發(fā)布時間：2020-04-10 13:12

【摘要】：地下水位預(yù)測是水文研究的一個重要主題,在水資源的管理和利用中起著重要的作用,是地下水位控制的前提和保障。準(zhǔn)確的地下水位預(yù)測有助于維持生活、農(nóng)業(yè)、工業(yè)的可靠供水和維持生態(tài)平衡。為了有效管理地下水資源,準(zhǔn)確記錄和預(yù)測地下水位就顯得十分重要。利用地下水位預(yù)測結(jié)果為決策部門提供依據(jù),才能可持續(xù)地有效地利用地下水。本文利用了小波變換和GRU深度神經(jīng)網(wǎng)絡(luò)對地下水位的變化進(jìn)行了預(yù)測,主要工作內(nèi)容和研究成果如下:(1)研究了一種基于群體智能的蝗蟲優(yōu)化算法(GOA),并對原始的蝗蟲優(yōu)化算法從三個方面進(jìn)行了改進(jìn),提出了一種改進(jìn)的蝗蟲優(yōu)化算法(IGOA)。隨后利用改進(jìn)后的IGOA來優(yōu)化GRU模型的參數(shù),并建立了IGOA-GRU預(yù)測模型。(2)利用小波變換對地下水位數(shù)據(jù)進(jìn)行處理,對小波分解后的各個分量分別預(yù)測后進(jìn)行重構(gòu),建立了WT-IGOA-GRU地下水位預(yù)測模型,并在地下水位預(yù)測領(lǐng)域首先利用了WT-IGOA-GRU模型進(jìn)行了地下水位預(yù)測。(3)在利用WT-IGOA-GRU模型進(jìn)行地下水位實(shí)例預(yù)測時,將WT-IGOA-GRU模型的預(yù)測結(jié)果與GRU模型和IGOA-GRU模型的預(yù)測結(jié)果進(jìn)行了比較。預(yù)測準(zhǔn)確度利用了均方根誤差等四個指標(biāo)來進(jìn)行評價。結(jié)果表明,IGOA算法可以提高GRU模型在預(yù)測地下水位時的性能,而結(jié)合小波變換可以進(jìn)一步提升預(yù)測精度。隨后,又利用IGOA優(yōu)化的BP、RBF模型分別進(jìn)行了地下水位預(yù)測。通過對不同網(wǎng)絡(luò)模型預(yù)測結(jié)果的比較,發(fā)現(xiàn)WT-IGOA-GRU模型的預(yù)測性能要優(yōu)于其他兩個神經(jīng)網(wǎng)絡(luò)模型,其結(jié)論可在今后地下水位預(yù)測的研究和應(yīng)用中作為一種參考。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P641.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃發(fā)明;殷坤龍;張桂榮;唐志政;張俊;;多變量PSO-SVM模型預(yù)測滑坡地下水位[J];浙江大學(xué)學(xué)報(工學(xué)版);2015年06期

2 黨存祿;張旭;;基于Daubechies小波族的電能質(zhì)量信號去噪方法研究[J];電網(wǎng)與清潔能源;2014年12期

3 龍文;梁昔明;龍祖強(qiáng);閻綱;;PSO-LSSVM灰色組合模型在地下水埋深預(yù)測中的應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2013年01期

4 管孝艷;王少麗;高占義;呂燁;王長生;;基于多變量時間序列CAR模型的地下水埋深預(yù)測[J];農(nóng)業(yè)工程學(xué)報;2011年07期

5 劉成忠;黃高寶;韓建民;;基于PCA特征提取的SVR地下水位動態(tài)預(yù)測方法[J];工程勘察;2011年03期

6 胡國杰;魏曉妹;蔡明科;許義和;楊婷;黃朝軒;;混沌-支持向量機(jī)模型及其在地下水動態(tài)預(yù)報中的應(yīng)用[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2011年02期

7 劉玉邦;梁川;;地下水動態(tài)水位預(yù)測的非線性PLSR方法[J];武漢理工大學(xué)學(xué)報;2010年13期

8 劉輝;田紅旗;李燕飛;;基于小波分析法與滾動式時間序列法的風(fēng)電場風(fēng)速短期預(yù)測優(yōu)化算法[J];中南大學(xué)學(xué)報(自然科學(xué)版);2010年01期

9 曹邦興;;基于蟻群徑向基函數(shù)網(wǎng)絡(luò)的地下水預(yù)測模型[J];計算機(jī)工程與應(yīng)用;2010年02期

10 劉仁濤;付強(qiáng);馮艷;蓋兆梅;李國良;李偉業(yè);;基于RAGA的灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型及其對三江平原地下水埋深的動態(tài)預(yù)測[J];系統(tǒng)工程理論與實(shí)踐;2008年05期

相關(guān)博士學(xué)位論文 前3條

1 馬濤;組合預(yù)測方法及其應(yīng)用研究[D];蘭州大學(xué);2017年

2 薛羽;仿生智能優(yōu)化算法及其應(yīng)用研究[D];南京航空航天大學(xué);2013年

3 賀屹;渠井雙灌區(qū)地下水超采情況下的動態(tài)分析及人工補(bǔ)給研究[D];長安大學(xué);2011年

相關(guān)碩士學(xué)位論文 前4條

1 劉洋;基于GRU神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測研究[D];成都理工大學(xué);2017年

2 高偉;基于最小二乘支持向量機(jī)的風(fēng)電功率短期預(yù)測研究[D];華中科技大學(xué);2014年

3 朱小燕;石羊河流域地下水時空動態(tài)研究[D];蘭州大學(xué);2008年

4 張志才;降雨入滲補(bǔ)給地下水研究[D];河海大學(xué);2006年

，

本文編號：2622269