人工神经网络在地下水动态预测中的应用.pdfVIP

辽宁工程技术大学学报 2002 年 8 月 第 21 卷第 4 期 Vo1.21 No .4 Joumal of Liaoning 1ì职业mical University Au革. 2∞2 文章编号∞8-0562-(2∞2)04-0504-03 人工神经网络在地下水动态预测中的应用 张忠永王明涛2 贾惠艳 1 (\.辽宁工程技术大学资源与环填工程学院，辽宁阜新 123创则;2. 沈阳惠夭热电股份有限公司，辽宁沈阳 11α览附) 摘 要: 应用人工神经网络中的BP 算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测， 并与灰色→周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高。说明神经网络方法不仅简单、 实用，又具有很强的处理地下水动态非线性及周期性变化问题的能力，可以在地下水动态等方面广泛使用。 关键词:地下水水位;人工神经网络;动态预测 中圈号 P 349 文献标识码 A 、 E - 。引 的状态都将影响下一层的神经元状态。每一个神 地下水的动态与大气降水有着密切的关系， 经元都有一个作用函数f和阙值 σ ，其中，输入层 而大气降水有着明显的季节性变化，致使地下水 神经元阙值为 0，且f (x)=x; 而隐含层和输出层的 水位也呈季节性周期性变化，在这种情况下进行 Signoid 型函数，一般采用: 作用函数为非线性的 水位预测时，一般要将水位原始数据进行处理， X 只x)=lI Cl+e- ) 。、 分离出周期项、趋势项及随机1页，分别进行分析、 BP 模型的学习思路是:当给定一个网络的输 建模和预测，然后再重新组合[ll ，才能得到最终结 入模式时，它有输入层单元传递到隐层单元，经 果。过程繁琐、复杂，结果精确度低，预跚效果 处理后，然后再传递到输出层单元。由输出层处 不理想，而本文使用近年发展起来的人工神经网 理后产生一个输出模式，这个过程称为前向传播。 络理论和方法，对地下水位进行预测，取得较好 如果输出响应与期望输出模式有误差而不满足要 的效果。 求时，就转入误差后向传播，将误差值沿连接通 1 人工神经网络方法[2] [5] 路逐层反向传递并修改各层的连接权值和阐值。 这样不断重复前向传播和误差后向传播过程，直 到各个训练模式都满足要求时，变结束学习过程。 人工神经网络 CANN) 是对人脑或自然的神 经网络若干基本特征的抽象和模拟，是→种非线