Study on resource quantity of surface water based on phase space reconstruction and neural network

Proposed a new method to disclose the complicated non-linearity structure of the water-resource system, introducing chaos theory into the hydrology and water resources field, and combined with the chaos theory and artificial neural networks. Training data construction and networks structure were determined by the phase space reconstruction, and establishing nonlinear relationship of phase points with neural networks, the forecasting model of the resource quantity of the surface water was brought forward. The keystone of the way and the detailed arithmetic of the network training were given. The example shows that the model has highly forecasting precision.

地下水位预报的相空间重构神经网络模型研究

为有效揭示水资源系统复杂的非线性结构及变化规律,结合混沌理论、相空间重构理论与神经网 络,研究了地下水水位预测模型,即通过相空间重构,把一维地下水水位时间序列拓展为多维序列,从而挖掘更为 丰富的信息;运用混沌方法构造训练样本并确定神经网络的网络结构,用神经网络拟合相空间相点演化的非线性 关系。实例计算表明,该模型具有较高的预报精度。

滨海金矿涌水危险评价及涌水量混沌预测研究

针对海底金矿涌水危险评价过程中的不确定性及随机性问题,选择工程地质及水文地质中涉及的10个重要因素构建评价指标体系,建立起涌水危险评价的云模型。基于评价结果,对危险区域的涌水量时间序列进行相空间重构,通过G-P算法及自相关法获得了重构相空间参数;分析了涌水量变化的相点距离演变规律,建立了涌水安全预警机制。结合混沌相空间重构,建立了涌水量预测的RBF神经网络模型。研究表明:涌水危险性的云模型评价结果准确可靠;相空间重构揭示了系统的混沌特性,最邻近相点演化将涌水量的内在细微变化特征放大,为涌水安全预警机制的建立提供了依据;混沌RBF神经网络能够实现涌水量的短期精确预测,为井下安全开采提供了技术保障。

煤与瓦斯突出预测模型仿真研究

准确性是煤与瓦斯突出(简称突出)预测研究中的一个关键性问题。根据突出的非线性和动态变化特征,在突出预测中引入混沌理论,将相空间重构理论与小波神经网络相结合,建立了煤与瓦斯突出预测模型。通过相空间重构,把一维突出电磁辐射强度时间序列拓展为多维序列,得到多维序列包含着各态历经的信息,从而挖掘出了丰富的突出变化空间的信息,有利于小波神经网络的训练。利用建立好的小波神经网络模型,对突出预测问题进行了建模、训练和预测。运用MATLAB仿真软件对提出的改进预测模型进行试验验证,结果表明改进预测模型具有更高的准确度、可靠性。