论文部分内容阅读
傍河开采地下水利用地表水与地下水联系密切且可以相互转化的规律,有效地增加了地下水可开采量。我国许多地区尤其是水资源缺乏的北方城市,常常傍河布设水源井抽取地下水作为城市主要供水,沈阳即为典型代表。浑河流经沈阳市,直接参与地下水水循环,是该地区地下水主要补给源。然而,目前浑河水水质令人堪忧,使得饮用水质量难以保障、饮水安全受到威胁。因此,深入浑河周边地下水水质水位变化的预测方法研究,为水源地管理及水厂供水的水质安全提供保障。本文首先对比分析了几种地下水动态预测方法,认为灰色系统理论、模糊数学等理论存在着预测时间短、弱化随机性数据的规律等缺点,而神经网络模型和支持向量机模型具有泛化能力强,鲁棒性和容错性好等特点,适合用在数据资料缺乏的地区。因此,文中选取这两种理论预测模型作为此次研究区地下水水质水位预测模型。建立以matlab为平台的神经网络模型和在DOS环境下调用libsvm可执行文件实现的支持向量机模型,通过比较这两种模型的预测结果,得出如下结论:1)水质预测BP模型,以2000-2008年为训练样本,以2008年水质为比较样本,采用单井预测和多井预测。输入输出层神经元个数为8和1时,模型误差最小;确定隐含层节点数时,以模型迭代次数少且预测精度高为依据,得出单井氨氮预测隐含层节点数为6,多井氨氮预测为9;水位预测模型隐含层节点数为9。2)分析氨氮和硝酸盐氮预测结果,多井预测精度高于单井预测。然而由于亚硝酸盐氮数据重复性高,导致模型学习泛化能力较低,所以预测精度很低。3)单井、多井水质预测氨氮浓度结果(2010-2014年)和真实值(2000-2009年)比较,单井预测结果更依赖于真实值,且无法消除极大值对模型预测结果的影响。多井预测结果均匀分布,且消除了少数较大值对模型的影响,说明多井预测结果可靠性较好。4)在水质、水位预测模型中,支持向量机预测结果精度都高于神经网络模型,这表明支持向量机模型具有更好的泛化能力强。