人工神经网络在地下水动态预测中的应用

《人工神经网络在地下水动态预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第21卷第4期辽宁工程技术大学学报2002年8月Vo1.21No.4JoumalofLiaoning1ì职业micalUniversityAu革.2∞2文章编号∞8-0562-(2∞2)04-0504-03人工神经网络在地下水动态预测中的应用张忠永王明涛2贾惠艳1(.辽宁工程技术大学资源与环填工程学院，辽宁阜新123创则;2.沈阳惠夭热电股份有限公司，辽宁沈阳11α览附)摘要:应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色→周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高。说明神经网络方法不

2、仅简单、实用，又具有很强的处理地下水动态非线性及周期性变化问题的能力，可以在地下水动态等方面广泛使用。关键词:地下水水位;人工神经网络;动态预测中圈号P349文献标识码A、-E。引地下水的动态与大气降水有着密切的关系，的状态都将影响下一层的神经元状态。每一个神而大气降水有着明显的季节性变化，致使地下水经元都有一个作用函数f和阙值σ，其中，输入层水位也呈季节性周期性变化，在这种情况下进行神经元阙值为0，且f(x)=x;而隐含层和输出层的作用函数为非线性的Signoid型函数，一般采用:水位预测时，一般要将水位原始数据进行处理，只x)=lICl+e-X)。、分离出周期项、趋势项及随机1页，分别进

3、行分析、BP模型的学习思路是:当给定一个网络的输建模和预测，然后再重新组合[ll，才能得到最终结入模式时，它有输入层单元传递到隐层单元，经果。过程繁琐、复杂，结果精确度低，预跚效果处理后，然后再传递到输出层单元。由输出层处不理想，而本文使用近年发展起来的人工神经网理后产生一个输出模式，这个过程称为前向传播。络理论和方法，对地下水位进行预测，取得较好如果输出响应与期望输出模式有误差而不满足要的效果。求时，就转入误差后向传播，将误差值沿连接通1人工神经网络方法[2][5]路逐层反向传递并修改各层的连接权值和阐值。这样不断重复前向传播和误差后向传播过程，直人工神经网络CANN)是对人脑或自然的神到

4、各个训练模式都满足要求时，变结束学习过程。经网络若干基本特征的抽象和模拟，是→种非线2BP模型在地下水动态预测中应用性的动力学系统。它具有大规模的并行处理和分布的信息存储能力、良好的自适应性、自组织性使用了某地1985-1995年期间每年2、6、10及很强的学习、联想、容错及抗干扰能力。目前月份的地下水位平均值及变化曲线见表1图1。由较常用的神经网络有十余种，比较典型的有BP图可以看出，地下水位变化呈明显的季节性周期网络、Hopfield网络、CPN网络等。本文使用了变化，6月份最枯月水位，10月份为最丰水位，2反向误差传播算法的BPCBackErrorPropagation)月份介于二者之

5、间:另外，地下水有持续下降的网络模型来对地下水位进行预测。趋势。基于这些特征，对本时间序列进行模拟时，BP网络属于多层状型的人工神经网络，由若可采用前m个点值来得到后一值的方法进行，即干层神经元组成，它们可分为输入层、隐层和输出用HCi-1),HCi-2),"HCi-m)来得到H(i)。层，各层的神经元作用是不同的。输入层接受外部从曲线我们可以清楚的看到水位波动的周期为1信息:隐层用来表示和存储知识:输出层输出层输年，即三个观测点值。由于我们进行模拟时，不出结果。3层神经网络几乎可以对所有非线性函数进准备按常规分离出周期项，但又想使周期性质在行模拟。网络模型中有所反映。故我门采用前一周期资料

6、BP网络中的信息传递是单向的，同一层中的来推下一数据的方法，即m=3。据此，本文设计神经元不存在相互联系，而层与层之间则多采用了一个有三个输入节点，六个隐层节点，一个输全连接方式，连接程度由连接权重(ω。)表示，出节点的三层BP网络。利用1985-1994年的数据并在学习过程中根据误差进行调节。每层神经元进行训练。学习循环次数为621次，MSE为收稿日期2∞1-10-18作者简介2张忠永(1976-)，男，陕西富平人，助教。'本文编校z孙树江第4期张忠永等:人工神经网络在地下水动态预测中的应用5059.7713e-∞5，完全满足精度要求，模拟结果见表2、3讨论图1。然后利用1994年的资料预

7、测1995年2月份水位动态预测有多种方法，本文引用文献[3]的水位:用1994年6、10月份及1995年2月份的预测值预测1995年6月份的水位:最后用1994和文献[4]中使用灰色.周期外延组合预测模型模拟年10月份、1995年2、6月份的预测值预测10月结果和数据处理组合方法预测的结果进行比较，份的水位，结果见表2、图10见表2。28从上述结果可以看出，用网络方法得到的结El实测曲线果要明显优于灰色.周期