LHMMs预测模型的地下水埋深预测研究.PDFVIP

２０１７年 １２月 农 业 机 械 学 报 第 ４８卷 第 １２期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１７．１２．０３１ 基于ＩＬ ＨＭＭｓ预测模型的地下水埋深预测研究 １ １ ２ １ １ １ 苏　凯　岳德鹏 　ＹＡＮＧＤｉ　于　强　马　欢 　张启斌 （１．北京林业大学精准林业北京市重点实验室，北京 １０００８３；２．佛罗里达大学地理系，盖恩斯维尔 ＦＬ３２６１１） 摘要：以西北干旱典型县域磴口县为研究区，基于增量学习的改进隐马尔可夫预测模型（ＩＬ ＨＭＭｓ），对区域地下 水埋深进行了预测研究。为检验ＩＬ ＨＭＭｓ模型预测效果，将模型预测结果与２０１３年长观井的实测数据进行了比 较；同时为检验模型的优劣性，与未经增量学习的隐马尔可夫模型（ＨＭＭｓ）、加权马尔可夫链（ＷＭＣＰ）和 ＢＰ神经 网络（ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ＢＰＮＮ）预测模型的预测结果进行了比较。结果表明：与其他几种预测模型相比，ＩＬ ＨＭＭｓ 模型预测精度显著提高，误差更小，有较好的鲁棒性。并使用ＩＬ ＨＭＭｓ模型对２０１８年地下水埋深进行了预测，预 测结果表明，２０１８年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于 ＩＬ ＨＭＭｓ模型的地下水 埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性，可为地下水埋深动态预测提供思路与方法补 充，为区域地下水资源开发利用和保护提供重要依据。 关键词：地下水埋深；磴口县；增量学习；ＩＬ ＨＭＭｓ模型 中图分类号：Ｋ９０３ 文献标识码：Ａ 文章编号：１０００１２９８（２０１７）１２０２６３０６ ＧｒｏｕｎｄｗａｔｅｒＤｅｐｔｈＦｏｒｅｃａｓｔＢａｓｅｄｏｎＩＬ ＨＭＭｓ １ １ ２ １ １ １ ＳＵＫａｉ　ＹＵＥＤｅｐｅｎｇ　ＹＡＮＧＤｉ　ＹＵＱｉａｎｇ　ＭＡＨｕａｎ　ＺＨＡＮＧＱｉｂｉｎ （１．ＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｒｅｃｉｓｉｏｎＦｏｒｅｓｔｒｙ，ＢｅｉｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ ２．ＤｅｐａｒｔｍｅｎｔｏｆＧｅｏｇｒａｐｈｙ，ＵｎｉｖｅｒｓｉｔｙｏｆＦｌｏｒｉｄａ，ＧａｉｎｅｓｖｉｌｌｅＦＬ３２６１１，ＵＳＡ） Ａｂｓｔｒａｃｔ：ＡｎｉｍｐｒｏｖｅｄｈｉｄｄｅｎＭａｒｋｏｖｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ（ＩＬ ＨＭＭｓ）ｂａｓｅｄｏｎｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ ｗａｓｄｅｖｅｌｏｐｅｄ，ｗｈｉｃｈｗａｓｂａｓｅｄｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｒｅｇｉｏｎａｌｇｒｏｕｎｄｗａｔｅｒｔａｂｌｅｉｎｔｈｅｔｙｐｉｃａｌｃｏｕｎｔｙｏｆ Ｄｅｎｇｋｏｕ，ａｔｙｐｉｃａｌａｒｉｄｒｅｇｉｏｎｉｎＮｏｒｔｈｗｅｓｔＣｈｉｎａ．ＩｎｏｒｄｅｒｔｏｔｅｓｔｔｈｅＩＬ ＨＭＭｓｍｏｄｅｌｐｒｅｄｉｃｔｉｏｎ ｒｅｓｕｌｔｓ，ｔｈｅｐｒｅｄｉｃｔｅｄｒｅｓｕｌｔｓｗａｓｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｍｅａｓｕｒｅｄｄａｔａｏｆ２０１３，ａｎｄｔｈｅｒｅｓｕｌｔｓｏｆｈｉｄｄｅｎ Ｍａｒｋｏｖｍｏｄｅｌ（ＨＭＭｓ），ｗｅｉｇｈｔｅｄＭａｒｋｏｖｃｈａｉｎ（ＷＭＣＰ）ａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ（ＢＰＮＮ）ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓ，ｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆＩＬ ＨＭＭｓｍｏｄｅｌｗａｓｉｍｐｒｏｖｅｄｓｉｇｎｉｆｉｃａｎｔｌｙ，ｔｈｅｅｒｒｏｒｗａｓｓｍａｌｌｅｒａｎｄｔｈｅｒｏｂｕｓｔｎｅｓｓｗａｓｂｅｔｔｅｒ．Ｔｈｅ ｇｒｏｕｎｄｗａｔｅｒｄｅｐｔｈｉｎ２０１８ｗａｓｐｒｅｄｉｃｔｅｄｂｙｕｓｉｎｇｔｈｅＩＬ ＨＭＭｓｍｏｄｅｌ．Ｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｅｄ