基于小波神经网络耦合模型的流域年均产沙量预测VIP免费

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；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:WaveletNetworkModelforYearlyAverageSedimentYieldofRiverBasin.(1TheCollegeofTourismandGeographySciences,YunnanNormalUniversity,Kunming650093China;2YunnanUniversityofFinanceandEconomics,Kunming650221China；3DepartmentofGeography,NationalUniversityofSingapore119260,Singapore)Abstract:TheWaveletNetworkmodelwasappliedtopredicttheyearlyaveragesedimentyieldinariverbasin.Duetothelandform,geological,soilconditionsarerelativestabilityduringperiodoftime,thisresearchselectsthewaterdischarge,rainfall,temperature,heavyrain,rainstorm,amountofevaporation,sunshinehoursandthefloodseasonrainfallasthemainclimate-hydrologicalfactorofthemodel,andselectstheplantationarea,woodlandarea,reservoirstoragecapacity,roadconstruction,waterandsoilconservationarea,barelandarea,yearlyminingamoutandtotalpopulationasthemainhumanactivityfactorofthemodeltoestablishtheyearlyaveragesedimentyieldmodelbasedonwaveletnetworkforprediction.Theresultshowsthatthewaveletnetworkmodelnotonlypossessehighaccuracyoffitnessbutalsoattainshighprecisepredictionaswell.Keywords：basin;yearlyaveragesedimentyield;waveletnetworkmodel;Panlongbasin1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。自20世纪60年代以来，随着计算机的出现和发展，及模拟技术的不断深入，流域水文模型也得到快速发展，大致经历了概念性模型和分布式物理模型两个阶段[1]。20世纪60～70年代流域水文模型的主要发展是概念性模型，这类模型的基本思想是将流域水文过程概化为一系列的数学计算元件，并组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.合成一个系统。较为有名的包括Stanford模型、Sacramento模型、Tank模型、Boughton模型以及国内的新安江模型[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(SystemHydrologicEuropean)是最早的分布式水文模型的代表，该模型共有18个参数，大部分具有物理意义，这些参数可由流域特征确定。SHE模型的物理基础和计算的灵活性使它适用于多种资料条件[4,5]。80年代以来，水文模型研究开始把土壤-植物-大气作为物理上的动态系统，并按能量...