| 【部分正文預覽】 |
地下水動態受自然和人為因素的影響, 常表現出復雜的非線性特征。建立地下水位動態預測模型是利用了人工神經網絡( ANN) 的處理非線性模式識別特性。模型的建立主要依賴常規的水文氣象觀測資料, 無需再進行專門的試驗來獲取參數, 節省人力物力, 給地下水動態預報分析帶來了便利。ANN 模型自1943 年興起以來, 在各個領域得到了較好應用, 但直到20 世紀90 年代才引入到水科學中來, 尤其是近幾年來, 隨著計算機技術的發展,已廣泛應用于水文分析、預測以及水質評價等領域,取得了較好效果, 并發展了多種模型[ 1O4] , 其中BP( Back Propagation) 網絡模型應用最多, 但在地下水動態預測中大多還停留在起步應用和試探階段, 遠不如在陸地水文、水質評價等方面的應用廣泛和深入[ 5] 。
鑒于此, 本文探討應用一種改進BP 網絡模型) ) ) 學習率自適應動量BP 網絡模型對吉林西部地下水位動態進行分析, 以揭示該地區地下水動態變化規律, 提供較為準確的地下水位動態模擬和預報數據, 為吉林西部地下水合理開發和科學管理提供依據, 同時為ANN 模型技術在區域地下水動態模擬預測中的推廣應用提供借鑒。 |
