基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究

编号 zgly0001438101

文献类型 期刊论文

文献题名 基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究

作者 范敬龙  刘海龙  雷加强  徐新文  王桂芬  钟显斌  闫健 

作者单位 中国科学院新疆生态与地理研究所  立命馆大学信息理工学研究科Emergent System研究室  中国石油塔里木油田公司 

母体文献 生态学报 

年卷期 2013年18期

年份 2013 

分类号 P641 

关键词 地下水含盐量  高斯过程  高斯过程隐变量模型  人工神经网络  沙漠腹地 

文摘内容 为了研究塔克拉玛干沙漠腹地的地下水盐分变化规律,模拟地下水盐分变化过程,评价适合该区域的地下水变化规律的模型。通过对研究区蒸发量、降水量、气温、气压、地下水位、地下水电导率数据的统计分析,揭示了地下水含盐量及其影响因素的特征;使用GP模型、GPLVM模型和BP人工神经网络模型以及综合模型,模拟了气候变化和人类活动双重影响下的地下水含盐量变化过程,并评价了模型的模拟结果。研究结果表明:(1)研究区地下水流动系统主要受气候变化和人类活动的影响,地下水位在局部地区随开采过程呈现波动变化。地下水位变化过程与气压的变化规律相一致;而气温和蒸发量的季节变化规律相一致。地下水盐分含量呈上升趋势。(2)GP模型对于地下水含盐量的预测效果最好;GPLVM模型对于已知地下水含盐量条件下,与其他环境因素进行多元回归分析的拟合效果最好。而GP、GPLVM和BP人工神经网络模型的综合模型,对于包括模型训练和模型预测的全体数据集的拟合和预测效果最好。