基于小波变换和GRU深度神经网络的地下水位预测研究

发布时间：2020-04-10 13:12

【摘要】：地下水位预测是水文研究的一个重要主题,在水资源的管理和利用中起着重要的作用,是地下水位控制的前提和保障。准确的地下水位预测有助于维持生活、农业、工业的可靠供水和维持生态平衡。为了有效管理地下水资源,准确记录和预测地下水位就显得十分重要。利用地下水位预测结果为决策部门提供依据,才能可持续地有效地利用地下水。本文利用了小波变换和GRU深度神经网络对地下水位的变化进行了预测,主要工作内容和研究成果如下:(1)研究了一种基于群体智能的蝗虫优化算法(GOA),并对原始的蝗虫优化算法从三个方面进行了改进,提出了一种改进的蝗虫优化算法(IGOA)。随后利用改进后的IGOA来优化GRU模型的参数,并建立了IGOA-GRU预测模型。(2)利用小波变换对地下水位数据进行处理,对小波分解后的各个分量分别预测后进行重构,建立了WT-IGOA-GRU地下水位预测模型,并在地下水位预测领域首先利用了WT-IGOA-GRU模型进行了地下水位预测。(3)在利用WT-IGOA-GRU模型进行地下水位实例预测时,将WT-IGOA-GRU模型的预测结果与GRU模型和IGOA-GRU模型的预测结果进行了比较。预测准确度利用了均方根误差等四个指标来进行评价。结果表明,IGOA算法可以提高GRU模型在预测地下水位时的性能,而结合小波变换可以进一步提升预测精度。随后,又利用IGOA优化的BP、RBF模型分别进行了地下水位预测。通过对不同网络模型预测结果的比较,发现WT-IGOA-GRU模型的预测性能要优于其他两个神经网络模型,其结论可在今后地下水位预测的研究和应用中作为一种参考。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P641.7

【参考文献】

相关期刊论文 前10条

1 黄发明;殷坤龙;张桂荣;唐志政;张俊;;多变量PSO-SVM模型预测滑坡地下水位[J];浙江大学学报(工学版);2015年06期

2 党存禄;张旭;;基于Daubechies小波族的电能质量信号去噪方法研究[J];电网与清洁能源;2014年12期

3 龙文;梁昔明;龙祖强;阎纲;;PSO-LSSVM灰色组合模型在地下水埋深预测中的应用[J];系统工程理论与实践;2013年01期

4 管孝艳;王少丽;高占义;吕烨;王长生;;基于多变量时间序列CAR模型的地下水埋深预测[J];农业工程学报;2011年07期

5 刘成忠;黄高宝;韩建民;;基于PCA特征提取的SVR地下水位动态预测方法[J];工程勘察;2011年03期

6 胡国杰;魏晓妹;蔡明科;许义和;杨婷;黄朝轩;;混沌-支持向量机模型及其在地下水动态预报中的应用[J];西北农林科技大学学报(自然科学版);2011年02期

7 刘玉邦;梁川;;地下水动态水位预测的非线性PLSR方法[J];武汉理工大学学报;2010年13期

8 刘辉;田红旗;李燕飞;;基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法[J];中南大学学报(自然科学版);2010年01期

9 曹邦兴;;基于蚁群径向基函数网络的地下水预测模型[J];计算机工程与应用;2010年02期

10 刘仁涛;付强;冯艳;盖兆梅;李国良;李伟业;;基于RAGA的灰色BP神经网络预测模型及其对三江平原地下水埋深的动态预测[J];系统工程理论与实践;2008年05期

相关博士学位论文 前3条

1 马涛;组合预测方法及其应用研究[D];兰州大学;2017年

2 薛羽;仿生智能优化算法及其应用研究[D];南京航空航天大学;2013年

3 贺屹;渠井双灌区地下水超采情况下的动态分析及人工补给研究[D];长安大学;2011年

相关硕士学位论文 前4条

1 刘洋;基于GRU神经网络的时间序列预测研究[D];成都理工大学;2017年

2 高伟;基于最小二乘支持向量机的风电功率短期预测研究[D];华中科技大学;2014年

3 朱小燕;石羊河流域地下水时空动态研究[D];兰州大学;2008年

4 张志才;降雨入渗补给地下水研究[D];河海大学;2006年

，

本文编号：2622269