人工神经网络模型在枯季地下水位预测中的应用.pdfVIP

第 9期 (第 340期) 吉 林 水 利 2010年 9月 【文章编号】1009--2846(2010)09-0001-04 人工神经网络模型在枯季 地下水位预测中的应用 姜 波 。。罗丽燕 (1．吉林省水文实验研究所 ，吉林 长春]130022； 2．云南省水文水资源局玉溪分局 ，云南 玉溪 653100) 【摘要]本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度 高。而且预测效果好 ，这为地下水定量研 究提供 了新的途径 ，同时也为白城地 区科学合理开发、利用地下水资 源提供参考依据。 【关键词]人工神经网络 ；BP模型；地下水位 ；预测 [中国分类号]P332．3 [文献标识码]B 系统 。具有并行的结构与处理功能、非线性处理 1 区域概况 功能、较强的稳健性和容错性以及 自组织 自学习 的 能 力 等 显 著 特 点 ，其 中基 于 BP (Back 白城市位于吉林省西北部 ，嫩江平原西部 ， Propagation)算法 的前馈型神经网络 ，是 ANN中 科尔沁草原东部。多年均降水量 382．2mm；年均 比较成熟的一种 ，并得到 了广泛 的应用。本文在 蒸发量 1801．6mm (~20em)。全市总水资源量为 回顾 BP算法的基础上 ，以白城46号井枯季地下 22．72亿立方米／年，其 中：地下水天然资源量为 水位预测为实例用 Excel的工作表和宏 中Visual 20．83亿立方米，年 ，地下水可开采资源量为 15．39 Basic编辑器来实现该算法。 亿立方米，年。地下水主要补给来源有 ：降水人渗 2．1 BP网络模型结构 补给、河水渗漏补给、田间灌溉补给和 区外侧 向 典型的BP网络是三层前馈 阶层 网络 ，各层 补给。 之间实行全连接 。即下层的每个单元都实现权联 白城市是国家商品粮重要产区，也是水资源 结，而每层各神经元之间无联结。输入层节点数 紧缺、生态环境脆弱的地区，因此科学合理预测 为 Ⅳ1，隐含层节点数为 Ⅳ2，输 出层节点数为 Ⅳ3， 地下水资源，将为我 国东北的干旱半干旱平原区 输入层和隐含层节点之间的连接权值为 ，隐含 地下水资源的开发利用，为发展粮食生产、为保 层节点的阈值为 ，隐含层和输 出层节点之间的 障人 民生活用水，为维持生态环境提供重要的基 连接权值为 ，输 出层节点的阈值为 。 础依据。 BP网络的学习过程即 “模式顺传播 ”一 “误 差逆传播 ”一 “记忆训练 ”一 “学习收敛 ”四个过 2 人工神经网络预测模型建立 程。为模拟生物神经元的非线性特性，以S函数 (sigmoid函数)作为神经元的激活函数 ：f()= 人工神经 网络 (ArtificialNeuralNetworks) 。 在 网络 的训练过程 中，各层之 间的连接 是一种模仿人脑结构及其功能的非线性信息处理 】+e。 [收稿13期】2010-07—19 作【者简介】姜波 (1981一)，女，助理工程师．本科，现主要从事水文科学研究、水文实验