论文部分内容阅读
地下水是一种宝贵的自然资源,同时又是环境的基本要素。运用合理的模型对其动态变化趋势做出预报,对生产部门合理开采利用地下水以及管理部门合理决策都有着重要意义。针对运行多年水源地水文地质参数信息以及含水层系统难以识别的不足,本文展开对地下水动态预报随机性模型的研究,结合实际项目中的水源地,分别建立了水位中长期预报的非平稳时序随机耦合模型和多因子并行预测的优化神经网络模型。 同时,为使预报模型更切实、有效的应用于生产实践,本次研究在B/S模式下,按照J2EE标准,基于MVC软件设计模式及组件开发的思想,借助Struts框架,构建了面向Web的地下水动态预报系统:并借助Matlab的网络功能完成了以上两个算法模型的Web集成应用。从而实现了对数据、信息的综合管理和预报模型的实时运用,为地下水科学管理、在线决策搭建了通用平台,提出了一种新的构想。通过实例应用,证明了这一种思路在技术实现上的可行性及合理性。该系统具有较好的扩展性及可移植性,可在此初步研究成果上,进一步扩展、细化实际应用业务,使之完善成为一个地下水动态预报的综合应用服务平台。 论文主要研究内容及成果概述如下: (1)从技术研究角度出发,将地下水动态随机预报的理论研究、实例建模、算法模型Web集成贯穿一线,初步构建了全文的研究框架; (2)在地下水系统概化的基础上,分析了地下水动态特征及影响因素,提出了随机预报模型研究的必要性,并对各类地下水动态随机预报方法进行了对比汇总评价,为模型选择提供了理论依据; (3)对缺乏水位动态影响因子资料且开采稳定的多年运行水源地Ⅰ,利用周边监测井水位埋深长观资料,基于谱分析原理,借助多种随机技术,建立了时序随机耦合模型,并通过实例计算、分析对模型进行了评价; (4)对补排特征易于概化,水位动态影响因子同期资料完备的水源地Ⅱ,提出采用神经网络来模拟地下水系统的复杂非线性过程,建立了多预报因子并行预测的ANN模型。同时,结合牛顿全局优化思想。在BP网络模型的基础上,提出采用L-M优化神经