神經(jīng)網(wǎng)絡(luò)在地下水資源預(yù)測(cè)中的應(yīng)用研究一、簡(jiǎn)介二、ANN模型研究進(jìn)展及原理三、地下水資源系統(tǒng)ANN模型的建立四、結(jié)論和建議地下水資源系統(tǒng)各部分之間具有復(fù)雜的非線性關(guān)系，因此不可能用簡(jiǎn)單的線性函數(shù)加以確定性描述;同事，由于含水系統(tǒng)的空間變異，實(shí)際研究過(guò)程中會(huì)出現(xiàn)數(shù)據(jù)多變性、所需數(shù)據(jù)的不完整性以及系統(tǒng)參數(shù)的不確定性，一些精確的研究方法在描述地下水系統(tǒng)非線性關(guān)系時(shí)常會(huì)陷入多種困境中。簡(jiǎn)介：地下水資源數(shù)值方法，能夠描述形狀不規(guī)則的區(qū)域及含水層非均質(zhì)、各向異性和復(fù)雜的邊界條件，可以處理河流入滲、大氣降水補(bǔ)給、各種抽水、排水、溶質(zhì)交換和蒸發(fā)在時(shí)空分布上的變化，從而解決其他計(jì)算方法不易解決的復(fù)雜問(wèn)題，具有較強(qiáng)的優(yōu)勢(shì)，隨著計(jì)算機(jī)的普及，數(shù)值法已經(jīng)成為地下水資源評(píng)價(jià)中的主要方法之一。但是，作為分布參數(shù)模型的數(shù)值法對(duì)數(shù)據(jù)資料在數(shù)量和精度上都有較高的要求，以對(duì)研究區(qū)含水層系統(tǒng)進(jìn)行準(zhǔn)確合理的概化和建模、計(jì)算和評(píng)價(jià)。鑒于地下水系統(tǒng)影響因素如此復(fù)雜，有時(shí)對(duì)某些研究區(qū)域的研究程度不能滿足分布參數(shù)模型的計(jì)算要求，而更適于從系統(tǒng)的觀點(diǎn)出發(fā)，將它們看做一個(gè)整體，應(yīng)用系統(tǒng)理論建立集中參數(shù)模型，從整體上加以分析，研究和解決問(wèn)題，ArtificialNeuralNetwork（ANN）模型就是其中一種。ANN模型產(chǎn)生于1943年，其獨(dú)特的結(jié)構(gòu)和信息處理方法，在許多專(zhuān)業(yè)實(shí)際應(yīng)用領(lǐng)域取中取得了顯著成效，并被證明運(yùn)算速度和精度在一定程度上優(yōu)于同類(lèi)其他方法，同時(shí)具有適應(yīng)能力強(qiáng)等優(yōu)點(diǎn)，是一種行之有效的數(shù)據(jù)處理和分析方法。進(jìn)入80年代已去得了一系列突破性的進(jìn)展，它的最大優(yōu)點(diǎn)在意并不需要對(duì)所研究對(duì)象了如指掌，在對(duì)已有數(shù)據(jù)合理分析的基礎(chǔ)之上，對(duì)輸入數(shù)據(jù)進(jìn)行快速并行處理。ANN模型研究進(jìn)展及原理：具有很強(qiáng)的自適應(yīng)、自學(xué)習(xí)、容錯(cuò)和抗干擾能力，善于聯(lián)想、概括和推理，找出事物之間隱藏的復(fù)雜規(guī)律。

采用誤差反向傳播算法的BP神經(jīng)網(wǎng)絡(luò)模型是最常用的ANN模型，它由一個(gè)輸入層X(jué)，n個(gè)隱層，一個(gè)輸出層Y組成，相鄰層節(jié)點(diǎn)由權(quán)值連接，層間激勵(lì)函數(shù)一般取為西格蒙德函數(shù)，信息由X向Y層流動(dòng)，期望輸出與實(shí)際輸出之間的誤差按照梯度下降原理由輸出層向輸入層反向傳播，調(diào)整權(quán)值，滿足誤差精度要求得到的最終權(quán)值矩陣即可作為評(píng)價(jià)因子對(duì)系統(tǒng)進(jìn)行識(shí)別、分析。理論已經(jīng)證明，以西格蒙德函數(shù)作為激勵(lì)函數(shù)的三層BP神經(jīng)網(wǎng)絡(luò)可以對(duì)任意多元函數(shù)進(jìn)行逼近，實(shí)現(xiàn)任意有界多元函數(shù)的映射關(guān)系。一、地下水水位動(dòng)態(tài)ANN模擬模型建立研究區(qū)內(nèi)地下水水位動(dòng)態(tài)7個(gè)主要影響因子與區(qū)內(nèi)25個(gè)觀測(cè)孔豐水期水位年變幅之間的3層BPANN模型，通過(guò)模型學(xué)習(xí)，進(jìn)行系統(tǒng)參數(shù)識(shí)別。這些觀測(cè)孔盡量沿漏斗軸向選取，同時(shí)考慮全區(qū)，以便控制整個(gè)流場(chǎng)。地下水資源系統(tǒng)ANN模型的建立：二、降水量、蒸發(fā)量預(yù)測(cè)ANN模型在進(jìn)行地下水資源預(yù)報(bào)之前，首先需要生成區(qū)內(nèi)未來(lái)年份的氣象系列------降水量P和蒸發(fā)量E時(shí)間序列，傳統(tǒng)的時(shí)間序列分析采用AR(p)、MA(q)、或ARMA(p、q)建立動(dòng)態(tài)模型進(jìn)