基于BP算法的地下水模拟中 加速因子的确定

doi:10.7523/j.issn.2095-6134.2011.1.008

中国科学院大学学报 ›› 2011, Vol. 28 ›› Issue (1): 51-56.DOI: 10.7523/j.issn.2095-6134.2011.1.008

基于BP算法的地下水模拟中加速因子的确定

马荣¹, 刘继朝¹, 石建省¹, 王虎²

1. 地质科学院水文地质环境地质研究所,石家庄 050803;
2. 中国石油大学(北京),北京 102249

收稿日期:2010-03-09 修回日期:2010-05-24 发布日期:2011-01-20
基金资助:
国家重点基础研究发展规划(2010CB428800)和中国地质科学院水文地质环境地质研究所项目(SK201015)资助 

Determination of the acceleration factor in groundwater simulation process through BP algorithm

MA Rong¹, LIU Ji-Chao¹, SHI Jian-Sheng¹, WANG Hu²

1. Institute of Hydrogeology and Environmental Geology,CAGS, Shijiazhuang 050803,China;
2. China University of Petroleum(Beijing), Beijing 102249,China

Received:2010-03-09 Revised:2010-05-24 Published:2011-01-20

摘要/Abstract

摘要：

在大型线性方程组的超松弛迭代法求解中,加速因子经常难以确定.应用BP神经网络对其进行训练学习,经过对比分析,得到最佳模型,应用该模型可快速确定加速因子.将该方法应用于石家庄市栾城水文试验基地,计算结果表明,BP人工神经网络有效地解决了地下水数值模拟中加速因子难以确定的问题.

关键词: 地下水数值模拟, 加速因子, 超松弛迭代法, 神经网络

Abstract:

In applying the successive over-relaxation iteration method to solve large-scale linear equations,one often has difficulties in determining the acceleration factor.Through training and learning using BP neural network and comparative analyses, we obtained a good model,which could be used for fast determination of the acceleration factor.We used it in the Luancheng hydrology experimental base in Shijiazhuang,and the results show that BP artificial neural network has been successfully used in solving the difficult problem, determination of the acceleration factor in the groundwater numerical simulation process.

Key words: groundwater numerical simulation, acceleration factor, successive over-relaxation iteration method, neural network

中图分类号:

P641

马荣, 刘继朝, 石建省, 王虎. 基于BP算法的地下水模拟中加速因子的确定[J]. 中国科学院大学学报, 2011, 28(1): 51-56.

MA Rong, LIU Ji-Chao, SHI Jian-Sheng, WANG Hu. Determination of the acceleration factor in groundwater simulation process through BP algorithm[J]. , 2011, 28(1): 51-56.

参考文献

[1] 薛禹群,谢春红.地下水数值模拟
[M].北京:科学出版社,2007.

[2] 戈卢布 G H,范洛恩 C F.矩阵计算
[M].袁亚湘译.北京:科学出版社,2001.

[3] Zeng M L.Weighting-relaxation Relative Method
[J].Journal of Putian University,2008,15(2):30-33(in Chinese). 曾闵丽.加权-对称超松弛迭代法
[J].莆田学院学报,2008,15(2):30-33.

[4] Maleknejad K,Safdari H.Parallel algorithm for solving linear systems arising from PDE and integral equation
[J].Applied Mathematics and Computation,2004,15(2):443- 453.

[5] Wang S R.Successive over relaxation iteration method to find the solution of sparsity linear equation system
[J].Journal of Shenyang Normal University: Natural Science,2006,24(4):408- 410(in Chinese). 王诗然.稀疏线性方程组求解的逐次超松弛迭代法
[J].沈阳师范大学学报:自然科学版,2006,24(4):408- 410.

[6] 马东升.数值计算方法
[M].北京:机械工业出版社,2002.

[7] Hu F,Yu F X.The selection method of the Relaxation factor ω in successive over-relaxation Iteration algorithm
[J]. Journal of Qinghai Normal University: Natural Science, 2006(1):43- 46(in Chinese). 胡枫,于福溪.超松弛迭代法中松弛因子的选取方法
[J].青海师范大学学报:自然科学版,2006(1):43- 46.

[8] 焦李成.神经网络系统理论
[M].西安:西安电子科技大学出版社,1990.

[9] Anurag More,Deo M C.Forecasting wind with neural network
[J].Marine Structure,2003(16):35- 49.

[10] 董长虹.神经网络与应用
[M].北京:国防工业出版社,2005.

[11] Chi Z F,Yan Z Z,Huang B.Water quality evaluation model based on genetic algorithm and BP algorithm
[J].Journal of Chongqing University of Science and Technology: Natural Sciences Edition,2009,11(1):122-124(in Chinese). 蚩志锋,闫珍珠,黄彪.基于遗传算法与BP算法的水质评价模型
[J].重庆科技学院学报:自然科学版,2009,11(1):122-124.

[12] Neuman S P,Witherspoon P A.Applicability of current theories of flow in leaky aquifers
[J].Water Resource. Research,1969,5:817- 829.

[13] 孙讷正.地下水流的数学模型和数值方法
[M].北京:地质出版社,1981.

[14] Wu Q,Chen P P,Dong D L, et al.Hazard assessment system for ground fissure based on coupling of ANN and GIS: a case study of ground fissures in Yuci City, Shanxi Province
[J].Seismology and Geology,2002,24(2):249-257(in Chinese). 武强,陈珮珮,董东林,等.基于GIS与ANN耦合技术的地裂缝灾情非线性模拟预测系统:以山西榆次地裂缝灾害为例
[J].地震地质,2002,24(2):249-257.

[15] Wang H X,Wu M F.An accelerated overrelaxation iterative linear system with strictly diagonally dominant matrix
[J].Journal of WuYi University: Natural Science Edition,2004,18(2):23-26(in Chinese). 汪宏喜,吴明芬.具有严格对角占优矩阵的线性系统的加速超松弛迭代法
[J].五邑大学学报:自然科学版,2004,18(2):23-26.

[16] Lin Y K,Cai G Q.Probabilistic structural dynamics:advanced theory and applications
[M].1995.

[17] Woj Tkicwice S F,Bergmanla.High fidelity numerical solutions of the Fokker-Planck equation //Shiraishi,Shinozuki and Wen.Structural Safety and Reliability,1998:933-940.

[18] Xue Y Q.Present situation and prospect of groundwater numerical simulation in China
[J].Geological Journal of China Universities,2010,16(1):1-6(in Chinese). 薛禹群.中国地下水数值模拟的现状与展望
[J].高校地质学报,2010,16(1):1-6.

基于BP算法的地下水模拟中加速因子的确定

Determination of the acceleration factor in groundwater simulation process through BP algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	王慧玲, 谢卓辰, 梁旭文. 单粒子翻转对神经网络的影响分析与优化[J]. 中国科学院大学学报, 2021, 38(6): 832-840.
[2]	于文欣, 李凯, 周明拓, 李剑, 杨旸. 面向三维信道幅值预测的自适应神经网络[J]. 中国科学院大学学报, 2021, 38(5): 678-686.
[3]	钱欢, 谢卓辰, 梁旭文. 基于dropout算法的卷积神经网络单粒子翻转容错方法[J]. 中国科学院大学学报, 2021, 38(5): 712-719.
[4]	纪玉峰, 郑敏, 谭冲, 刘洪. 基于神经网络的车联网频谱感知组合算法[J]. 中国科学院大学学报, 2021, 38(4): 549-556.
[5]	肖亚楠, 周伟, 崔杰, 刘亭亭, 肖灵. 一种LSTM神经网络和卡尔曼滤波相结合的复合材料承载预测方法[J]. 中国科学院大学学报, 2021, 38(3): 374-381.
[6]	胡莉娜, 高盛华. 基于层次化标签的人体解析[J]. 中国科学院大学学报, 2020, 37(6): 820-827.
[7]	冯齐心, 杨辽, 王伟胜, 陈桃, 黄双燕. 基于时序光谱重构的卷积神经网络遥感农作物分类[J]. 中国科学院大学学报, 2020, 37(5): 619-628.
[8]	王虹, 徐佑宇, 谭冲, 刘洪, 郑敏. 基于改进粒子群的BP神经网络WSN数据融合算法[J]. 中国科学院大学学报, 2020, 37(5): 673-680.
[9]	唐思琦, 韩丛英, 郭田德. 基于机器学习的点集匹配算法[J]. 中国科学院大学学报, 2020, 37(4): 450-457.
[10]	胡亮, 肖俊, 王颖. 基于多维度特征和MLP的岩体点云植被滤波方法[J]. 中国科学院大学学报, 2020, 37(3): 345-351.
[11]	薛建伟, 唐亮, 卜智勇. 基于神经网络的认知无线电合作频谱感知[J]. 中国科学院大学学报, 2020, 37(3): 379-386.
[12]	宋晗, 杨炜暾, 耿修瑞, 赵永超. 基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报, 2020, 37(2): 169-176.
[13]	王惠君, 赵桂萍, 李良, 张威, 齐荣, 刘珺. 基于卷积神经网络(CNN)的泥质烃源岩TOC预测模型——以鄂尔多斯盆地杭锦旗地区为例[J]. 中国科学院大学学报, 2020, 37(1): 103-112.
[14]	宋旭鸣, 沈逸飞, 石远明. 基于深度学习的智能移动边缘网络缓存[J]. 中国科学院大学学报, 2020, 37(1): 128-135.
[15]	王健飞, 张卫强, 刘加. 基于多状态跳转模型的场景独立音频事件检测方法[J]. 中国科学院大学学报, 2019, 36(2): 218-225.

基于BP算法的地下水模拟中 加速因子的确定

Determination of the acceleration factor in groundwater simulation process through BP algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

基于BP算法的地下水模拟中加速因子的确定