摘要:提出了一种集成人工神经网络的概念性水文模型,该模型是一种半分布式概念性水文模型,考虑了降雨的空间变异性,流域特征的不均匀性等因素对径流过程的影响。采用遗传算法进行概念性模型参数优选,同时考虑雨量站的空间分布,利用GIS和DEM数据进行流域单元划分;对于每个子流域,考虑模型输入参数和降雨资料的空间分布特性,进行产流计算;在径流演算过程中,利用人工神经网络的非线性映射方法代替传统概念模型中线性叠加方法计算整个流域的出口流量过程。以半湿润的淮河上游支流的大坡岭流域为例,对模型的可行性进行验证,并与单一的新安江模型的结果进行了比较。验证结果表明,集成人工神经网络技术和新安江模型的耦合模型有较好的模拟和预报结果。

摘要:地下水位动态变化受自然和人为因素的影响和制约,是一个复杂的非线性系统,而准确地预测地下水位变化在灌区水资源开发利用和生态环境建设中有着重要的意义。利用人工神经网络方法具有并行分布处理的高度非线性功能,对渭北黄土台原灌区典型水井地下水位进行了模拟预测。结果表明,人工神经网络有较高的预测精度,具有一定的推广应用价值。

摘要:水资源是-种战略性资源,对于区域的生态环境安全和可持续发展具有重要意义。运用GIS二次开发技术,建立了区域水资源管理信息系统。系统包括数据管理子系统、模型库子系统和水资源管理子系统。基于人工神经网络的区域水资源压力评价模型被集成在模型库子系统中,该模型通过水资源压力指数来定量地反映区域水资源状况与区域人[1、经济、环境之间的关系是否协调。分别以整个陕西省和陕西省各地市的水资源压力评价为例,对该系统模型进行了验证。结果表明,基于GIS和人工神经网络的区域水资源压力评价模型具有理论上的可行性和现实意义。最后探讨了基于GIS和人工神经网络的区域水资源压力评价模型的应用前景。

摘要:借助神经网络方法处理非线性问题的优势 ,采用径向基函数 (RBF)来构造多层前馈 BP神经网络。根据某流域水系的水质监测的数据 ,建立一个对地面水质进行判别的多层前馈网络数学模型。以地面水质污染主要的 7项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度很高 ,效果优于其它方法。

摘要:以吉林省西部地区乾安县为例，应用人工神经网络模型和趋势面分析等数学方法，对该区土壤盐渍化与地下水动态特征之间的关系进行了研究。结合土壤盐渍化的预测结果及其与地下水潜水埋深之间的关系曲线，提出了防治该区土壤盐渍化的对策。