發(fā)布時間：2022-02-13 17:39

　　為了驗證基于改進人工蜂群算法的徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)模型在地下水埋深預(yù)測中的可行性和優(yōu)越性,在基本人工蜂群算法中引入高斯變異算子,優(yōu)化初始蜜源位置,設(shè)計建立基于改進人工蜂群算法的RBF神經(jīng)網(wǎng)絡(luò)模型（IABC-RBF）.通過輸入涇惠渠灌區(qū)的年降雨量、年渠首引水量、年田間灌溉用水量、年地下水開采量和前一年的地下水埋深共5個相關(guān)影響因子的數(shù)據(jù),對地下水埋深進行預(yù)測,與實測的地下水埋深數(shù)據(jù)進行比較,誤差很小.與RBF神經(jīng)網(wǎng)絡(luò)模型和基于基本人工蜂群算法訓(xùn)練的RBF神經(jīng)網(wǎng)絡(luò)模型（ABC-RBF）的預(yù)測結(jié)果進行比較,結(jié)果表明,基于改進人工蜂群算法的RBF神經(jīng)網(wǎng)絡(luò)模型收斂速度更快,預(yù)測結(jié)果誤差最小,精度最高. 

【文章來源】：浙江大學(xué)學(xué)報(工學(xué)版). 2019,53(07)北大核心EICSCD

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]RBF神經(jīng)網(wǎng)絡(luò)在地下水動態(tài)預(yù)測中的應(yīng)用[J]. 曹文潔,肖長來,梁秀娟,韓良躍,胡冰.  水利水電技術(shù). 2018(02)
[2]改進人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J]. 黃文明,徐雙雙,鄧珍榮,雷茜茜.  計算機工程與科學(xué). 2016(04)
[3]基于高斯變異的人工螢火蟲算法在云計算資源調(diào)度中的研究[J]. 劉運,程家興,林京.  計算機應(yīng)用研究. 2015(03)
[4]基于粒子群優(yōu)化算法的RBF神經(jīng)網(wǎng)絡(luò)在涇惠渠灌區(qū)地下水位埋深預(yù)測中的應(yīng)用[J]. 李慧,周維博,劉博洋,李娜,馬聰.  水電能源科學(xué). 2014(08)
[5]涇惠渠地下水對氣候變化和人類活動的響應(yīng)[J]. 姜鵬,劉俊民,黃一帆,張殷欽.  人民黃河. 2014(05)
[6]基于云變異人工蜂群算法的梯級水庫群優(yōu)化調(diào)度[J]. 李文莉,李郁俠,任平安.  水力發(fā)電學(xué)報. 2014(01)
[7]基于人工蜂群算法計及線路故障的配電網(wǎng)網(wǎng)絡(luò)重構(gòu)[J]. 許賢杰,周玲,蔣丹,姜凱,陳光宇.  電測與儀表. 2014(03)
[8]基于局部搜索的人工蜂群算法[J]. 劉三陽,張平,朱明敏.  控制與決策. 2014(01)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的地下水動態(tài)預(yù)測[J]. 張斌,劉俊民.  水土保持研究. 2012(05)
[10]基于人工蜂群算法與BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)評價模型[J]. 蘇彩紅,向娜,陳廣義,王飛.  環(huán)境工程學(xué)報. 2012(02)

碩士論文
[1]渠井結(jié)合灌區(qū)地下水位動態(tài)對變化環(huán)境的響應(yīng)及調(diào)控研究[D]. 張京京.西北農(nóng)林科技大學(xué) 2016
[2]基于神經(jīng)網(wǎng)絡(luò)和人工蜂群算法的水質(zhì)評價和預(yù)測研究[D]. 向娜.華南理工大學(xué) 2012



本文編號：3623629