基于IL-HMMs预测模型的地下水埋深预测研究
2018-01-17岳德鹏YANGDi张启斌
农业机械学报 2017年12期
关键词:模型
苏 凯 岳德鹏 YANG Di 于 强 马 欢 张启斌
(1.北京林业大学精准林业北京市重点实验室, 北京 100083; 2.佛罗里达大学地理系, 盖恩斯维尔 FL32611)
引言
地下水是我国北方尤其是西北地区重要供水水源[1],是维持区域社会经济发展的首要基础,对维护区域生态可持续发展起着重要作用[2]。由于地下水持续过量开采引起的地面沉降以及生态恶化问题时有发生,有必要对地下水埋深动态变化进行研究[3]。根据地下水位监测资料,对区域的地下水现状水位进行预测跟踪,监测水位变化状况,防止地下水位持续下降,为区域地下水资源开发利用和保护提供重要技术支撑[4],从而达到水资源的可持续开发利用的目的。
目前国内外用于地下水位埋深预测的方法主要有时间序列分析法、神经网络法、马尔可夫法、卡尔曼滤波法[5]及基于机器学习的支持向量机(SVM)法。尽管这些方法在实际应用中有一定的预测效果,但是在资料相对缺乏时误差往往较大而达不到预测精度。如:传统的时间序列分析法与神经网络法,对时间序列的平稳性、正态性、独立性有较高要求,且不适用于复杂时间序列;支持向量机(SVM)法尽管有效地解决了数据的非线性、小样本等问题[6],但仍有不少问题,如SVM的核函数参数的选择对运行结果影响很大,而核函数参数的选择通常需要依靠经验[7]。另外传统的机器学习方法需要保存所有的历史训练数据,每当有新训练数据加入时,都需要从头开始重新训练以保证模型对新数据的适应性,浪费大量的时间、存储和计算资源[8]。……
登录APP查看全文
