区域地下水埋深的数据驱动预报模型研究

发布时间：2021-11-21 20:43

　　地下水埋深预报对于区域地下水开发利用、水资源评价管理和地质灾害的治理具有重要的科学意义。本文综述了随机模型、灰色模型、模糊模型、人工神经网络预测模型和混合预测模型的研究进展,分析总结已取得的成果和存在的问题,并针对目前研究中存在的不足,选用陕西省关中地区20个监测井的月地下水埋深资料,选定平均绝对误差（MAE）、平均相对误差（MRE）、均方根误差（RMSE）、均方百分比误差（MSPE）、确定性系数（R²）和纳什效率系数（NSE）6个误差指标以及预报合格率（QR）和预报项目精度分级,开展研究区地下水埋深序列的预报模型研究与综合评价。本文的主要研究内容和结论如下:（1）建立BP网络、支持向量机（SVM）和核极限学习机（KELM）3种单一人工神经网络预测模型,将基于单一人工神经网络的预测模型用于研究区地下水埋深预报。研究发现,在训练期,三种预报模型对于所有监测井均表现出较好的拟合效果。在验证期,SVM模型和KELM模型的预测性能优于BP网络模型,BP网络模型的预测结果比较杂乱,规律性较差,而SVM模型和KELM模型能较好地预测出地下水埋深序列的趋势变化和周期波动特征。这... 

【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校

【文章页数】：123 页

【学位级别】：硕士

【部分图文】：

研究区监测井分布图

【参考文献】：
期刊论文
[1]基于K-ELM和GMM的氮氧化物排放预测[J]. 陈琪,续欣莹,谢珺,付文华.  计算机工程与设计. 2020(01)
[2]基于在线相关熵极限学习机的器件退化趋势实时流预测方法[J]. 梅文娟,高媛,杜立,刘震,王厚军.  仪器仪表学报. 2019(11)
[3]基于改进模糊综合-指数平滑法的地下水水质评价和预测[J]. 董杰,李欣,方运海,郑西来.  中国海洋大学学报(自然科学版). 2020(01)
[4]改进的GM（1,1）模型在新疆喀什地区地下水预测中的适用性研究[J]. 付明明.  地下水. 2019(04)
[5]基于ARIMA和误差修正的航材消耗预测模型[J]. 韩戈白,陈迪,王博,杨绍雄.  电子质量. 2019(02)
[6]基于核映射极限学习机的入口氮氧化物预测[J]. 金秀章,张少康.  控制与决策. 2019(01)
[7]中长期径流预报模型优选研究[J]. 石继海,宋松柏,李航.  西北农林科技大学学报(自然科学版). 2019(07)
[8]基于核极限学习机的标记分布学习[J]. 王一宾,田文泉,程玉胜,裴根生.  计算机工程与应用. 2018(24)
[9]基于小波分解及Arima误差修正的径流预测模型及应用[J]. 包丽娜,唐德善,胡晓波,楚士冀.  长江科学院院报. 2018(12)
[10]灰色系统GM（1,1）模型在地下热水水位预测中的应用——以河北省廊坊市为例[J]. 徐敏,王立兵,谢德尚.  中国地质灾害与防治学报. 2018(04)

博士论文
[1]基于自适应提升小波的信号去噪技术研究[D]. 孙轶.中国科学技术大学 2008

硕士论文
[1]基于小波和EEMD降噪的沪深300指数波动率预测[D]. 陈越.华侨大学 2019
[2]基于小波去噪优化的变形监测数据处理及预测研究[D]. 何友福.成都理工大学 2019
[3]基于小波分析和支持向量机算法的股指预测研究[D]. 孙智博.华中科技大学 2019
[4]陕西关中平原地下水变化特征与监测考核研究[D]. 张圃轩.西安理工大学 2017
[5]保定市市区浅层地下水位埋深预测方法的研究[D]. 王琦.中国地质大学(北京) 2016



本文编号：3510207