吉林大学学报(地球科学版) 2015, 45(1) 225-231 DOI: 10.13278/j.cnki.jjuese.201501204    ISSN: 1671-5888 CN: 22-1343/P
本期目录 | 下期目录 | 过刊浏览 | 高级检索                                                            [打印本页]    [关闭]                  上一篇 | 下一篇
地质工程与环境工程
SOM-RBF神经网络模型在地下水位预测中的应用应用
刘博1,2, 肖长来1,2, 梁秀娟1,2
1. 吉林大学环境与资源学院, 长春 130021;
2. 吉林大学地下水资源与环境教育部重点实验室, 长春 130021
摘要：

利用自组织映射(SOM) 聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法, 减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类, 利用聚类后的二维分布图确定隐层节点的数目, 并根据聚类结果计算径向基函数的宽度, 确定径向基函数的中心, 由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例, 采用20002009年观测的地下水位动态资料, 利用SOM-RBFN模型对地下水位进行预测, 验证其准确性, 并分别以5、7、10 a的地下水位动态数据为研究样本建立模型, 考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中, 均方根误差(RMSE)的均值为0.43, 有效系数(CE)的均值为0.52, 均达到较高标准, 因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68, 结果优于RBF5和RBF10, 这就意味着在模型计算中样本数量不会直接影响预测结果的精度。
关键词： 地下水位预测 SOM RBF 神经网络
收稿日期  2014-06-26   修回日期    网络版发布日期  2015-01-26  
DOI: 10.13278/j.cnki.jjuese.201501204
基金项目:

吉林省科技引导项目(20080543);高等学校博士学科点专项科研基金项目(200801830044);教育部国家潜在油气资源项目(OSR-01-07)
通讯作者: 肖长来(1962), 男, 教授, 博士生导师, 主要从事资源与水环境、地下水资源评价与开发利用研究, E-mail:xcl2822@126.com
作者简介: 刘博(1987), 男, 博士研究生, 主要从事地下水科学与工程研究, E-mail:liu-bo727@163.com
Copyright © 2008 by 吉林大学学报(地球科学版)