基于IABC-RBF神经网络的地下水埋深预测模型

作者：邵光成; 章坤; 王志宇; 王小军; 卢佳

来源：浙江大学学报(工学版), 2019, 53(07): 1323-1330.

• 人工蜂群算法
• 径向基函数神经网络
• 高斯变异
• 泾惠渠灌区
• 地下水埋深
• 预测

为了验证基于改进人工蜂群算法的径向基函数(RBF)神经网络模型在地下水埋深预测中的可行性和优越性,在基本人工蜂群算法中引入高斯变异算子,优化初始蜜源位置,设计建立基于改进人工蜂群算法的RBF神经网络模型(IABC-RBF).通过输入泾惠渠灌区的年降雨量、年渠首引水量、年田间灌溉用水量、年地下水开采量和前一年的地下水埋深共5个相关影响因子的数据,对地下水埋深进行预测,与实测的地下水埋深数据进行比较,误差很小.与RBF神经网络模型和基于基本人工蜂群算法训练的RBF神经网络模型(ABC-RBF)的预测结果进行比较,结果表明,基于改进人工蜂群算法的RBF神经网络模型收敛速度更快,预测结果误差最小,精度最高.

• 单位
  南京水利科学研究院; 河海大学; 水文水资源与水利工程科学国家重点实验室