基于BP算法的地下水模拟中加速因子的确定.pdfVIP

第28卷第l期 中国科学院研究生院学报 V01．28No．1 oftheGraduateSchooloftheChine8e ofScience8 20ll 2011年1月 Journal Academy January 文章编号：l002一1175(2011)0l·005l·06 基于BP算法的地下水模拟中 加速因子的确定木 马 荣1，刘继朝1，石建省H，王虎2 (1地质科学院水文地质环境地质研究所，石家庄050803；2中国石油大学(北京)，北京102249) (20lO年3月9日收稿；2010年5月24日收修改稿) Ma a1．Dete珊inationoftheaccelerationfhctorin simuIation JC，ShiJS，et R，Liu groundwaterpr∞essthmughpP of ofthe of theGraduateschool Chinese algorithm[J]．Journal AcademyScienc鹳，20ll，28(1)：5l-56． 摘 要 在大型线性方程组的超松弛迭代法求解中，加速因子经常难以确定．应用BP神经网 络对其进行训练学习，经过对比分析，得到最佳模型，应用该模型可快速确定加速因子．将该方 法应用于石家庄市栾城水文试验基地，计算结果表明，BP人工神经网络有效地解决了地下水 数值模拟中加速因子难以确定的问题． 关键词 地下水数值模拟t，加速因子，超松弛迭代法，神经网络 中图分类号P641 数值模拟已成为地下水资源评价的主要手段之一．在模拟过程中，需要求解含有许多大型、稀疏矩 阵的线性方程组，超松弛迭代法(sOR)是求解大型线性方程组的有效方法之一…，通过选择恰当的加 速因子(∞)可以加快方程的收敛速度．然而在实际的水文地质计算过程中，要选择一个恰当的加速因子 · 需要进行许多复杂的特征值分析和多次试算，基于此，国内外学者提出了一些新的方法来确定加速因 子¨…，但均需大量的计算且对模拟人员的数理要求较高，难以普遍推广．为此引入人工神经网络 (ANN)模型，利用其BP算法强大的自适应与自学习能力，来确定加速因子的数值．并将该方法应用于 实际的水文地质模型，对结果的可靠性进行分析、讨论． 1超松弛迭代法算法 1．1基本概念 超松弛迭代法是求解线性代数方程组的一种迭代加速方法，它是在高斯．塞德尔迭代法的基础上进 行加速求解，将前一步的结果碓，与高斯-塞德尔迭代方法的迭代值硅；1通过适当的加权平均，期望获得 更好的近似值砖；1其迭代公式为 ‰％笋％％笋峨专％笋％％笋Ⅵ。毯。掣朋， (1)式中，砖；1为待求的水头值；砖J为前次迭代值；tJ为网格差分节点f，．『处导水系数值；△菇，△，，为茗，，， 方向上空间步长；t‘I“为网格节点处源汇项． 为方便书写，令 ·国家重点基础研究发展规划(20lOcB428800)和中国地质科学院水文地质环境地质研究所项目(sK201015)资助 十通讯联系人，E．mail：tiger7886@263．net 万方数据 52 中国科学院研究生院学报 第28卷 气，=筹^户筹心。=筹域广筹缸誊，吨∥d■％∥u坛。+瀚 q广五矛；6u2西矛≯¨2五矛孵u2五矛坑。一右艇’』-峨∥di。一卜，+6u+gt。+右J’ 则公式(1)可变换为 (2) ^譬“’=