地下水位预报的相空间重构神经网络模型研究

为有效揭示水资源系统复杂的非线性结构及变化规律，结合混沌理论、相空间重构理论与神经网络，研究了地下水水位预测模型，即通过相空间重构，把一维地下水水位时间序列拓展为多维序列，从而挖掘更为丰富的信息；运用混沌方法构造训练样本并确定神经网络的网络结构，用神经网络拟合相空间相点演化的非线性关系。实例计算表明．该模型具有较高的预报精度。