基于某小波神经网络耦合模型地流域年均产沙量预测.docVIP

实用文案 标准文档 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 S