论文部分内容阅读
水资源问题是当今世界面临的重要问题之一,而地下水的不合理开发利用已经产生了一系列的负面效应,因此,如何确保地下水资源的可持续开发与利用已经成为水资源研究领域的一个重要方向。本文在前人对地下水位埋深研究的基础上,选取保定市市区为研究区,收集有关的气象水文及地下水监测资料,搜集文献整理历史资料,利用灰色理论及人工神经网络方法,通过整理计算对研究区地下水位埋位深动态特征进行了分析,构建研究区地下水位埋深预测模型,取得的主要成果有:(1)分析研究区近年来的降水、地下水开采状况,选取研究区1990~2014年的地下水位埋深观测资料,并对该研究区地下水位埋深变化特征进行了分析,地下水位埋深动态变化类型主要为降水入渗-开采型。选取观测资料较全面的典型的三口地下水监测井,分别分析在丰水年、平水年和枯水年的月平均地下水位埋深变化规律,得出地下水位埋深年内变化与降水量的大小有密切关系,丰水年降水量偏大,农业开采量相对减少,地下水位埋深减小,枯水年降水量偏小,农业开采量相对增大,地下水位埋深增大。而研究区地下水位埋深由于人工开采量增大,加之近些年又多出现偏枯年,因此年际变化大致呈增加趋势。(2)在前人对本研究区地下水研究成果的基础上,建立了地下水位埋深优化GM(1,1)预测模型及BP神经网络预测模型,优化GM(1,1)模型是通过分析过去的地下水位埋深序列预测未来地下水位埋深,充分利用了地下水位埋深长序列观测资料的自身内在规律,预测平均相对误差仅为3.64%,模型预测效果较好。BP神经网络则是充分考虑了影响地下水位埋深的外部因素,如降水量、开采量等,预测平均相对误差为5.41%,预测精度不高,主要是由于方法本身的缺陷:不易确定隐含层层数和隐含层的节点数以及BP算法容易陷入局部较小,并且收敛速度较慢。(3)综合考虑灰色预测模型及BP神经网络预测模型各自的优势,建立了优化灰色-神经网络预测模型,此组合模型同时具备了灰色理论和神经网络的优点,弥补了二者的缺点,最终得到的预测平均相对误差绝对值仅为1.29%,预测精度高于任何一种单一方法模型,如果在仅有研究区地下水位埋深数据序列的情况下,要对未来地下水位埋深进行预测,那么就可以采用本文构建的优化灰色模型对未来地下水位埋深进行预测;如果有研究区降水量、开采量等基础资料与地下水位埋深数据序列,就可利用优化灰色-神经网络预测模型对未来地下水位埋深进行预测。因此,本文能够为未来保定市市区地下水位埋深的预测研究提供了模型依据,为相关部门管理地下水提供了新的方法和新的思路。