气候变化对洪水灾害影响研究进展.pdf

1 1
1 1
1 1
1 1
1
第 24卷第 12期自然资源学报 Vol 24 No 1 2
2009年 12月 JOURNAL OF NATURAL RESOURCES Dec., 200 9
2
基于人工神经网络的莺落峡月径流模拟预测
2
2 张勃, 王海青, 张华
2
(西2北师范大学地理与环境科学学院,兰州 730070)
摘要: 莺落峡是黑河干流出山口径流量的重要控制站,莺落峡径流量的多少直接影响着该流域
经济、社会的发展和生态环境保护,水资源分配和调度的管理和决策。论文基于人工神经网络,
对莺落峡径流进行了模拟预测。将月径流分为汛期和非汛期,分别建立 BP人工神经网络,通过
对径流分类前后的模型进行比较,发现分类后的月径流 BP模型的性能显然优于未分类的模型,
故此设计了 4种不同气候情景,采用分类后的模型对莺落峡 2030年的径流量进行了预测。即,
在降水量不变、气温增加 0 5 ℃, 2030年莺落峡年径流量将增加 8 92% ;气温增加 1 ℃、降水量
不变,年径流量将减少 5 414% ;气温不变、降水量增加 10% ,年径流量将增加 9 905% ;气温增
加 0 5 ℃、降水量增加 10% ,年径流量将增加 8 98%。
关键词: BP人工神经网络; 径流模拟和预测; 莺落峡; 月径流量
中图分类号: P333 9 文献标志码: A 文章编号: 1000 - 3037 (2009) 12 - 2169 - 09
由于黑河流域的水资源总量少,再加上社会经济的发展和人类不合理的利用,中游地
区大量引水,使得上中下游的水事矛盾突出,出现了一系列生态环境问题。水问题是引
起这一系列问题的关键,莺落峡是黑河干流出山口径流量的控制站,莺落峡径流量的多
少直接影响着该流域经济、社会的发展和生态环境保护。因此,对莺落峡径流量进行模
拟预测,可以为黑河流域未来水资源的合理利用和调度及上下游制定合理的分水方案提
供依据和信息基础[ 1 ] 。
陈仁升等、蓝永超等、楚永伟等、周剑等分别利用 Topmodel模型、Local Modeling模型、
前期影响因子预报模型与时间序列组合模型、改进的 MMS模型对莺落峡出山径流进行了预
报[ 2 5 ] ;陈仁升等应用 GRNN神经网络模型计算了西北干旱区内陆河流域出山径流[ 6 ] ;徐中
民等探讨了人工神经网络方法在径流预报中的应用[ 7 ] 。本文利用人工神经网络方法首次
对黑河出山口径流进行汛期和非汛期模拟预测。
人工神经网络是一种数据驱动模型,由于其较为精确的模拟预测效果,越来越多地被应
用到径流模拟预报和预测上[ 8 14 ] 。在西北内陆地区,采用人工神经网络对径流进行模拟的
很少,从已有的研究成果看[ 6 7 ] ,在对径流模拟预测时,没有对径流进行分类,影响了预测的
精度,因为在不同的季节,影响径流变化的因素不一样,因此在建立模型的过程中需要考虑
不同的径流影响因素,防止模型把一些噪声数据吸纳进来,提高模型的泛化能力。因此本文
在对径流进行分类的基础上分别建立预测模型,以期取得理想的预测效果。
收稿日期: 2008 - 03 - 11; 修订日期: 20