地下水位動態(tài)分析研究方法—以許昌市備用水源地淺層地下水為例.pdf

1、分類號:密級:UDC:單位代碼:10078華北水利水電大學(xué)碩士學(xué)位論文地下水位動態(tài)分析研究方法—以許昌市備用水源地淺層地下水為例ResearchontheGroundwaterdynamicmethod—UsingXuChangsparewatershallowgroundwaterasanexample研究生姓名：李騰超指導(dǎo)教師：姜寶良專業(yè)名稱：地質(zhì)工程所在學(xué)院：資源與環(huán)境學(xué)院2017年5月摘要地下水位動態(tài)分析研究方法—以許昌市備用水

2、源地淺層地下水為例摘要水位動態(tài)是地下水系統(tǒng)對外界各輸入信息激勵地下水系統(tǒng)的反應(yīng)輸出，也是地下水系統(tǒng)在自然和人為因素共同影響下力圖維持其自身平衡的反應(yīng)。本文在掌握麥嶺水源地多年的降水量、開采量、地下水位等多年動態(tài)資料的前提下，利用GM（1，1）、ARMA、BP神經(jīng)網(wǎng)絡(luò)等方法，采用MATLB7.0、SPSS及EVIEWS7.2等軟件對水源地的淺層地下水位的動態(tài)變化規(guī)律進行分析，建立有關(guān)模型。（1）根據(jù)2000~2015年收集的水位、降水及開

3、采量資料，對麥嶺水源地淺層地下水位動態(tài)進行分析，確定水源地地下水位動態(tài)變化的主要影響因素：開采量、降水量等。對地下水位多年逐月動態(tài)變化規(guī)律進行分析，得出襄20主要受降水和開采影響，襄3、襄14主要受降水影響。（2）對水源地襄20、襄3、襄14的地下水位分別建立了GM（1，1）、ARMA（2，1）及BP神經(jīng)網(wǎng)絡(luò)模型。GM（1，1）模型平均相對誤差分別為為0.74%、0.66%、0.51%，擬合效果一般。ARMA（2，1）模型的平均相對誤差

4、分別為0.49%、0.44%、0.39%，擬合效果較好。BP神經(jīng)網(wǎng)絡(luò)加入了影響地下水位的因素，平均相對誤差分別為1.02%、1.37%、1.14%，精度一般，在三種模型中精度最低，這與BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)收斂速度慢、容易陷入局部極小值，無法得到全局最優(yōu)解等缺點有關(guān)。（3）對上述三種模型進行組合，發(fā)揮了每種模型的優(yōu)勢，建立GMARMABP神經(jīng)網(wǎng)絡(luò)，彌補了單一模型的不足，最終得出的平均相對誤差分別為0.19%、0.29%、0.24%，精度比三