基于非线性自回归滑动平均神经网络的地下水位预报研究
区域地下水位动态是综合反映区域水量平衡和水环境状况的重要指标,是实施区域水资源优化管理的基础,准确的预报地下水位的动态变化对于合理开发利用地下水资源,实现区域水资源的优化配置、促进水资源的可持续利用具有重要的理论和现实意义.但是区域地下水系统是一个受多种因素影响的复杂的非线性动态系统,常规预报方法受到一定程度限制,本文应用遗忘因子的递归最小二乘(RLS)算法进行训练,采用通过减少网络节点间的连接权值,进而裁减冗余节点来选择适宜的网络拓扑结构,建立了非线性自回归滑动平均神经网络(NNARMAX)模型用于区域地下水位预报,结果表明:该方法能自动确定各因素时滞,有效地表示区域地下水动态系统内部及其外部诸多影响因素间的不确定关系,是预测区域地下水动态变化较为有效的方法之一.
NNARMAX 结构优化 地下水位预测 神经网络
王景雷 齐学斌 樊向阳 高胜国 李平
水利部农田灌溉研究所
国内会议
上海
中文
274-278
2002-10-01（万方平台首次上网日期，不代表论文的发表时间）