基于混合模型的地下水埋深时空预测方法研究 ——以民勤绿洲为例

发布时间：2021-06-17 12:26

　　民勤绿洲自然条件恶劣,水资源匮乏,生态环境脆弱。近几十年来,地下水埋深功能严重退化,生态环境问题频发。如何以民勤绿洲为典型区域科学、准确、及时地掌握干旱、半干旱区域内水资源量成为该类地区水资源研究中的一个关键问题。区域地下水埋深是随地点和时间的变化而变化的时空变量,区域地下水埋深时空预测的目的是揭示未来地下水空间分布及其随时间的动态变化规律,为未来动态人工模拟提供依据。时空数据分析为区域地下水埋深时空预测代理模型的构建提供了重要的理论支持。时空预测是区域变量时空数据分析的基本问题,近年来,已经成为国内外研究的热点。时空预测就是基于时空序列预测理论建立数学模型,在时域预测的基础上建立未来预测面,揭示未来地下水埋深空间连续分布及其时空变化,预测地下水埋深未来的分布。地下水埋深的时空预测不同于传统的时间序列预测和简单的空间预测。如何提高精度是预测研究的核心问题。目前常用的模型对不同监测序列间复杂的时间和空间影响考虑不足,对非线性考虑不足,对不同的方法确定的参数,带来的模型预测精准性考虑甚少。混合预测是将不同的模型,不同的时间序列分析理论混合、融合或集成成一个预测模型,只有一个预测结果。混合预... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：110 页

【学位级别】：博士

【部分图文】：

在时空缺失数据修复示意图；a）表示9个空间监测站点和四个平行四边形代表四个不同的时间点，黑圈代表数据缺失点；b）表示所有的缺失点数据已被修复

图1.3时空序列预测示意图：1）数字1-9表示9个空间监测站点，2）四个平行四边形代表四个不同的时点的监测面

二维列阵SOM神经网络模型

【参考文献】：
期刊论文
[1]小波-神经网络混合模型预测地下水水位[J]. 张建锋,刘见宝,崔树军,谢玉华.  长江科学院院报. 2016(08)
[2]样本自相关系数与偏自相关系数的研究[J]. 孙红果,邓华.  蚌埠学院学报. 2016(01)
[3]基于GMS的多约束下三维地下水系统可视化模型构建[J]. 刘丽花,张树清.  中国科学院大学学报. 2015(04)
[4]基于LSSVM优化的Kriging方法预测煤厚变化研究[J]. 吴王文,杨永国,陈优阔.  煤炭技术. 2015(05)
[5]基于时空克里格的土壤重金属时空建模与预测[J]. 杨勇,梅杨,张楚天,张若兮,廖祥森.  农业工程学报. 2014(21)
[6]基于果蝇算法优化BP神经网络的齿轮箱故障诊断[J]. 祁丽婉,梁庚,童国炜.  电网与清洁能源. 2014(09)
[7]微震多维信息识别与冲击矿压时空预测——以河南义马跃进煤矿为例[J]. 蔡武,窦林名,李振雷,刘军,巩思园,何江.  地球物理学报. 2014(08)
[8]GIS在地下水资源管理方面的应用[J]. 肖震.  地下水. 2014(04)
[9]基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测[J]. 王贺,胡志坚,张翌晖,李晨,杨楠,王战胜.  电工技术学报. 2014(04)
[10]基于克里格法的地下水流数值模拟模型的替代模型研究[J]. 安永凯,卢文喜,董海彪,罗建男.  中国环境科学. 2014(04)

博士论文
[1]带有辅助信息的混合模型及其应用[D]. 李少亭.东北师范大学 2014
[2]玛纳斯河流域水资源可持续利用研究[D]. 魏玲玲.石河子大学 2014
[3]石羊河下游民勤盆地地下水位动态模拟及其调控研究[D]. 马岚.西北农林科技大学 2009

硕士论文
[1]基于时空神经网络模型的瓦斯浓度预测研究[D]. 吴娇娇.中国矿业大学 2015
[2]基于时空序列模型的变形分析研究[D]. 李世鹏.长安大学 2014
[3]包头市地下水动态模拟与调控研究[D]. 廖梓龙.中国水利水电科学研究院 2013
[4]混合预测模型研究[D]. 车金星.兰州大学 2010
[5]石羊河流域水资源分布特征及其转化规律[D]. 张若琳.中国地质大学（北京） 2006



本文编号：3235191