摘要
文中通过重构相空间,将混沌理论与Elman神经网络相结合,实现了地下水位动态系统的映射和其动态演变特性的模拟预报.采用C-C算法和G-P算法分别计算延迟时间和嵌入维数,以此确定关联维数,并用Wolf方法计算最大的Lyapunov指教以识别成阳市013号井水位埋深的混沌特性,在此基础上建立地下水位动态预报的混沌Elman神经网络模型,用于模拟013号井2009年的部分水位埋深,其拟合结果表明:该混沌Elman神经网络模型具有良好的泛化能力,相对误差介于0%~0.65%;相较于BP网络(相对误差为0.07%~0.91%),混沌Elman神经网络模型有着更高的模拟精度,可为地下水位的动态预报提供参考.