论文部分内容阅读
水是生存的前提，是社会的第一需要，是制约人类生产、生活的重要因素。地下水资源对于西部干旱区农业发展、人类活动及生态环境建设具有重要意义。由于地下水赋存条件的制约，关于地下水的数据资料采集难度较大，因此，通过模型对地下水资源的水量、水质及地下水埋深进行模拟和预测是地下水研究的重要途径之一。因此，选择一种合适的模型对干旱区地下水埋深进行模拟预测，对于研究地下水资源分布特征及储存量都具有重要意义。
民勤作为石羊河下游、巴丹吉林沙漠和腾格里沙漠交汇处的绿洲盆地，一方面承载着石羊河下游地区人民的生产生活；另一方面，承担着阻隔巴丹吉林和腾格里两大沙漠合拢、入侵的重任，在西北及全国生态格局中占居重要地位。
BP人工神经网络是目前应用最为广泛的神经网络模型之，具有优越的并行计算能力、分布式储存能力、非线性映射能力、自适应、自学习等优势，对处理具有复杂非线性特点的地下水动态变化具有独特的优势。因此，本文采用BP算法的改进型，即基于Bayesian正则化的Levenberg-Marquardt算法的BP人工神经网络进行地下水位的动态模拟预测。
在前人对民勤绿洲地下水所做大量观测和研究的基础上，分析了民勤绿洲地下水多年变化趋势及其影响因素，并通过分析得到地下水位变化的主要影响因素有两方面：一是来源于红崖山水库每年灌溉期人工调控下的下泄水量；二是地下水开采量。在了解了民勤绿洲地下水位变化的影响因素后，确定以民勤绿洲逐月灌溉量、红崖山水库下泄水量、月累计降水量、月平均蒸发量、月平均气温和时间序列因子6项作为BP网络模型的输入端因子。选择在民勤绿洲的坝区、泉山区和湖区三个灌区的地下水埋深作为研究对象，分别选择民勤县三雷乡下雷五社、红沙梁乡建设二社以及中渠乡院内的观测井作为典型井，使用这三个井11年(1990-2000年)逐月地下水位动态观测资料作为神经网络模型的3个输出端神经元，即目标向量。通过Matlab的神经网络工具箱函数进行编程，选取部分样本进行反复模拟训练，最终确定6：45:3的网络结构。之后以前8年数据作为训练样本，对后3年地下水位逐月数值进行预测模拟，最后用实际观测值进行预测精度的检验。结果表明：相对原始BP神经网络，改进型BP神经网络对于干旱区绿洲地下水预测，其模拟值与实测值之间的相关系数无明显差异，但对于数据的整体变化趋势表现处更好的模拟效果；在99％的置信区间内进行的配对样本T检验得到结果同样显示，改进后的BP网络预测值同原始BP网络的预测值相比，相对实测值的相关性明显前者优于后者。此外，改进型BP网络相对于原始BP网络的收敛速度虽然更慢，但由于收敛所需步数大大少于原始BP网络，因此收敛时间更短。最后结论表明，使用改进型BP网络对干旱区绿洲地下水位的动态变化可以更好地进行模拟预测。