基于小波神经网络耦合模型的流域年均产沙量预测要点分析.doc

基于小波神经网络耦合模型的流域年均产沙量预测( （1 云南师范大学旅游与地理科学学院，云南 昆明，650092；2 云南财经大学，云南 昆明，650211） 摘要：本文引入小波神经网络耦合模型对流域年均产沙量进行了定量研究。由于流域的地质、地貌、土壤在一定时间尺度内具有相对稳定的特性，选出年降雨量、年均气温、年径流量、大雨降雨量、暴雨降雨量、蒸发量、日照时数和汛期降雨量等八个要素作为模型的气候水文输入因子，而以耕地面积、林地面积、水库库容、公路修建、水土保持面积、裸地面积、年采矿量及年末总人口等八个要素作为模型的人类活动输入因子，对流域年均产沙量进行了定量建模预测。建模结果表明小波神经网络耦合模型不仅拟合精度高，而且预测效果好，从而为流域产沙的定量研究提供了新的途径。 关键词：流域；年均产沙量；小波神经网络耦合模型；盘龙河流域 中图分类号: 文献标识码: 文章编号: Wavelet Network Model for Yearly Average Sediment Yield of River Basin. (1 The College of Tourism and Geography Sciences, Yunnan Normal University, Kunming 650093 China; 2 Yunnan University of Finance and Economics, Kunming 650221 China；3 Department of Geography, National University of Singapore 119260, Singapore) Abstract: The Wavelet Network model was applied to predict the yearly average sediment yield in a river basin. Due to the landform, geological, soil conditions are relative stability during period of time, this research selects the water discharge, rainfall, temperature, heavy rain, rainstorm, amount of evaporation, sunshine hours and the flood season rainfall as the main climate-hydrological factor of the model, and selects the plantation area, woodland area, reservoir storage capacity, road construction, water and soil conservation area, bare land area,yearly mining amout and total population as the main human activity factor of the model to establish the yearly average sediment yield model based on wavelet network for prediction. The result shows that the wavelet network model not only possesse high accuracy of fitness but also attains high precise prediction as well. Key words：basin; yearly average sediment yield; wavelet network model;Panlong basin 1 相关研究概述 流域产沙量是水利工程规划设计的重要参数，也是流域土壤侵蚀的重要指标。关于流域产沙量的研究是当今自然地理学研究的重要课题，已有不少国内外学者对此进行了探索，其中的流域水文模型则是重要的研究方向。[2]。1969年，Freeze和Harlan第一次提出了关于分布式物理模型的概念，这类模型的特点是模型的参数具有明确的物理意义，可以通过对连续方程和动力方程的求解而准确的描述流域水文的物理过程。其参数充分考虑空间变异性，具有较好的移植性，因此在模拟土地利用、植被变化等方面具有更强的优势[3]。如SHE模型(System Hydrologic European)是最早的分布式水文模型的代表，该模型共有