基于IABC-RBF神经网络的地下水埋深预测模型

发布时间：2022-02-13 17:39

　　为了验证基于改进人工蜂群算法的径向基函数（RBF）神经网络模型在地下水埋深预测中的可行性和优越性,在基本人工蜂群算法中引入高斯变异算子,优化初始蜜源位置,设计建立基于改进人工蜂群算法的RBF神经网络模型（IABC-RBF）.通过输入泾惠渠灌区的年降雨量、年渠首引水量、年田间灌溉用水量、年地下水开采量和前一年的地下水埋深共5个相关影响因子的数据,对地下水埋深进行预测,与实测的地下水埋深数据进行比较,误差很小.与RBF神经网络模型和基于基本人工蜂群算法训练的RBF神经网络模型（ABC-RBF）的预测结果进行比较,结果表明,基于改进人工蜂群算法的RBF神经网络模型收敛速度更快,预测结果误差最小,精度最高. 

【文章来源】：浙江大学学报(工学版). 2019,53(07)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]RBF神经网络在地下水动态预测中的应用[J]. 曹文洁,肖长来,梁秀娟,韩良跃,胡冰.  水利水电技术. 2018(02)
[2]改进人工蜂群算法优化RBF神经网络的短时交通流预测[J]. 黄文明,徐双双,邓珍荣,雷茜茜.  计算机工程与科学. 2016(04)
[3]基于高斯变异的人工萤火虫算法在云计算资源调度中的研究[J]. 刘运,程家兴,林京.  计算机应用研究. 2015(03)
[4]基于粒子群优化算法的RBF神经网络在泾惠渠灌区地下水位埋深预测中的应用[J]. 李慧,周维博,刘博洋,李娜,马聪.  水电能源科学. 2014(08)
[5]泾惠渠地下水对气候变化和人类活动的响应[J]. 姜鹏,刘俊民,黄一帆,张殷钦.  人民黄河. 2014(05)
[6]基于云变异人工蜂群算法的梯级水库群优化调度[J]. 李文莉,李郁侠,任平安.  水力发电学报. 2014(01)
[7]基于人工蜂群算法计及线路故障的配电网网络重构[J]. 许贤杰,周玲,蒋丹,姜凯,陈光宇.  电测与仪表. 2014(03)
[8]基于局部搜索的人工蜂群算法[J]. 刘三阳,张平,朱明敏.  控制与决策. 2014(01)
[9]基于BP神经网络的地下水动态预测[J]. 张斌,刘俊民.  水土保持研究. 2012(05)
[10]基于人工蜂群算法与BP神经网络的水质评价模型[J]. 苏彩红,向娜,陈广义,王飞.  环境工程学报. 2012(02)

硕士论文
[1]渠井结合灌区地下水位动态对变化环境的响应及调控研究[D]. 张京京.西北农林科技大学 2016
[2]基于神经网络和人工蜂群算法的水质评价和预测研究[D]. 向娜.华南理工大学 2012



本文编号：3623629