地下水埋深預報對于區(qū)域地下水開發(fā)利用、水資源評價管理和地質(zhì)災害的治理具有重要的科學意義。本文綜述了隨機模型、灰色模型、模糊模型、人工神經(jīng)網(wǎng)絡預測模型和混合預測模型的研究進展,分析總結(jié)已取得的成果和存在的問題,并針對目前研究中存在的不足,選用陜西省關中地區(qū)20個監(jiān)測井的月地下水埋深資料,選定平均絕對誤差（MAE）、平均相對誤差（MRE）、均方根誤差（RMSE）、均方百分比誤差（MSPE）、確定性系數(shù)（R²）和納什效率系數(shù)（NSE）6個誤差指標以及預報合格率（QR）和預報項目精度分級,開展研究區(qū)地下水埋深序列的預報模型研究與綜合評價。本文的主要研究內(nèi)容和結(jié)論如下:（1）建立BP網(wǎng)絡、支持向量機（SVM）和核極限學習機（KELM）3種單一人工神經(jīng)網(wǎng)絡預測模型,將基于單一人工神經(jīng)網(wǎng)絡的預測模型用于研究區(qū)地下水埋深預報。研究發(fā)現(xiàn),在訓練期,三種預報模型對于所有監(jiān)測井均表現(xiàn)出較好的擬合效果。在驗證期,SVM模型和KELM模型的預測性能優(yōu)于BP網(wǎng)絡模型,BP網(wǎng)絡模型的預測結(jié)果比較雜亂,規(guī)律性較差,而SVM模型和KELM模型能較好地預測出地下水埋深序列的趨勢變化和周期波動特征。這... 

【文章來源】：西北農(nóng)林科技大學陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：123 頁

【學位級別】：碩士

【部分圖文】：

研究區(qū)監(jiān)測井分布圖

【參考文獻】：
期刊論文
[1]基于K-ELM和GMM的氮氧化物排放預測[J]. 陳琪,續(xù)欣瑩,謝珺,付文華.  計算機工程與設計. 2020(01)
[2]基于在線相關熵極限學習機的器件退化趨勢實時流預測方法[J]. 梅文娟,高媛,杜立,劉震,王厚軍.  儀器儀表學報. 2019(11)
[3]基于改進模糊綜合-指數(shù)平滑法的地下水水質(zhì)評價和預測[J]. 董杰,李欣,方運海,鄭西來.  中國海洋大學學報(自然科學版). 2020(01)
[4]改進的GM（1,1）模型在新疆喀什地區(qū)地下水預測中的適用性研究[J]. 付明明.  地下水. 2019(04)
[5]基于ARIMA和誤差修正的航材消耗預測模型[J]. 韓戈白,陳迪,王博,楊紹雄.  電子質(zhì)量. 2019(02)
[6]基于核映射極限學習機的入口氮氧化物預測[J]. 金秀章,張少康.  控制與決策. 2019(01)
[7]中長期徑流預報模型優(yōu)選研究[J]. 石繼海,宋松柏,李航.  西北農(nóng)林科技大學學報(自然科學版). 2019(07)
[8]基于核極限學習機的標記分布學習[J]. 王一賓,田文泉,程玉勝,裴根生.  計算機工程與應用. 2018(24)
[9]基于小波分解及Arima誤差修正的徑流預測模型及應用[J]. 包麗娜,唐德善,胡曉波,楚士冀.  長江科學院院報. 2018(12)
[10]灰色系統(tǒng)GM（1,1）模型在地下熱水水位預測中的應用——以河北省廊坊市為例[J]. 徐敏,王立兵,謝德尚.  中國地質(zhì)災害與防治學報. 2018(04)

博士論文
[1]基于自適應提升小波的信號去噪技術研究[D]. 孫軼.中國科學技術大學 2008

碩士論文
[1]基于小波和EEMD降噪的滬深300指數(shù)波動率預測[D]. 陳越.華僑大學 2019
[2]基于小波去噪優(yōu)化的變形監(jiān)測數(shù)據(jù)處理及預測研究[D]. 何友福.成都理工大學 2019
[3]基于小波分析和支持向量機算法的股指預測研究[D]. 孫智博.華中科技大學 2019
[4]陜西關中平原地下水變化特征與監(jiān)測考核研究[D]. 張圃軒.西安理工大學 2017
[5]保定市市區(qū)淺層地下水位埋深預測方法的研究[D]. 王琦.中國地質(zhì)大學(北京) 2016



本文編號：3510207