基于小波神经网络耦合模型的流域年均产沙量预测选编.doc

基于小波神经网络耦合模型的流域年均产沙量预测?收稿日期： 基金项目：云南省自然科学基金“气候变化对龙川江流域水资源的影响、脆弱性和适应性研究”;国家重点基础研究发展计划‘973’项目(编号:2003CB415105)资助 作者简介：男，云南昆明人，博士，主要从事水文学与气候学方面的研究. （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；3国立新加坡大学地理系, 新加坡 119260） 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。流域水文模型是由描述流域泥沙产输、降雨过程、径流形成等各个函数关系构成的一种物理结构或概念性结构，它满足流域物质和能量平衡的原理