Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Citado por Google
- Similares em SciELO
- Similares em Google
Compartilhar
Earth Sciences Research Journal
versão impressa ISSN 1794-6190
Resumo
CHAOYANG, Shi e ZHANG, Zhen. Método de predicción de la capacidad de carga de los recursos hídricos regionales basado en una red neuronal artificial. Earth Sci. Res. J. [online]. 2021, vol.25, n.2, pp.169-177. Epub 15-Out-2021. ISSN 1794-6190. https://doi.org/10.15446/esrj.v25n2.81615.
Para predecir la capacidad de carga de los recursos hídricos con mayor precisión y orientar mejor las actividades sociales y económicas, se propone un método de predicción de la capacidad de carga de los recursos hídricos regionales basado en una red neuronal artificial. El condado de Zhaozhou se selecciona como el área de investigación de la predicción de la capacidad de carga de los recursos hídricos, y se exploran sus características geográficas naturales, la economía social y la situación de los recursos hídricos. De acuerdo con las características regionales de cantidad y utilización de los recursos hídricos y el énfasis de la evaluación, el sistema de índice de evaluación de la capacidad de carga de los recursos hídricos se construye para evaluar la importancia y el grado de correlación de la capacidad de carga de los recursos hídricos, y el grado de presión de la capacidad de carga de los recursos hídricos se divide en cinco grados. De acuerdo con el estándar de evaluación de la capacidad de carga, se construye el modelo de red neuronal BP de inteligencia artificial. Con base en los principales factores de impacto de la capacidad de carga de los recursos hídricos en esta área, el grado de capacidad de carga de los recursos hídricos se obtiene mediante el cálculo del peso y la iteración de convergencia utilizando el modelo de red neuronal y los datos de factores de influencia, para realizar la predicción de la capacidad de carga de los recursos hídricos. Los resultados de la investigación muestran que el modelo de red puede satisfacer la demanda de precisión y los resultados de la predicción tienen un alto grado de ajuste con los datos reales, lo que indica que la inteligencia humana puede obtener resultados de predicción precisos en el proceso de predicción de la capacidad de carga de los recursos hídricos.
Palavras-chave : Red neuronal artificial; Red neuronal BP; Recursos hídricos regionales; Capacidad de carga de recursos hídricos; Predicción de la capacidad de carga.