亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于BP神經(jīng)網(wǎng)絡的地下水位變幅預測模型

        2021-10-08 06:21:10
        山西水利 2021年5期
        關鍵詞:模型

        張 薔

        (長治市水文水資源勘測站,山西 長治 046000)

        隨著水資源供需矛盾的日益突顯,部分地區(qū)地下水超采引起了地面沉降、巖溶塌陷、地下水體污染等一系列生態(tài)地質問題。隨著國家最嚴格水資源管理制度的不斷推進實施,水利管理單位需要定量考核用水總量,實施用水單位取水總量控制。因此,有必要依據(jù)當?shù)氐叵滤_發(fā)利用現(xiàn)狀及經(jīng)濟發(fā)展用水需求,建立地下水位預測模型,可以定量進行指標控制性管理。

        伴隨計算機技術的快速發(fā)展,神經(jīng)網(wǎng)絡也逐漸被引進到地下水位預測中,從而替代了傳統(tǒng)方法[1]。在眾多的神經(jīng)網(wǎng)絡模型中,BP神經(jīng)網(wǎng)絡憑借其成熟的預測方法而被廣泛采用[2]。BP神經(jīng)網(wǎng)絡模型能夠更準確的反映地下水系統(tǒng)的非線性關系,其穩(wěn)定性較好,精度較高[3]。目前,采用BP神經(jīng)網(wǎng)絡建立地下水水位預報模型成為了主流方法。本文選用BP神經(jīng)網(wǎng)絡模型,建立地下水水位變幅預測模型,模型精度較高,從而達到預測地下水位的目的。

        1 長治盆地概況

        長治盆地位于山西省東南部,太行山西麓,北與文王山毗連,東與太行山接壤,西與太岳山為鄰,南與羊頭山搭界,盆地中北部為潞州區(qū),東北部為潞城區(qū),南部為上黨區(qū),西南部為長子縣,西北部為屯留區(qū),面積為1169km2。長治盆地屬季風氣候區(qū),多年平均降水量為574.7mm,平均蒸發(fā)量為1028.2mm。屬海河流域漳衛(wèi)南運河水系,濁漳河南源是盆地的主要河流,支流主要有絳河、嵐水河、陶清河、石子河、碧頭河。

        長治盆地由黃土丘陵和低山組成,海拔在883.3~981.0m之間,該盆地為新生界早期形成的斷陷盆地,廣泛分布著第四系的松散堆積物,其厚度由西北向東南逐漸增大,總厚度0~330m,富水性強。新生界松散堆積物的孔隙水主要靠大氣降水補給,又接受基巖裂隙水的補給,此外水庫、河流及農田灌溉對地下水也有一定的補給作用。

        根據(jù)多年的地下水動態(tài)監(jiān)測資料以及用水調查統(tǒng)計資料顯示,盆地淺層地下水資源開采量逐年增加。供水對象為農業(yè)灌溉、農村人畜飲水以及部分工業(yè)供水。依據(jù)地下水開發(fā)利用程度評判指標,長治盆地屬于地下水采補平衡區(qū)。

        隨著供水需求得不斷增加,集中開采導致部分地區(qū)地下水水位下降,引發(fā)了以采煤為中心的孔隙含水層被疏干,水井枯竭、水質變差等一系列問題。

        2 地下水位影響因子分析

        地下水位影響因素較為復雜,收集長治盆地2018-2020年降水量、補給量、淺層地下水水位、實際開采量等資料,并進行分析,降雨量和開采量作為影響長治盆地淺層地下水水位的主要氣候因子。長治盆地內代表雨量站共5個,分別為南呈、五里后、西河北、漳澤水庫、長子雨量站,采用泰森多邊形法,得到盆地平均降雨量。長治盆地分為邊坡山區(qū)、傾斜平原區(qū)和沖洪積平原區(qū),各分區(qū)代表監(jiān)測井共6個,分別為東關、東大關、南關、南呈、北關街和黃南監(jiān)測井,采用算數(shù)平均法得到盆地淺層地下水位。本文采用相關系數(shù)法進行分析。

        相關系數(shù)是衡量兩個隨機變量之間的線性相關程度的指標,其計算公式為:

        式中:r——相關系數(shù);

        xt,yt——分別為x和y的實測值,t為年次;

        n——資料年限,t=1,2…n。

        采用以上公式,分別計算變量間的相關系數(shù)。選定因子為前期降水(其中前期降雨為上一年降雨總量)、本年度降水量、年開采量、上年水位,分別分析這些因子與本年水位以及年水位變幅間的相關性,具體見表1。

        表1 因子間的相關性分析表

        通過相關性分析,可以得到本年度降水與水位變幅相關系數(shù)為0.926,兩者間有較高的相關性。本文選擇建立兩個模型,其中模型一作為對比模型。

        模型一:建立前期降水、本年降水、年開采量、上年水位與本年水位間的關系模型。

        模型二:建立前期降水、本年降水、年開采量與年水位變幅的關系模型。

        3 模型對比分析

        3.1 BP神經(jīng)網(wǎng)絡模型

        BP神經(jīng)網(wǎng)絡的結構,主要分為三層輸入層、隱含層和輸出層。神經(jīng)網(wǎng)絡為自適應的模擬黑箱子模型,輸入因子的選擇影響著輸出結果的精度。通過影響因子分析,選擇相關性較好的因子建立模型。本文選擇三層網(wǎng)絡結構進行模擬。

        式中:xi——輸入層,即(i=1,2,……,R);

        yi——隱含層神經(jīng)元的輸入信號(j=1,2,……,m);

        wji——輸入層到隱含層的連接權值;

        m——隱含層神經(jīng)元個數(shù);

        αj——隱含層神經(jīng)元的閾值;

        wkj——隱含層到輸出層的連接權值;

        hj——隱含層的輸入;

        yj——隱含層的輸出;

        f1——隱含層的激活函數(shù);

        k——輸出層神經(jīng)元的個數(shù);

        θk——輸出層神經(jīng)元的閾值;

        uk——輸出層的輸入;

        f2——隱含層激活函數(shù);

        zk——網(wǎng)絡輸出。

        dk——期望輸出。

        BP神經(jīng)網(wǎng)絡學習算法是基于梯度下降法,通過不斷地調整閾值和權值,使神經(jīng)網(wǎng)絡的輸出值與所期望的實際值的均方誤差達到極小值。

        3.2 模型參數(shù)的選擇

        確定BP網(wǎng)絡的結構,主要是對輸入層、隱含層和輸出層的設計,包括網(wǎng)絡層數(shù)的確定、各層神經(jīng)元數(shù)的確定、各層激活函數(shù)的選取、學習率的確定以及最大訓練次數(shù)的確定。BP神經(jīng)網(wǎng)絡中較為重要的參數(shù)設置為:隱含層神經(jīng)元數(shù)和激活函數(shù)。

        (1)隱含層神經(jīng)元數(shù)是比較難確定的,可能會出現(xiàn)“過擬合”的現(xiàn)象,因此本文參考經(jīng)驗公式確定隱含層神經(jīng)元數(shù)的范圍,然后再從該范圍中找到最優(yōu)參數(shù),公式如下:

        式中:h——隱含層節(jié)點數(shù);

        m——輸入層節(jié)點數(shù);

        p——輸出層節(jié)點數(shù);

        α——從0~10之間的任意常數(shù)。

        (2)激活函數(shù)的選擇激活函數(shù)較為常見的包括:線性函數(shù)、階躍型函數(shù)以及S形函數(shù)。本文選用正切S型函數(shù),它具有任意階導數(shù)都可以由自身某種形式來表達,并且具有很好的光滑性以及魯棒性。S型函數(shù)公式為:

        3.3 模型的建立

        BP神經(jīng)網(wǎng)絡是高度非線性動力系統(tǒng),系統(tǒng)采用S型激活函數(shù),為了有效避開S型函數(shù)的飽和區(qū),提高訓練的速度,需要對輸入的數(shù)據(jù)進行歸一化處理。將輸入的數(shù)據(jù)處理在[0,1]之間,同時也縮小了樣本數(shù)據(jù)不同量綱的差別,一般常用的歸一化方法有線性轉換函數(shù)、對數(shù)轉換函數(shù)以及反余切轉換函數(shù)。本文選擇線性轉換函數(shù),其計算公式如下:

        式中:x——樣本數(shù)據(jù)轉換前的值;

        y——樣本數(shù)據(jù)轉換后的值;

        MaxValue——輸入數(shù)據(jù)的最大值;

        MinValue——輸入數(shù)據(jù)的最小值。

        3.4 模型計算

        3.4.1 模型一

        通過因子分析,可以建立本年水位與上年降水、上年水位、本年水位、年開采量間的關系。前期降水與本年水位的相關系數(shù)為0.437,本年降水與本年水位相關系數(shù)為0.524,可以看出降水是影響長治盆地淺層地下水的重要因子。采用BP神經(jīng)網(wǎng)絡模型預測本年水位,計算結果詳見圖2。

        圖2 三層BP神經(jīng)網(wǎng)絡結構圖

        圖2 實測水位與模擬水位對比圖

        3.4.2 模型二

        通過因子分子,本年降水與年水位變幅相關系數(shù)達到0.926,兩者之間的相關性更強,兩者關系詳見圖3。因此建立降水與水位變幅間的關系,預報水位變幅值,從而間接得到水位控制指標。

        圖3 年降水與水位變幅關系圖

        采用BP神經(jīng)網(wǎng)絡模型預測年水位變幅,計算結果詳見圖4。

        圖4 實測水位變幅與模擬水位變幅對比圖

        3.5 誤差分析

        為了驗證水位變幅預測模型的有效性,采用本年末水位預報模型(模型一)作為參照對比方案。采用確定性系數(shù)、誤差均方根及誤差均值指標,來衡量水位變幅預測模型的預報精度。

        式中:N——樣本的個數(shù);

        yi——實測值;

        y^i——模型模擬值。

        從表2中可以得到,模型二的確定性系數(shù)達到0.98,相對于模型一有了進一步提高,誤差均方根和誤差均值分別為0.119、0.033均小于模型一,這說明模型二相對于模型一誤差降低。因此,相對于之前的水位預報模型,水位變幅預報模型更加穩(wěn)定,模型精度更高。

        表2 模型誤差分析表

        4 結論

        本文首先對影響淺層地下水因子進行分析,年降雨與年水位變幅的相關系數(shù)達到0.926。通過分析降雨時影響淺層地下水數(shù)位變幅的重要影響因子,采用BP神經(jīng)網(wǎng)絡方法建立了水位變幅預測模型,相對于之前的水位預測模型,模型計算誤差降低,確定性系數(shù)達到0.98,模型的精度得到了進一步的提高。因此,在實際應用中,采用水位變幅預測模型能夠很好地進行預報,可為控制淺層地下水開采提供技術服務。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務本地化模型
        適用于BDS-3 PPP的隨機模型
        提煉模型 突破難點
        函數(shù)模型及應用
        p150Glued在帕金森病模型中的表達及分布
        函數(shù)模型及應用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權M-估計的漸近分布
        3D打印中的模型分割與打包
        国产伦理一区二区久久精品| 日韩中文字幕中文有码| 囯产精品无码一区二区三区AV| 亚洲激情视频在线观看a五月| 亚洲av无码精品无码麻豆| 伊人久久大香线蕉综合网站| 青草热久精品视频在线观看| 精品人妻一区二区久久| 亚洲男人综合久久综合天堂| 毛片无码国产| 色丁香色婷婷| 中文字幕av久久激情亚洲精品 | 加勒比久久综合久久伊人爱| 国产无套粉嫩白浆在线| 亚洲av无码乱码国产精品fc2| 精品高清国产乱子伦| 精品一区二区三区人妻久久福利| 国产在线精品一区二区三区直播| 中文在线а√天堂官网| 福利一区二区三区视频在线| 国产精品无套一区二区久久| 性色av闺蜜一区二区三区| 亚洲精品美女久久久久久久| 久久精品国产亚洲av日韩精品| 日本少妇高潮喷水视频| 三上悠亚久久精品| 国产女人体一区二区三区| 大屁股流白浆一区二区三区| 国产熟妇另类久久久久| 日韩爱爱网站| 亚洲一区二区在线视频,| 欧美疯狂性受xxxxx喷水| 性动态图av无码专区| 国产在线h视频| 国产视频激情在线观看| 成人美女黄网站色大免费的| 亚洲欧洲日产国产AV无码| 国成成人av一区二区三区| 色欲人妻aaaaaaa无码| 国产免费久久精品国产传媒| 日本一区二区三区在线观看免费 |