神经网络在地下水位预测中的应用研究
发布时间：2021-12-23 22:02
近些年,我国综合实力排名稳站前列,国家建设旅程大步迈进,然而蓬勃的发展也带来了各类资源的短缺问题,例如万物的生命之源——水。目前我国水资源供需关系紧张,各地所依赖的供水源主要有两种。其中一种是地表水,由于易受外界条件污染其使用率受到局限;另一种是地下水,由于具备水质好、开采便捷、成本低等优点,导致它近几年的开采量不断呈上升趋势。但是它的过量开采给城市带来了诸多如地面沉降,下降漏斗等隐患。因为地下水位可作为估量地下水资源总量的重要因素,于是构建一个适宜的神经网络模型来对地下水位进行预测,进而预估地下水总量,以便能够更加合理化、科学化地监管、开发和利用地下水资源对于城市的可持续发展显得尤为重要。本文以扬州市2017年1月至11月浅水井的每日地下水位值以及温度、降雨量、湿度这三个影响因素作为实验参数,并将其进行归一化,而后分别选择BP神经网络模型、小波神经网络模型和NARX神经网络模型用MATLAB R2012a软件进行训练、验证和测试。先是建立了一个三层的BP神经网络模型,根据相关公式确定隐含层神经元的个数区间,逐一进行计算并比较误差,最终确定其网络结构,再用训练好的模型来对地下水位进行预...
【文章来源】：浙江海洋大学浙江省
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
扬州市地图
陆陆续续建设了许多监测站。先如今，扬州市境内各国家级、省级地下水位监测站分布情况如图2-3 所示。这些监测站的设立：一是参考《地下水监测规范》，使监测井在扬州市境内均匀分布，所得监测数据具有代表性；二是监测井分布于水文局下设的水文站、水位站、雨量站内，这样也便于维护和管理。图 2-3 扬州市地下水位监测站分布情况Fig 2.3 Distribution of groundwater level monitoring stations in Yangzhou
图 4-3Tan-Sigmoid函数曲线图Fig 4.3 Tan-Sigmoid function curve图 4-2 Log-Sigmoid函数曲线图Fig 4.2 Log-Sigmoid function curve（2）隐含层第 个神经元的输出值就是将上述 代入激活函数之中，即(4-10)（3）输出层第 个神经元的输入值 为(4-11)该式子中， 为输出层单元的阈值。（4）同理，将上述 代入激活函数即可获得输出层第 个神经元的输出值，即
【参考文献】：
期刊论文
[1]基于BP神经网络的母猪产仔数预测方法研究[J]. 张洗玉,周晓岚,朱赖红,臧思琦,吴琳,侯富. 黑龙江畜牧兽医. 2018(22)
[2]人工神经网络在肺癌风险预测中的研究与应用[J]. 陈国旺,蒋进,李帆,王大龙. 计算机时代. 2018(11)
[3]水资源短缺地区实施再生水农田灌溉可行性解析[J]. 乔宝花. 农业科技与信息. 2018(21)
[4]人工神经网络发展历史与训练算法概述[J]. 彭驿茹. 科技传播. 2018(21)
[5]论述我国水资源合理开发利用及其保护[J]. 秦平. 四川建材. 2018(11)
[6]地下水的合理利用与开发[J]. 刘倞. 中国煤炭地质. 2018(S2)
[7]基于对地下水资源开发利用问题的思考[J]. 池苗苗. 环境与发展. 2018(09)
[8]基于小波神经网络的大功率电器识别技术研究[J]. 史振江. 测控技术. 2018(08)
[9]基于小波神经网络模型的高铁沉降预测方法研究[J]. 薛骐. 铁道勘察. 2018(04)
[10]基于量纲分析和达西定律的地下化学爆炸气体泄漏规律[J]. 钟巍,田宙,王铁良. 计算物理. 2019(04)
博士论文
[1]基于Online SVR的在线时间序列预测方法及其应用研究[D]. 刘大同.哈尔滨工业大学 2010
硕士论文
[1]基于RBF神经网络地下水位预测研究[D]. 王晓伟.黑龙江八一农垦大学 2018
[2]基于人工神经网络的道路视觉检测[D]. 陈家华.广西大学 2018
[3]格尔木地区生态服务功能价值评估及其对地下水资源管理的意义[D]. 古兵华.中国地质大学(北京) 2018
[4]地下水位的预测方法及预测系统研究[D]. 吴莉萍.河北工程大学 2012
[5]基于BP人工神经网络水产品价格预测的研究[D]. 贺艳辉.南京农业大学 2009
[6]基于小波神经网络的房地产价格指数预测研究[D]. 张金水.河北工程大学 2008
[7]支持向量机在煤矿地下水位预测中的应用[D]. 薛宇玲.西安科技大学 2006
[8]基于遗传算法的神经网络洪水预报研究与应用[D]. 范睿.哈尔滨工程大学 2005
[9]水文学发展回顾及展望[D]. 边金鸾.武汉大学 2004
本文编号：3549272
【文章来源】：浙江海洋大学浙江省
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
扬州市地图
陆陆续续建设了许多监测站。先如今，扬州市境内各国家级、省级地下水位监测站分布情况如图2-3 所示。这些监测站的设立：一是参考《地下水监测规范》，使监测井在扬州市境内均匀分布，所得监测数据具有代表性；二是监测井分布于水文局下设的水文站、水位站、雨量站内，这样也便于维护和管理。图 2-3 扬州市地下水位监测站分布情况Fig 2.3 Distribution of groundwater level monitoring stations in Yangzhou
图 4-3Tan-Sigmoid函数曲线图Fig 4.3 Tan-Sigmoid function curve图 4-2 Log-Sigmoid函数曲线图Fig 4.2 Log-Sigmoid function curve（2）隐含层第 个神经元的输出值就是将上述 代入激活函数之中，即(4-10)（3）输出层第 个神经元的输入值 为(4-11)该式子中， 为输出层单元的阈值。（4）同理，将上述 代入激活函数即可获得输出层第 个神经元的输出值，即
【参考文献】：
期刊论文
[1]基于BP神经网络的母猪产仔数预测方法研究[J]. 张洗玉,周晓岚,朱赖红,臧思琦,吴琳,侯富. 黑龙江畜牧兽医. 2018(22)
[2]人工神经网络在肺癌风险预测中的研究与应用[J]. 陈国旺,蒋进,李帆,王大龙. 计算机时代. 2018(11)
[3]水资源短缺地区实施再生水农田灌溉可行性解析[J]. 乔宝花. 农业科技与信息. 2018(21)
[4]人工神经网络发展历史与训练算法概述[J]. 彭驿茹. 科技传播. 2018(21)
[5]论述我国水资源合理开发利用及其保护[J]. 秦平. 四川建材. 2018(11)
[6]地下水的合理利用与开发[J]. 刘倞. 中国煤炭地质. 2018(S2)
[7]基于对地下水资源开发利用问题的思考[J]. 池苗苗. 环境与发展. 2018(09)
[8]基于小波神经网络的大功率电器识别技术研究[J]. 史振江. 测控技术. 2018(08)
[9]基于小波神经网络模型的高铁沉降预测方法研究[J]. 薛骐. 铁道勘察. 2018(04)
[10]基于量纲分析和达西定律的地下化学爆炸气体泄漏规律[J]. 钟巍,田宙,王铁良. 计算物理. 2019(04)
博士论文
[1]基于Online SVR的在线时间序列预测方法及其应用研究[D]. 刘大同.哈尔滨工业大学 2010
硕士论文
[1]基于RBF神经网络地下水位预测研究[D]. 王晓伟.黑龙江八一农垦大学 2018
[2]基于人工神经网络的道路视觉检测[D]. 陈家华.广西大学 2018
[3]格尔木地区生态服务功能价值评估及其对地下水资源管理的意义[D]. 古兵华.中国地质大学(北京) 2018
[4]地下水位的预测方法及预测系统研究[D]. 吴莉萍.河北工程大学 2012
[5]基于BP人工神经网络水产品价格预测的研究[D]. 贺艳辉.南京农业大学 2009
[6]基于小波神经网络的房地产价格指数预测研究[D]. 张金水.河北工程大学 2008
[7]支持向量机在煤矿地下水位预测中的应用[D]. 薛宇玲.西安科技大学 2006
[8]基于遗传算法的神经网络洪水预报研究与应用[D]. 范睿.哈尔滨工程大学 2005
[9]水文学发展回顾及展望[D]. 边金鸾.武汉大学 2004
本文编号：3549272
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3549272.html
