基于SSA-RBF神经网络模型在岩溶地下水位预测中的研究

作     者：郑世龙 李虎 王中华 柯洋 张占彪 ZHENG Shilong;LI Hu;WANG Zhonghua;KE Yang;ZHANG Zhanbiao

作者机构：武汉市勘察设计有限公司湖北武汉430000 

出 版 物：《城市勘测》 (Urban Geotechnical Investigation & Surveying)

年 卷 期：2024年第4期

页      面：200-204页

学科分类：081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 

主　　题：岩溶地下水预测 奇异谱分析方法 径向基神经网络 

摘      要：以武汉地区岩溶地下水位精准预测为研究对象,建立了基于奇异谱分析方法(SSA)改进的RBF神经网络时间序列预测模型:首先利用SSA对地下水位实时监测数据进行去噪处理提取水位变化趋势,再利用径向基(RBF)神经网络时间序列模型对去噪后的数据进行预测。选取2020-2021年武汉地区的岩溶水位数据进行处理分析,结果表明:①基于SSA改进的RBF神经网络模型较单独使用RBF神经网络模型预测精度提高了50%;②SSA-RBF神经网络预测模型在岩溶地下水位的预测方面表现良好,对未来24小时岩溶地下水位的预测误差最大不大于0.2 m,预测精度达到99%以上。