基于BP神经网络的PLEIK模型改进及应用——以本溪市岩溶地下水脆弱性评价为例OA
将PLEIK模型首次应用于辽宁地区岩溶水脆弱性研究,并对PLEIK模型进行修改,添加了坡度和地下水水质2项指标,利用BP神经网络赋予权重,建立基于BP神经网络算法的BP-PLEIKTZ模型,并进行2种模型评估结果的对比。通过计算硝酸盐浓度相关系数进行模型验证。结果表明:当选择Levenberg-Marquardt算法进行训练、设定学习率为0.0001、隐含层神经元数量设为5时,BP神经网络的表现最佳,此时获得最优的评估因子权重;BP-PLEIKTZ模型的硝酸盐相关系数高于PLEIK模型;研究区地下水脆弱性以中脆弱性为主,占62.23%,低脆弱性次之,占34.05%,高脆弱性最少,占3.72%。BP-PLEIKTZ模型的硝酸盐浓度相关性系数更高,评估的高脆弱性区域面积更大且分布更符合实际,表明该模型在本溪岩溶区具有更高的灵敏度和精度。
王英刚;高梓洋;岳景鹏;赵杨帆;唐小涵
沈阳大学区域污染环境生态修复教育部重点实验室,辽宁沈阳110044沈阳大学区域污染环境生态修复教育部重点实验室,辽宁沈阳110044沈阳大学区域污染环境生态修复教育部重点实验室,辽宁沈阳110044沈阳大学区域污染环境生态修复教育部重点实验室,辽宁沈阳110044沈阳大学区域污染环境生态修复教育部重点实验室,辽宁沈阳110044
建筑与水利
辽宁岩溶地下水脆弱性评估PLEIKBP神经网络参数权重
《沈阳大学学报(自然科学版)》 2026 (2)
P.116-123,8
东北地质科技创新中心2023年度区创基金资助项目(OCJJ2023-39)地下水污染控制与修复教育部工程研究中心开放基金资助项目(GW202309)。
评论