期刊首页 优先出版 当期阅读 过刊浏览 作者中心 关于期刊 English

《中国工程科学》 >> 2004年 第6卷 第8期

基于RBF神经网络的水文地质参数识别

1.天津大学管理学院,天津 300072

2.中国地质大学水资源与环境学院,北京 100083

收稿日期: 2003-09-23 修回日期: 2003-11-14 发布日期: 2004-08-20

下一篇 上一篇

摘要

水文地质参数识别问题是水文地质学上的一个难题。针对传统水文地质参数识别方法的局限性,提出了水文地质参数识别的径向基函数(RBF )神经网络方法,并通过算例验证了它的可行性与有效性,实现了水文地质参数的自动识别,提高了计算效率,比BP神经网络具有更好的参数识别效果。

图片

图1

图2

图3

参考文献

[ 1 ] ZioE .Approachingtheinverseproblemofparameterestimationin groundwatermodelsofartificialneuralnetworks[J].ProgressinNuclearEnergy, 1997, 31 (3) :301~315

[ 2 ] BalkehairKS .Aquiferparametersdeterminationforlargediameterwellsusingneuralnetworkapproach[J].JournalofHydrology, 2002, 265:118~128

[ 3 ] 刘国东, 丁 晶.应用人工神经网络求算含水层参数[J].工程勘察, 1997, (1) :25~28 链接1

[ 4 ] 邵景力, 魏加华, 崔亚莉.用遗传算法求解地下水管理模型[J].地球科学, 1998, 23 (5) :532~536 链接1

[ 5 ] GiacobboF , MarseguerraM , ZioE .Solvingtheinverse problemofparameterestimationby geneticalgorithms:thecaseofa groundwatercontaminanttransportmodel[J].AnalysisofNuclearEnergy, 2002, 29:967~981

[ 6 ] PrasadKL , RastogiAK .EstimatingnetaquiferrechargeandzonalhydraulicconductivityvaluesforMahiRightBankCanalprojectarea, Indiabygeneticalgorithm[J].JounalofHydrology, 2001, 243:149~161

[ 7 ] MoodyJ , DarkenC .Fastlearninginnetworksoflocallytunedprocessing[J].NeuralComputation, 1989, (1) :281~289

[ 8 ] NeumanSP .CalibrationofdistributedparametergroundwaterflowmodelsviewedasaMultiple objectivedecisionprocessunderuncertainty[J ].WaterResourcesResearch, 1973, 9 (4) :1006~1021

[ 9 ] 刘国东.新理论新方法在水科学中的应用[D].成都:四川联合大学, 1997

[10] 飞思科技产品研发中心.MATLAB 65辅助神经网络分析与设计[M ].北京:电子工业出版社, 2003.72~74 链接1

相关研究