科研之友
微信
新浪微博
Facebook
分享链接
摘要
地下水埋深预测对于区域水资源管理利用、生态环境保护和经济社会发展等具有重要的价值与作用。地下水埋深受多种因素影响，其动态变化具有非平稳性、随机性和滞后性等特征。为了准确预测浅层地下水埋深，选用多元线性回归、灰色GM(1,1)、基于马尔科夫链优化的灰色GM(1,1)、BP神经网络和基于遗传算法优化的BP神经网络五种预测模型，以黑龙江省肇州县为应用实例，将1980-2009年数据作为训练样本，2010-2019年数据作为检验样本，以降水量、蒸发量、地下水开采量和前期水位作为输入层输入，以地下水埋深作为输出层输出，选择绝对误差、相对误差、平均绝对误差、平均绝对百分比误差、均方误差和均方根误差作为评价指标，进行地下水埋深模拟预测和对比分析。结果表明：基于遗传算法优化的BP神经网络模型的平均绝对误差0.13 m，平均绝对百分比误差1.58%，均方误差0.02，均方根误差0.15，预测精度较高、拟合效果较好，相较于其他4种模型可以更好的模拟地下水埋深动态变化，为肇州县地下水合理开发和利用提供参考；遗传算法优化提升了BP神经网络的训练效率和稳定性，马尔科夫链理论弥补了灰色GM(1,1)所缺少的波动性，组合预测模型两两结合，优势互补，显著提升预测性能相较于单一模型预测结果更加准确，可以为地下水埋深预测模型的建立提供新的思路。
- 单位
