Resumen

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.

Introducción

Los recursos hídricos son una base material importante para apoyar el desarrollo de la sociedad humana. Es el factor de mayor impacto en la naturaleza. Al mismo tiempo, es insustituible y limitado (Li et al., 2018). Con la expansión geométrica de la población mundial, la demanda de recursos hídricos en la vida cotidiana de las personas y la producción industrial y agrícola ha cambiado mucho en calidad y cantidad. La escasez de recursos hídricos, la contaminación del agua y la baja tasa de utilización de los recursos hídricos han recibido cada vez más atención. La gente se da cuenta de que el problema de los recursos hídricos no solo restringe el desarrollo sostenible de la economía social, sino que también amenaza la supervivencia de los seres humanos (Menhas et al., 2019). Por lo tanto, debe surgir la teoría de la capacidad de carga de los recursos hídricos basada en el principio del desarrollo sostenible. La investigación sobre la capacidad de carga de los recursos hídricos puede utilizarse como herramienta para juzgar si el suministro regional de recursos hídricos y el desarrollo social se encuentran en un estado coordinado, y también puede proporcionar cierta referencia para la gestión científica de los recursos hídricos (Chenini et al., 2019).

• Materias:Recursos hídricos Inteligencia artificial Red neuronal artificial
• Subjects:Water resources Artificial intelligence Artificial Neural Network
• Palabras claves:Red neuronal artificial; Red neuronal BP; Recursos hídricos regionales; Capacidad de carga de recursos hídricos; Predicción de la capacidad de carga.
• Keywords:Artificial neural network; BP neural network; Regional water resources; Water resources carrying capacity; Carrying capacity prediction;