人工神经网络模型在白城地区枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

人工神经网络模型在枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

地下水位动态预测的人工神经网络方法

介绍了人工神经网络的基本原理，用该方法进行地下水位预测，结果表明该方法精度较高，具有一定的推广应用价值。     

地下水位动态预测的人工神经网络方法

介绍了人工神经网络的基本原理 ,用该方法进行地下水位预测 ,结果表明该方法精度较高 ,具有一定的推广应用价值     

人工神经网络BP模型在枯季径流量预测中的应用

简述了人工神经网络BP模型，以Excel为技术平台，创建了人工神经网络BP预测模型。应用该模型预测了吉林省农安水文站枯季径流量。结果表明，预测结果合理，精度较高；模型操作简便，有进一步推广价值。     

开采区地下水位随机模型预测

利用随机过程模拟地下水动态变化，方法简便，工作量小，可以达到常规水文地质方法预测精度，取得较好的效果。本文徐州九里山岩溶水源地开采井水位预测为例，探讨地下水位随机模型的建立方法。     

人工神经网络模型在黄河水质预测中的应用

采用画匠营子断面2004-2009年逐周水质指标资料作为神经网络模型的训练样本,对BP神经网络进行训练,分别建立了pH值、溶解氧、氨氮、高锰酸盐指数的预测模型.为了验证模型的正确性,利用训练好的神经网络模型,采用调整后的权值和阈值,将2010年的数据作为独立样本进行预测检验.结果表明:基于BP神经网络的水质指标预测模型收敛速度快,对训练样本具有很好的拟合能力,且对检验样本的预测精度较高.     

时间序列模型在北京西山地区岩溶地下水位预测中的应用

作为北京水资源储备区,北京西山地区地下水位动态变化对北京市水资源管理具有重大意义。时间序列模型是研究预测地下水水位动态变化特征的有效方法。为了解北京西山地区地下水位未来变化趋势,本文选用北京西山地区地下水位长观序列,通过拟合序列的趋势项、周期项及随机项分量,建立地下水位动态变化模型。模型精度检验表明模型拟合程度良好,预测结果显示西山地区未来五年内地下水位呈现动态平衡状态。     

流域年均含沙量的人工神经网络模型

本文引入人工神经网络BP网络模型对流域产沙进行了定量研究。针对小流域的土壤、地质、地貌在一定的时间范围内具有相当稳定的特性，选取采伐面积、采伐量、降雨量和年均径流量这四个代表植被、气候的主要因子对流域年均含沙量进行了建模预测。建模结果表明采伐面积、采伐量对流域产沙具有较强的延迟效应，得出的BP网络模型不仅拟合精度高，而且预测效果好。这为泥沙方面的定量研究提供了一条新的途径。     

预测济南地下水位的BP神经网络模型及其改进

用BP神经网络预测济南市地下水位，并利用网络“截口”处连接权与阈值的信息，揭示了“过拟合”现象与输入神经元间的多重共线，是导致BP神经网络预测性能降低的主要原因．确定了以当年地下水开采量、前1年地下水位、当年降雨量为输入神经元，拓扑结构为3:3:1的改进的BP神经网络模型，预测了济南地下水位．结果表明，该模型的预测精度较高，相对误差约为6％．     

基于人工神经网络的洪水水位预报模型

本文利用人工神经网络技术,以确定性系数为目标函数,建立以上游和本站水位资料预报本站未来若干时段洪水水位的预报模型,以探讨神经网络技术在水文预报中的应用。研究成果为提高网络训练速度和预报可能产生的超历史洪水情况,给出了输入/输出层的数据规范化的处理方法。选择珠江三角洲河网地区水位站资料,对预报模型进行检验,结果表明在合理选择输入层单元数据和预见期的条件下,可以取得很好的预报成果。     

利用灰色-BP神经网络组合模型对延吉市地下水位预测

针对延吉市地下水位变化情况,利用灰色--BP神经网络组合模型对地下水位变化趋势进行预测,提出地下水位的预测不能仅限于一种方法,应在充分分析影响水位变化各因素的基础上,采用合理的方法预测.     

人工神经网络理论在井渠结合灌区地下水动态预报中的应用

地下水动态预报是井渠结合灌区地下水资源研究的重要内容。本文根据地下水位与其影响因素之间的关系 ,建立了人工神经网络模型 ,通过实例演算 ,表明该方法对地下水预报有较高的精度     

应用优化神经网络算法预报地下水位

根据地下水及其影响因素之间存在的映射关系，在BP网络模型的基础上，提出一种Levenberg-Marquart优化神经网络算法，并用于地下水位的预测．与传统的BP算法相比较，该算法的预测精度较高，计算结果稳定性好，收敛速度快．     

BP神经网络在渭北旱塬区地下水埋深预测中的应用

地下水埋深变化是地下水动态变化的主要特征之一。本文选取了渭北旱塬区两个具有典型性的观测井点,利用已有的2000年-2010年埋深数据以BP神经网络的方法对地下水埋深进行模拟和预测。结果表明:预测值与实测值拟合较好。故该方法可应用于地下水动态的预测。     

基于子波变换序列的人工神经网络组合预测

本文引入一种新的水文序列组合预测方法，首先对水文离列施行ＡＴｒｏｕｓ子波变换，得到其在各倍频程上的子波系数，其次利用人工神经网络预测模型对子皮系数进行了多尺度组合预测：而后运用ＡＴｒｏｕｓ完全重构公式，得到水文序列的预测，本文对宜昌站年平均径流离列作了研究，结果显示预测效果理想。     

贯入法及冲击筛分法检测砌体抹灰 砂浆强度研究

为了解现有的砌筑砂浆强度检测方法的适应性,进行了试验研究。试验中主要采用了贯入 法、冲击筛分法检测普通粘土砖砌体28 d抹灰砂浆的强度,并辅以点荷法,立方体抗压强度予以对 比分析。结果表明,冲击筛分法可以用作普通粘土砖砌体28 d抹灰砂浆强度的检测,而贯入法需要 进一步研究,以获得准确的抹灰砂浆强度回归曲线,方可用于现场检测。