人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高，说明神经网络方法不仅简单、实用，又具有很强的处理地下水动态非线笥及周期性变化问题的能力，可以在地下水动态等方面广泛使用。     

贵阳市岩溶地下水动态特征分析

本文根据贵阳市近10年的地下水监测资料,采用传统统计方法对岩溶地下水水位、流量、水质动态特征进行了分析.结果表明:①岩溶地下水水位动态变化为多峰型、单峰型、平缓型三种年动态特征类型.②流量动态特征为锯齿型.③根据地下水质量标准(GB/T14848-93),对研究区8种易污染的离子进行统计发现硝酸盐、亚硝酸盐、氨氮3种离子浓度超标,地下水达到Ⅲ～V类水,岩溶地下水受到不同程度的三氮污染.以上结论可以为该区今后岩溶水资源的可持续开发利用和保护提供依据.     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型,对涡北井田地下水水质进行了评价,并与灰色聚类结果进行了比较。结果表明,BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价地下水水质简便可靠,预测精度高,具有通用性和客观性。     

水文预报的人工神经网络方法

本文在水文学文献上首次应用人工神经网络模型（ＡＮＮ）对广东省目前最大的飞来峡水电枢纽工程控制水文站北江横石站的日均及逐时流量进行了预报，资料包括５年洪水季节的逐时流量和全年的日均流量。研究表明能有效的模拟非线性的实际水文系统。本文提出的模型与现有的ＣＡＲ，ＡＲ和ＲＷＴＬ等线性模型进行了比较，为此鉴别了１４９个模型，ＡＮＮ模型在明显的增加了预报长度同时提高了预报精度。     

应用动量BP算法对地下水水位进行动态预测

作者在收集已有观测井地下水位资料的基础上,利用人工神经网络技术中的动量ＢＰ算法对上海地区第Ⅲ承压含水层的地下水水位进行了动态预测,结果表明,该法具有较高的预测精度。     

频谱分析方法在地下水动态预报中的应用

以线性系统频谱分析方法为理论依据，将受天然和人工两方面因素控制而呈非平急状态的地下水动态序列，化为平稳序列。根据对含水系统输入和输出的谱分析，确定系统的频谱响应函数，利用逆傅里叶变换，给出系统的脉冲响应函数，从而建立地下水动态随机预模型。     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势，采用BP算法，基于大量矿井突水样本实例建立了突水预报神经网络模型，并将该模型用于实际预报，并取得了较好的效果。结果表明，模型具有较强的实用性。为了提高模型的预测精度，在训练样本的选择上还应具有一定的代表性。     

人工神经网络进行电力系统短期负荷预报的几个问题的探讨

研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。     

岩溶地下水渗漏污染研究

在贵州岩溶地区，由于废渣堆场选址和防渗处理措施不当，产生岩溶渗漏，使强酸碱废水污染了岩溶地下水，直接影响了岩溶水资源的开发利用。根据对各种废渣堆场渗漏污染的勘查，归纳出3种渗漏类型，并分析了污染效应，应用动态系统模型和混合稀释模型。进行了预测评价，为渗漏污染治理提出了治理措施并取得了显著的效果。     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统，根据地下水水位与其影响因素之间存在的相关关系，建立了一个基于神经网络的地下水水位预测模型，并将其用于研究区地下水水位的预测，结果表明该方法具有较高的预测精度。     

基于ANN的大石板滑坡区地下水位非线性预测

采用BP神经网络模型建立了大石板滑坡在降雨条件下,地下水位下降雨过程之间的非线性关系,并预测了诱发滑坡的1983年6-7月典型降雨过程引起的地下水位。为大石板滑坡地下水渗流分析特征水头边界条件和反分析滑坡体土体的饱和渗透系数Ks提供了基本的水文地质资料。     

Groundwater Level Predictions Using Artificial Neural Networks

IntroductionThe prediction of groundwater level fluctuation fordifferent natural conditions and usage rates is ofgreat importance for the use and management ofgroundwater resources.However,groundwaterlevel fluctuations are influenced by many factors,such as precipitation,infiltration,usage and thehydro- geological properties of the aquifer.Therefore,the groundwater level fluctuations arecomplicated and difficult to predict,especially indeep areas.Wells are commonly drilled tounderstand aquifer…     

人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。     

人工神经网络技术在水质动态预测中的应用

根据前人研究,上海地区地下水的水质变化主要受人工开采和回灌活动的影响,然而,由于地下水流动的复杂性,水质变化与采灌井的开采量及回灌量之间存在着完全非线性的关系;加一方面,人工神经网络技术具有较强的解决矛盾样本（即非线性问题）的能力,因此,作者在收集已有观测资料的基础上,利用人工神经网络技术对上海地区第Ⅲ承压含水层的矿化变化进行了预测。算例表明,应用该法进行单井预测的相对误差只有2.07%,多井预测的相对误差小于1.5%。     

地下水流量预测的线性神经网络法

地下系统是一个复杂的随机系统。根据降水量与地下水流量之间的相关关系，建立线性神经网络模型，并且将其用于地下水流量的动态预测。     

基于人工神经网络的棉花黄萎病预测系统

介绍了一种使用非单调函数作为隐层节点的激励函数的前馈多层神经网络模型构造棉花黄萎病预测系统。该系统能够较好地解决局部极小问题 ,并且运算速度快 ,性能良好 ,预测准确。     

地下水人工回灌过程中微生物堵塞的预测

基于微生物生长模型与多孔介质渗透理论,耦合微生物生长量与介质渗透性变化的定量关系,建立了地下水回灌过程中沿入渗途径上微生物堵塞程度的预测模型.进而利用该模型,计算了平谷地区采用不同雨洪水源进行地下回灌可能引起的微生物堵塞程度,结果显示微生物堵塞主要发生在近地表的0.5m范围内,渗透系数降低幅度最大仅为2.3%.     

人工神经网络与计算机

探讨人工神经网络的计算机实现,从软件和硬件两方面阐述其实现过程,并从其数学算法中导出了计算机的实现算法.