本书介绍了民勤绿洲底下水埋深时空预测研究中的监测数据缺失问题；缺乏高效、高精度时空多序列预测模型问题；空间分布插值算法精度不高、通用性差等问题，提出了三个新的混合模型。鉴于地下水埋深时空序列的非线性本质，将分类算法、时空相关性、支持向量机、参数优化算法相结合，构建了时空数据修复混合模型；将消噪理论与广义回归神经网络相结合，构建了非线性多序列时域混合预测模型；将广义回归神经网络与时空克里金插值相结合

更多科学出版社服务，请扫码获取。

目录
前言
第1章 绪论 1
1.1 研究目的和意义 1
1.2 地下水时空预测 2
1.3 研究进展 5
1.4 研究方案及技术路线 17
1.5 本章小结 19
第2章 时空预测混合建模理论与方法 20
2.1 时空序列预测理论 20
2.2 人工神经网络 37
2.3 支持向量机 45
2.4 最小二乘支持向量机 47
2.5 模型参数优化 48
2.6 欧氏距离鉴别不完整序列理论 58
2.7 交叉验证算法 59
2.8 小波分析 60
2.9 时空克里格插值 63
2.10 本章小结 64
第3章 研究区概况 65
3.1 研究区基本情况 66
3.2 水资源概况 75
3.3 本研究应用数据说明 84
3.4 本章小结 88
第4章 地下水埋深时空缺失数据修复 89
4.1 SOM-FLSSVM 模型的构建 90
4.2 时空混合模型SOM-FLSSVM 说明 90
4.3 民勤地下水埋深时空缺失数据修补 94
4.4 对比模型 98
4.5 模型应用 106
4.6 本章小结 107
第5章 民勤地下水埋深时空序列时域预测 109
5.1 M-WA-GRNN 混合模型介绍 110
5.2 M-WA-GRNN 模型建立 111
5.3 研究区时域预测模型的建立 112
5.4 模型效果评价指标 113
5.5 模型比较 113
5.6 结果分析与讨论 118
5.7 本章小结 123
第6章 研究区地下水埋深时空插值 124
6.1 模型构建 124
6.2 GRNN-STK 模型 124
6.3 对比模型 126
6.4 精度比较与结果分析 127
6.5 本章小结 139
第7章 结论与讨论 140
7.1 主要创新点 140
7.2 不足与展望 140
参考文献 142
彩图