基于 MLP-ADAM 的地下水水位预测人工智能混合深度学习模型
机器学习
2021-07-30 v1 地球物理
摘要
地下水是淡水资源的最大储库，作为大多数人类通过农业、工业和家庭供水消费的主要储备。在水文学领域，一些研究者应用神经网络预测时空降雨强度，并介绍了神经网络相比数值模型的优势。随后，许多应用数据驱动模型的研究得以开展。其中一些研究扩展了人工神经网络（ANNs）模型，以显著精度在可变状态、抽水开采和气候条件下预测半承压冰碛砂砾含水层的地下水位。本文应用多层感知机来模拟地下水位，并采用自适应矩估计优化算法处理此事。均方根误差、平均绝对误差、均方误差和决定系数（ ）用于评估模拟地下水位的精度。模型输出得到的总 值和 RMSE 分别为 0.9458 和 0.7313。结果表明深度学习算法能展现出高精度的预测。尽管参数优化在数值上不显著，但由于建模设置中时间的价值，强烈建议建模中应用优化算法。
引用
@article{arxiv.2107.13870,
title = {Artificial Intelligence Hybrid Deep Learning Model for Groundwater Level Prediction Using MLP-ADAM},
author = {Pejman Zarafshan and Saman Javadi and Abbas Roozbahani and Seyed Mehdi Hashemy and Payam Zarafshan and Hamed Etezadi},
journal= {arXiv preprint arXiv:2107.13870},
year = {2021}
}