基于灰色时间序列随机组合模型在地下水埋深预测中的应用——以沧州市为例

地下水资源是支撑区域粮食生产的重要基础资源,为解决河北省浅层地下水水位持续下降问题,以河北省典型平原区沧州市为例,依据2007-2022年水位监测井观测数据,通过MATLAB软件结合灰色时间序列原理搭建地下水埋深灰色时间序列随机组合模型,揭示沧州市地下水埋深变化规律,为沧州市乃至河北省平原区地下水资源可持续开发利用提供依据。通过相关模拟方法证实该模型简洁实用,精度较高。研究结果表明:未来3年(2023-2025年),如果按照目前的发展趋势,沧州市地下水位会继续下降,平均年降幅为1.45 m左右。

不同计算方法在喀什平原区地下水埋深预测的对比分析

新疆喀什平原区地下水资源较为丰富,为对比不同计算方法对区域地下水埋深预测的适用性,结合区域内地下水观测井长系列的地下水埋深观测数据,分别结合BP神经网络模型、自回归方法、时间序列方法对其地下水埋深进行预测分析。结果表明:时间序列方法下预测精度最高,预测误差总体低于20%,其次为自回归方法,BP神经网络模型预测精度最低,预测误差均在30%以上,时间序列方法适合于喀什地区地下水埋深预测。

灰色自记忆模型及其在新疆和田地下水埋深预测中的应用

运用灰色微分方程与自记忆原理相结合的方法,建立了地下水埋深预测的灰色自记忆模型,并以新疆和田市地下水长期观测井GW9为例进行了埋深模拟和预测。结果表明,该模型具有较高的模拟及预测精度,且简洁实用。

BP神经网络在渭北旱塬区地下水埋深预测中的应用

地下水埋深变化是地下水动态变化的主要特征之一。本文选取了渭北旱塬区两个具有典型性的观测井点,利用已有的2000年-2010年埋深数据以BP神经网络的方法对地下水埋深进行模拟和预测。结果表明:预测值与实测值拟合较好。故该方法可应用于地下水动态的预测。

基于集对分析和GA-BP神经网络的地下水埋深预测研究

针对地下水位与其影响因素之间存在非线性映射关系的特点,提出了基于SPA方法筛选地下水埋深时空自变量、再基于遗传算法优化BP神经网络进行地下水埋深预测的SPA-GA-BPNN模型。将该模型应用于安徽省蒙城县地下水埋深的预测中,并与全变量-LR、全变量-BPNN、全变量-GA-BPNN、SPA-LR和SPA-BPNN共5种模型进行对比。结果表明:SPA-GA-BPNN模型预测误差的MPAE值为0.088,MSE值为0.068,NSE值为0.848,误差指标均优于5种对比模型,在泛化性和稳定性方面也有显著优势。基于SPA方法筛选自变量,避免了自变量选取的主观性,且在理论上优于相关系数法,同时,遗传算法对神经网络的预测性能起到了显著的改进作用,可为地下水埋深变化过程的影响因素识别及预测提供可靠、有效的参考依据。

基于改进人工蜂群算法的地下水埋深预测研究

为了改进人工蜂群算法的RBF神经网络模型在地下水埋深预测中的应用,在基本人工蜂群算法中引入高斯变异算子,并优化初始蜜源位置,提出了基于改进人工蜂群算法的RBF神经网络模型,并利用安阳市某观测站的降水量、蒸发量、河道流量、灌溉渗漏量和人工开采量5个相关影响因子的数据,对该方法进行了应用。为了验证模型的优劣性,与单一的BP神经网络模型、RBF神经网络模型、基于蚁群算法的RBF神经网络模型和基于基本人工蜂群算法的RBF神经网络模型的预测结果进行了比较,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。

基于CEEMD-RF模型的渣土边坡地下水埋深预测

地下水是影响渣土边坡稳定性的关键因素之一,地下水埋深预测对分析渣土边坡稳定性具有重要意义。考虑渣土边坡地下水水位的高度非平稳和非线性特点,提出了一种基于相空间重构的互补集合经验模态分解-随机森林(CEEMD-RF)的地下水埋深预测模型。以广州市某渣土边坡SW2水文观测孔为例,将基于相空间重构的CEEMD-RF模型应用于该渣土边坡的地下水埋深预测,并与相空间重构的RF模型预测结果进行对比分析。结果表明:利用CEEMD-RF模型对地下水埋深预测的拟合优度为0.997,均方根误差为0.03 m,优于相空间重构的RF模型预测结果;基于相空间重构的CEEMD-RF模型预测的地下水埋深序列能很好地反映地下水埋深的尖变点。

基于BiLSTM-NFC的地下水埋深预测方法研究

为了提高地下水埋深预测的精度,提出了双向长短时记忆循环神经网络(BiLSTM)融合非全连接神经网络(NFC)的深度学习模型。使用自适应矩估计优化函数(Adam),耦合双曲正切(Tanh)、软最大逻辑回归(Softmax)和线性整流单元(ReLU)3个激活函数,且将学习率设置为动态的,以黄河下游人民胜利渠灌区1993—2018年的地下水埋深预测为例,将BiLSTM-NFC与BiLSTM、长短时记忆循环神经网络(LSTM)及LSTM-NFC的预测结果进行对比分析。结果表明:双向网络的性能优于单向网络,NFC可以防止过拟合,还能明显降低模型的均方误差(MSE);与BiLSTM、LSTM-NFC和LSTM相比,BiLSTM-NFC的学习能力、稳定性、可靠性及泛化能力最强;BiLSTM-NFC在测试集上的准确率(Acc)可以达到100%,最接近无偏估计,MSE比LSTM的减小96.60%,平均相对误差(MRE)减小85.63%,相关系数(r)增大34.81%;模型在图形处理单元(GPU)上比在中央处理单元(CPU)上训练时间明显缩短,合理设置多种激活函数可以解决单一激活函数的弊端;使用BiLSTM-NFC可以准确地预测地下水埋深的变化情况。

基于CEEMD-BP耦合模型的灌区地下水埋深预测

为了科学预测人民胜利渠灌区地下水埋深,促进灌区水资源的可持续利用,针对灌区地下水埋深具有非线性、非平稳性与预测精度低的特征,基于CEEMD具有非平稳信号平稳化的能力和BP神经网络较强的非线性和不确定性映射能力与预测效果,构建了基于CEEMD-BP的灌区地下水埋深预测耦合模型。将该模型应用于人民胜利渠灌区地下水埋深预测中,结果表明:CEEMD-BP耦合模型和其他模型相比具有较好的预测效果,平均相对误差为4.7%,纳什系数为0.96,预测精度更高。综合上可知,模型预测精度高,为灌区地下水埋深提供了一种有效的预测方法。

灰色统计模型在辽河平原灌区地下水埋深预测的的适用性分析

文章采用灰色统计模型对辽河平原灌区地下水埋深进行预测。预测结果表明:该方法构建的统计回归模型误差检验均可通过99%的T检验,模拟的总体精度符合地下水埋深预测规范要求,且方法需求参数较少,具有简单、实用的功能特点,通过对辽河平原灌区两个地下水位监测站点的验证分析,适用于区域地下水埋深预测。成果为辽河平原地下水开采利用方案规划提供重要的支撑依据。

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题,提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法.利用粒子群算法的收敛速度快和全局优化能力,优化L,SSVM模型的惩罚因子和核函数参数.避免了人为选择参数的盲目性.在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测,将初步预测结果的组合作为LSSVM的输入,该时刻的实际值作为输出,进行训练建立灰色LSSVM组合预测模型,提高了模型的推广预测能力.选取三江平原某地区1985年至2006年地下水埋深实测数据,建立PSO-LSSVM组合预测模型.通过两种方式对模型进行检验,与其他模型相比,该组合模型具有较高的预测精度.

灰色BP神经网络模型在民勤盆地地下水埋深动态预测中的应用

先建立等维新息GM（1,1）模型和BP神经网络模型相耦合的灰色BP神经网络组合模型,再以民勤盆地64、65和84号井为代表,运用此模型模拟和预报石羊河下游民勤盆地的地下水埋深动态。模型精度检验表明,646、5和84号井预测值的平均相对误差分别为0.45%,0.93%,0.62%,均小于1%,符合精度要求。相比GM（1,1）模型,组合模型预测的相对误差整体上较小;相比BP模型,64号井组合模型预测的1998~2001年地下水埋深平均绝对误差从0.32m减少为0.07m,精度显著提高。结果表明：组合模型综合考虑了地下水埋深序列的确定性和不确定性变化,具有更高的预测精度,适合于短期预报。

灰色时序组合模型及其在地下水埋深预测中的应用

地下水埋深的变化过程是一个复杂的非线性过程,这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想.在分析了灰色GM(1,1)模型、灰色GM(1,1)周期性修正模型和时序AR(n)模型的优点和缺点基础上,提出了一种新的灰色时序组合预报模型.该方法利用了GM预测所需原始数据少、方法简单的优点,用周期修正方法反映其地下水位埋深周期性波动的特征,用AR(n)模型预报其地下水位埋深的随机变化.实例研究表明,这种方法方便简洁实用且预测结果接近于实际观测值,为其它地区的地下水位埋深和相关时间序列的分析研究提供参考与借鉴作用.

渭北旱塬区典型测井地下水埋深的灰色预测研究

地下水埋深变化是地下水系统动态变化最主要的表现形式之一,通过预测地下水埋深分析地下水系统未来演变趋势,对合理开发、持续利用地下水资源有着重要的现实意义。本文选取2000-2010年渭北旱塬区的两个典型监测井的地下水埋深数据,用灰色GM(1,1)理论建立预测模型,并对该监测井的地下水埋深进行短期预测。经检验,该模型具有较高的预测精度,说明采用灰色理论预测渭北旱塬区监测井地下水埋深的方法可行。

三江平原地下水埋深灰色自记忆预测模型

地下水资源是支撑区域粮食生产的重要基础资源。针对三江平原水田面积迅速增加、地下水水位持续下降问题,以建三江分局七星农场为例,依据1997-2007年地下水埋深监测资料,运用灰色微分方程与自记忆原理构建地下水埋深灰色自记忆预测模型。结果表明:该模型简洁实用,精度较高,当地未来地下水水位具有持续下降趋势。研究成果揭示了当地地下水埋深的时间变化规律,为七星农场乃至三江平原地下水资源可持续开发利用提供依据。

宁县典型测井地下水埋深的灰色预测研究

采用灰色系统理论中灰色动态模型GM(1,1),对一观测孔地下水位埋深进行灰色动态模拟。利用观测孔2011年实测地下水位埋深数据建立GM(1,1)预测模型,并对2012年地下水位埋深进行预测。经验证,模型预测精度较高,具有一定的实用价值。

运用小波变换与支持向量机耦合模型(WA-SVM)预测干旱区地下水埋深

准确预测干旱区地下水埋深,对区域地下水资源的合理开发利用与生态环境保护具有十分重要的意义。以额济纳盆地3个地下水埋深观测井为对象,运用小波变换与支持向量机耦合模型(WA-SVM)对观测井未来1个月的地下水埋深进行了短期预测。为检验WA-SVM的有效性,将模拟结果与未经小波变换的SVM模型进行了对比。结果表明:在对干旱区地下水埋深进行短期预测时,相较于SVM模型,WA-SVM模型的预测精度显著提高。WA-SVM模型在干旱区地下水埋深预测中有更好的适用性,可以为干旱地区地下水埋深动态预测提供新的方法和思路,是资料有限的条件下地下水埋深预测的有效方法。