一种基于MIDBO-BP的地下水位预测系统

地下水位预测是合理开发利用地下水资源的重要手段,有助于减少消耗,节约地下水资源。针对地下水位与降水量、温度及地下水开采量等因素之间的复杂关系,文章提出了一种基于多策略改进蜣螂算法(MIDBO)优化BP神经网络(MIDBO-BP)的地下水位预测模型。首先,对蜣螂算法(DBO)加入融合策略和混沌策略,利用鱼鹰算法(OOA)的全局勘探阶段代替蜣螂算法的滚球阶段,再引入Sine混沌映射和自适应t分布策略增强算法的全局搜索能力,并利用6个基准测试函数检测MIDBO的性能,得出MIDBO性能更佳的结论。其次,建立MIDBO优化BP神经网络的地下水位预测模型,将MIDBO寻优得到的最佳权值和阈值赋予BP神经网络。最后,以2018—2021年益阳市气象数据和地下水开采量数据为依据,利用BP神经网络模型、DBO-BP模型及MIDBO-BP模型进行地下水位预测。结果表明,多策略改进蜣螂算法优化BP神经网络的地下水位预测模型具有最佳的预测精度和收敛速度。

基于CNN-Transformer的城区地下水位预测

提出了一种将Transformer与卷积神经网络(CNN)相结合的城区地下水位预测模型。Transformer模型能够提取地下水位在时间序列上包含的关键信息,有效提升了模型的长时间预测能力;CNN能获取相邻监测站点地下水位数据之间的空间关联信息,使信息的提取更加丰富。使用开源地下水位数据集对模型进行训练,并进行仿真验证。仿真结果表明,在预测未来12个时刻的地下水位值时,CNN-Transformer模型预测结果整体的均方根误差值相比于循环神经网络(RNN)系列模型从0.2507米降到0.1427米,在未来第12个时刻的均方根误差也仅为0.2309米,验证了上述模型能实现长时间高精度的地下水位预测。

浅析建筑物场区地下水位预测与抗浮水位的确定

伴随我国城市化进程的加快以及人口的增长,人们在建设工程活动中,为了缓解土地资源紧缺的问题,将地下空间进行了充分的利用,需要注意的是,在具体施工中,需要进行基坑开挖,这就意味着地下水会对地下建筑结构造成一定的影响,特别是在地下水浮力较大时,可能导致地下结构整体上浮而造成破坏。近些年由于抗浮水位取值不当或抗浮措施采取不当造成建筑工程地下室整体上浮、底板开裂、渗水等工程事故屡见不鲜,由此可见地下水位预测与抗浮水位确定的必要性与重要性。在本文的研究中,将针对建筑物场区地下水位的预测与抗浮水位的确定,进行具体的研究与分析。

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。

基于人工神经网络的井灌水稻区地下水位预测

利用带动量项学习规则的改进 BP算法 ,对三江平原创业农场井灌水稻区逐月地下水埋深进行了模似仿真 ,将人工神经网络技术 (ANN)与广大井灌水稻区生产实际相结合 ,通过网络检验与预测 ,模型精度与预测精度均达到满意效果。该网络模型对于节约地下水开采量 ,恢复该地区的地下水动态平衡、制定农作物优化灌溉制度、发展节水灌溉。

浅层地下水位预测的小波网络模型

针对浅层地下水位时间序列动态变化的非线性和复杂性 ,提出了基于小波分析与人工神经网络相结合的预测方法———小波网络模型。小波网络模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。实例计算结果表明 ,建议模型不同预见期的拟合和检验精度很高。小波网络模型延长了预见期 ,提高了预报精度。

GM(1,1)模型在滦河下游地区地下水位预测中的应用

首先对GM(1,1)模型的结构进行了研究和改进,给出了模型参数计算方法和精度检验方法。依据所建GM(1,1)模型,选用滦河下游地区节水工程改造后地下水位资料,对滦河下游地区地下水动态进行分析和数值模拟,利用实测资料对计算结果进行了验证。研究表明,模型预测拟合精度高,方法简便,可操作性强,对灌区地下水位预测评价和地下水合理开发利用具有一定的实用价值。

基于自适应神经模糊推理系统的地下水位预测

针对地下水埋深变化影响因素的复杂性、多样性和不确定性,以及影响因子之间复杂的非线性关系,将自适应神经模糊推理系统(adaptive neuro-fuzzy interference system,ANFIS)应用于地下水埋深预测。利用1993—2010年陕西省泾惠渠灌区的灌溉资料对网络进行训练,构建了基于ANFIS的地下水埋深预测模型,并对其进行了检测。结果表明,利用ANFIS对地下水埋深进行短期预测是切实可行的。

基于GA参数优选的ε-SVR地下水位预测方法

选择径向基核函数建立地下水位ε-SVR预测模型,基于遗传算法实现惩罚因子C、核函数参数γ和不敏感损失函数参数ε的自适应优选,并运用建立的模型对某地傍河试验井地下水位进行预测。结果表明:基于GA参数优选的ε-SVR模型对训练样本的拟合误差平方和仅为0.0022,回归系数达到0.9933,检验样本拟合结果平均相对误差仅为1.28%。这与人工神经网络模型相比,无论是对训练样本的拟合能力,还是对检验样本的泛化能力均有较大程度的提高,说明基于GA参数优选的ε-SVR模型可以很好地应用于进行地下水位预测。

非线性组合模型在库岸边坡地下水位预测中的应用

根据某库岸边坡地下水位的监测资料,建立了地下水位预测的时间序列法和速率分析法,在此基础上构建了非线性组合预测模型。各模型的预测结果分析表明:非线性组合模型的精度高于单一预测模型,是一种较好的库岸坡体地下水位预测方法,非线性组合预测模型的应用,为库岸边坡稳定性的长期预测提供创造了条件。

基于潜水-承压水模型的民勤绿洲地下水位预测

基于20112012年观测数据，应用Feflow软件，构建了民勤绿洲地区的潜水承压水三维数值模型。应用该模型对研究区未来5～10 a内地下水位动态变化进行了预测。结果表明：目前用水条件下，经过一系列综合措施，地下水位下降趋势得到有效遏制；但在未来5～10 a内，民勤地下水位依然整体以低幅度持续下降。上游坝区的地下水漏斗日益扩大，下游湖区地下水漏斗因青土湖生态泄水而得到有效恢复，但随着地下水埋深日益增大，下游红沙梁区域出现了新的地下水漏斗。另外，当地符合植物存活条件（地下水埋深小于15 m）的区域面积也在逐年减小，其中地下水埋深小于10 m的面积减小幅度较大。

基于BP神经网络的矿山地下水位预测研究

采用BP神经网络技术,将矿区的降雨量、排水量及前期水位三个因素作为输入层,矿山地下水位作为输出层,建立矿山地下水位预测模型。文章详细介绍了BP神经网络实现矿山地下水位预测的基本算法,将研究区矿山的长期观测孔实测水位作为实验数据并作出误差分析。最终成果能够达到矿山地下水位预测目的,并为分析地下水降落漏斗趋势提供有力依据。

时间序列模型在北京西山地区岩溶地下水位预测中的应用

作为北京水资源储备区,北京西山地区地下水位动态变化对北京市水资源管理具有重大意义。时间序列模型是研究预测地下水水位动态变化特征的有效方法。为了解北京西山地区地下水位未来变化趋势,本文选用北京西山地区地下水位长观序列,通过拟合序列的趋势项、周期项及随机项分量,建立地下水位动态变化模型。模型精度检验表明模型拟合程度良好,预测结果显示西山地区未来五年内地下水位呈现动态平衡状态。

多变量LSTM神经网络模型在地下水位预测中的应用

准确进行地下水位预测对地下水管理具有重要意义。通过将代表补给项的降水量和代表排泄项的气温、水汽压及开采量作为输入变量,构建了基于多变量长短时记忆(LSTM)神经网络的地下水位预测模型。利用济南市2010—2018年月降水量、气温、水汽压和开采量及第四系含水层和岩溶含水层地下水位数据进行模型训练,并利用2019年数据进行验证,结果表明:①利用正弦函数信号拟合气温数据可以消除气温测量误差的影响,提高模型预测精度;②LSTM神经网络模型当神经元失活比率为20%时能够取得最佳的预测结果,其中对第四系含水层地下水位的均方根预测误差为0.84 m,对岩溶含水层地下水位的均方根预测误差为0.68 m;③总体上,LSTM神经网络模型能够较准确地模拟地下水位的动态特征,只在地下水位突变处误差较大。

基于AEO-Schumacher-Usher模型的径流及地下水位预测

为拓展生长模型在径流及地下水位预测中的应用范畴,提高模型预测精度,提出人工生态系统优化(AEO)算法-组合生长预测模型。选取6个标准测试函数和本文Schumacher、Usher模型参数优化实例对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法、粒子群优化(PSO)算法的仿真结果进行比较。基于Schumacher、Usher单一生长函数构建Schumacher-Usher组合生长模型,针对组合模型参数及权重系数选取困难的实际问题,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Schumacher-Usher组合生长预测模型,并构建AEO-Schumacher、AEO-Usher、AEO-SVM模型作对比,以文献径流及地下水位预测为例进行实例验证。结果表明,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度、全局搜索能力和稳健性能。AEO-Schumacher-Usher模型对两个实例预测的平均相对误差绝对值分别为2.32%、0.15%,预测精度优于AEO-Schumacher、AEO-Usher、AEO-SVM模型及文献相关模型,具有较好的预测精度和泛化能力。AEO算法能同时有效优化组合生长模型参数和权重系数,AEO-组合生长模型用于径流及地下水位预测是可行和有效的,模型及方法可为相关预测研究提供参考。

基于Visual MODFLOW地下水位预测研究

地基基础设计中,地下水是最活跃、复杂且难把握的因素。地下水受季节、环境影响较大,在建筑物的使用年限内地下水位是波动的,较大的地下水位变化可能引起地基失稳、基础破坏,从而预测地下水位、了解地下水位变化情况对地基基础设计、保障建筑物的使用安全是十分必要的。Visual MODFLOW是国际上较为成熟的地下水数值模拟软件,通过其建立数值模型,输入相关数据可对地下水位进行预测,为研究地下水位对地基基础的影响提供了重要的工具。

抽水蓄能电站地下水位预测的优化神经网络模型

抽水蓄能电站上、下水库落差大,水头高,针对输水系统沿线山体地下水位变化的监测和预测对电站安全运行过程中的监测分析具有重要意义。为实现施工期山体水位预测,通过环境监测站获取多项环境监测数据,结合PCA(主成分分析)和GA(遗传算法)优化BP神经网络方法,建立PCA-GA-BP优化模型对地下水位进行预测。选取广东某抽水蓄能电站环境量及输水系统沿线山体水位孔数据,在分析测点、测站布置及地下水位影响因素基础上,对优化算法模型进行验证、比较。实验结果表明:优化模型具有较高预测精度,在高、中、低水位预测中综合相对误差较低,决定系数更高,均优于单BP预测模型,并通过PCA法使得网络拓扑结构更简单,提高综合预测精度,具有较好的预测效果,在实际运用中可以为安全分析、工程预警等领域提供一定参考。

一种以神经网络为支撑的地下水位预测方法

鉴于地下水位情况对经济生产建设和人们日常生活的重要性,为解决目前地下水位预测研究中存在的预测精度不高和误差较大的问题,基于Elman神经网络和灰度理论,构建一种GMElman模型,并以济源市地下水位为例进行预测。以2014年~2018年该地区地下水位数据为样本,预测出2019年的地下水位情况。分别以GM、Elman和GM-Elman三种不同的模型对相同的样本数据进行分析。实验结果表明:所提出的模型误差较小,预测结果更接近于真实值,为地下水位研究及相关实践提供提供了一种新的有效途径。

Processing Modflow在地下水位预测中的应用

数值模拟软件逐渐成为预测地下水演化更普遍的工具,并且广泛应用于地下水动态变化研究。以乌苏市平原区为例,结合区域水文地质条件及钻井资料,利用Processing Modflow建立三维水流数值模拟模型,并对该模型进行平面流场拟合,验证出模拟值基本符合2018年实测地下水位,通过模型模拟2018-2027年不同条件地下水位变化趋势,结果显示,2027年现状条件下比用水总量条件下浅埋深面积减少了550km^(2)。

基于融合注意力机制LSTM网络的地下水位自适应鲁棒预测

地下水水位是旱天污水管网地下水入渗量的重要影响因素,快速精准地预测地下水水位能有效提升旱天污水管网地下水入渗量估算准确度,辅助优化管网病害治理与维护策略。针对目前城市复杂水文预测存在的准确度低、灵敏度低、泛化能力弱等问题,本文提出了一种新的鲁棒自适应水位预测算法。首先,对水文数据进行预处理,解决了数据时间跨度大、噪声多、缺失及异常、非平稳等问题。其次,针对不同输入特征对预测指标的影响,在模型训练阶段提出一种新的空间变量注意机制,可快速识别与水位关联的关键变量,并对输入特征赋予不同的影响权重。然后,针对不同序列长度对预测效果的影响,还设计了自适应时间注意力机制,帮助网络自适应地找出与不同时间序列长度预测指标相关的编码器隐藏状态,以更好地捕捉时间上的依赖关系。在此基础上,以上下文向量作为输入,提出一种融合注意力机制的长短时记忆网络水文预测算法。最后,通过意大利Petrignano水文数据验证了所提算法的有效性,并与GRU、Elman、LSTM、VA–LSTM和S–LSTM等方法进行预测性能比较。结果表明,基于融合注意力机制的LSTM网络在面临大规模、噪点多的复杂数据时有优于其它几种算法的预测效果,表明该算法具有强自适应性和鲁棒性。本文研究结果可以为市政排水策略合理调整、及时控制提供参考。