Resumen

La predicción precisa y confiable de la profundidad del agua subterránea es un componente crítico en la gestión de recursos hídricos. En este artículo, se propuso un nuevo método basado en el acoplamiento del método de descomposición de wavelet (WA), el modelo autorregresivo de media móvil (ARMA) y la red neuronal BP (BP) para aplicaciones de pronóstico de profundidad del agua subterránea. El rendimiento relativo del modelo acoplado propuesto (WA-ARMA-BP) se comparó con los modelos autoregresivos integrados de media móvil (ARIMA) y BP regulares para el pronóstico de la profundidad media anual del agua subterránea utilizando validación cruzada de dejar uno fuera (LOO-CV). Las variables utilizadas para desarrollar y validar los modelos fueron datos de profundidad media del agua subterránea registrados de 1981 a 2010 en el Distrito de Riego del Canal Jinghui en el noroeste de China. Se encontró que el modelo WA-ARMA-BP proporcionó pronósticos más precisos de la

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Profundidad del agua subterránea; Pronóstico; Método de descomposición de ondaleta; Modelo autorregresivo de media móvil; Red neuronal BP; Serie temporal
• Keywords:Groundwater depth; Forecasting; Wavelet decomposition method; Autoregressive moving average model; BP neural network; Time series