内未来年份的气象系列------降水量P和蒸发量E时间序列，传统的时间序列分析采用AR(p)、MA(q)、或ARMA(p、q)建立动态模型进

人人文库> 全部分类> 专业文献 > 医学资料

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论