洮河流域汛期日径流与含沙量过程预报
|
摘要
洮河红旗站是刘家峡水库入库站，其主管单位西北电管局为提高电网水调管理水平，获得最大经济效益，决定建立水调自动化系统，其中水情自动测报系统是个重要组成部分。本论文结合此实际课题，针对水情自动测报系统中的现有水文预报模型结构复杂、参数多、率定和修正较困难等缺点，对如何选择水文模型，提高预报精度进行了研究；另外，为保障供水安全，对入库含沙量过程进行了探讨。
论文的主要内容和结果如下：
1．分析研讨了洮河流域的流域特征、主要自然地理要素对水文的影响，以及降雨径流要素的变化规律。确定岷县站以上流域是洮河的主要产流区。
2．根据流域的观测资料条件采用由秦毅提出的具有成因概念的系统模型(System Model of Genesis，简称SMG模型)进行洮河红旗站日径流过程预报。该模型简单易行，对资料条件要求不高，且对降雨径流有较好模拟效果，能反映一定水文规律。结果显示方案精度等级为甲等水平，可用于实际作业预报。
3．在实时校正中运用神经网络方法进行误差预报，并根据研究的具体情况对BP神经网络进行了适当的改进。校正结果显著地提高了预报方案的确定性系数。
4．分析了流域水沙特性：洮河流域泥沙的主要产地是李家村-红旗区间的黄土地区；汛期(6-9月)输沙量占多年平均的81％以上。
5．通过对流域侵蚀产沙输沙影响因素的分析，在预报流量的基础上，尝试性地建立降雨含沙量过程的耦合模型，以保证供水水质。
Hongqi station of Tao River is the entrance station of Liujiaxia reservoir. To improve the management both in network and water dispatching and to obtain maximum economic profits, the reservoir operation section of North-west electricity management bureau, the superior of liujiaxia development, decides to set up a system of reservoir automation operation which includes an automatic system of hydrological situation forecasting, a important part of the automation operation system. Taking this practical requirement as study background, this thesis worked on the selection of hydrologic forecasting model and the improvement in forecast precision for the practicing models are complicated in structure, difficulty in multi-parameter calibration, and hard in model updating, for instance, the Xinganjiang model, and the most important thing of all is the fact that there is no sufficient observed data to establish such a model. In addition, this thesis also made an attempt to forecast the hydrograph of suspended sedim
ent for guarantying the safety of water supply from reservoir. The main contents of this thesis and conclusions are shown as follows: 1. Analyze the hydrologic characteristics of Tao River basin, the influence on the hydrology progress imposed by physiographic factors, and variation of the relationship between rainfall and runoff. Identified that the region above
Minxian station is the key area of runoff-yield
2. With the observations and by using SMG (System Model of Genesis) model proposed by Qinyi, the daily runoff hydrograph at Hongqi station of Tao River is forecasted. The results showed that SMG model is simple for applying and not strict with data. The performance of the model had reached the first level according to the special standard, which inferences that the model reflects certain hydrologic behavior. Therefore it is suggested to be applied to practical forecasting.
3. Error correction is an important task to real time forecasting. Neural network method was adopted here to build an updating model which predicts the error used in forecast error correction. Proper improvements for BP neural network were also made according to the actual situation. The rectified results show that the determine coefficient of the model has been increased remarkably.
4. By analyzing the runoff and sediment characteristics of Tao River basin, it can be concluded that the main sediment-yield region is loess area between Lijia village and Hongqi zone where sediment yield in flood season (June to September) is more than 81 percent of the mean averaged over years.
5. Based on the forecasting flow from the real-time forecasting model mentioned above, this thesis tentatively set up the coupling model of rainfall and suspended sediment to serve the water quality control and water supply.
论文的主要内容和结果如下：
1．分析研讨了洮河流域的流域特征、主要自然地理要素对水文的影响，以及降雨径流要素的变化规律。确定岷县站以上流域是洮河的主要产流区。
2．根据流域的观测资料条件采用由秦毅提出的具有成因概念的系统模型(System Model of Genesis，简称SMG模型)进行洮河红旗站日径流过程预报。该模型简单易行，对资料条件要求不高，且对降雨径流有较好模拟效果，能反映一定水文规律。结果显示方案精度等级为甲等水平，可用于实际作业预报。
3．在实时校正中运用神经网络方法进行误差预报，并根据研究的具体情况对BP神经网络进行了适当的改进。校正结果显著地提高了预报方案的确定性系数。
4．分析了流域水沙特性：洮河流域泥沙的主要产地是李家村-红旗区间的黄土地区；汛期(6-9月)输沙量占多年平均的81％以上。
5．通过对流域侵蚀产沙输沙影响因素的分析，在预报流量的基础上，尝试性地建立降雨含沙量过程的耦合模型，以保证供水水质。
Hongqi station of Tao River is the entrance station of Liujiaxia reservoir. To improve the management both in network and water dispatching and to obtain maximum economic profits, the reservoir operation section of North-west electricity management bureau, the superior of liujiaxia development, decides to set up a system of reservoir automation operation which includes an automatic system of hydrological situation forecasting, a important part of the automation operation system. Taking this practical requirement as study background, this thesis worked on the selection of hydrologic forecasting model and the improvement in forecast precision for the practicing models are complicated in structure, difficulty in multi-parameter calibration, and hard in model updating, for instance, the Xinganjiang model, and the most important thing of all is the fact that there is no sufficient observed data to establish such a model. In addition, this thesis also made an attempt to forecast the hydrograph of suspended sedim
ent for guarantying the safety of water supply from reservoir. The main contents of this thesis and conclusions are shown as follows: 1. Analyze the hydrologic characteristics of Tao River basin, the influence on the hydrology progress imposed by physiographic factors, and variation of the relationship between rainfall and runoff. Identified that the region above
Minxian station is the key area of runoff-yield
2. With the observations and by using SMG (System Model of Genesis) model proposed by Qinyi, the daily runoff hydrograph at Hongqi station of Tao River is forecasted. The results showed that SMG model is simple for applying and not strict with data. The performance of the model had reached the first level according to the special standard, which inferences that the model reflects certain hydrologic behavior. Therefore it is suggested to be applied to practical forecasting.
3. Error correction is an important task to real time forecasting. Neural network method was adopted here to build an updating model which predicts the error used in forecast error correction. Proper improvements for BP neural network were also made according to the actual situation. The rectified results show that the determine coefficient of the model has been increased remarkably.
4. By analyzing the runoff and sediment characteristics of Tao River basin, it can be concluded that the main sediment-yield region is loess area between Lijia village and Hongqi zone where sediment yield in flood season (June to September) is more than 81 percent of the mean averaged over years.
5. Based on the forecasting flow from the real-time forecasting model mentioned above, this thesis tentatively set up the coupling model of rainfall and suspended sediment to serve the water quality control and water supply.
引文
[1] 葛守两，现代洪水预报技术[M]．中国水利水电出版社，1999，11．
[2] 刘玉林，梁贵生，黄河上游洪水特性及其防治[J]．甘肃水利水电技术，38(2)，2002：99-101．
[3] 郭同章，张建勋，傅金镒，黄河上游水土流失预测模型[M]．科学出版社，1996．
[4] 陆建华，刘金清，流域产、汇流研究的进展及展望[J].北京水利，(4)，1995：3-6．
[5] 赵人俊，流域水文模拟—新安江水文模型和陕北模型[M]．水利水电出版社，1984．
[6] 芮孝芳，姜文斌，产流理论与计算方法的若干进展与评述[J]．水文，(4)，1997：16-19．
[7] 芮孝芳，地貌瞬时单位线研究进展[J]．水科学进展，(3)1999：345-350．
[8] 胡彩虹，郭生练，熊立华，彭定志，黄河流域水文模型研究现状与进展[J]．西北水资源与水工程，14(1)，2003：5-12．
[9] 刘金清，陆建华，国内外水文模型概论[J]．水文，(4)，1996：4-8．
[10] 文康，李琪，等．地表径流过程的数学模拟[M]．水利电力出版社，1994．
[11] 夏军，河川径流预报的水文系统理论与方法[J]．水文情报预报学术交流会论文选集，1992，9
[12] 万洪涛，万庆，周成虎，流域水文模型研究的进展[J].地球信息科学，(4)，2000：46-50
[13] 芮孝芳，洪水预报理论的新进展及现行方法的适用性[J]．水利水电科技进展，21(5)，2001：1-4．
[14] 陈守煜，模糊水文学与水资源系统模糊优化原理[M]．大连理工大学出版社，1990年．
[15] 陈守煜，中长期水文预报综合分析理论模式与方法[J]．水利学报，(8)，1997：15-21
[16] 吴超羽，张文，水文预报的人工神经网络方法[J]．中山大学学报(自然科学版)，33(1)，1994：79-90．
[17] 权先璋，蒋传文，张勇传，径流预报的混沌神经网络理论及应用[J]．武汉城市建设学院学报，16(3)，1999：33-36．
[18] 丁晶，金菊良，杨晓华，袁鹏，基因算法在水科学中的应用[J]．人民长江，30增刊，1999：13-15．
[19] 熊立华，郭生练，胡彩虹，TOPMODEL在流域径流模拟中的应用研究[J]．水文，(5)，2002：5—8．
[20] 王中根，刘昌明，黄友波，SWAT模型的原理、结构及应用研究[J]．地理科学进展，22(1)，2003：79-86．
[21] 郭生练，熊立华，等．基于DEM的分布式流域水文物理模型[J]．武汉水利电力大学学报，(6)，2000：1—6．
[22] 郭生练，熊立华，等．分布式流域水文物理模型的应用和检验[J]．武汉大学(工学版)，(1)，2001：1—5．
[23] 任立良，流域数字水文模型研究[J]．河海大学学报，8(4)，2000：1—7。
[24] 任立良，刘新仁，基于DEM的水文物理过程模拟[J]．地理研究，12(4)，2000：369—376．
[25] 王中根，刘昌明，吴险峰，基于DEM的分布式水文模型研究综述[J]。自然资源学报，18(2)，2003：168-173．
[26] 张恭肃等，洪水预报系统[M]．水利电力出版社，1989．
[27] [美]Vijay P．Singh著，水文系统流域模拟[M]．赵卫民，等译，黄河水利出版社，2000．
[28] 张光辉，土壤侵蚀模型研究现状与展望[J]．水科学进展，13(3)，2002：389-396:
[29] 白清俊，流域土壤侵蚀预报模型的回顾与展望[J]．人民黄河，21(4)，1999：18-21．
[30] 田磊，戴静，祁永刚，流域侵蚀产沙模型评述[J]．水土保持研究，9(4)，2002：77-79，
[31]王国庆，王云璋，产汇流及产沙输沙数学模型研究综述[J]．西北水资源与水工程，9(3)，1998：27-31．
[32]符素华，黄土高原产流产沙模型研究[D]．西安理工大学硕士论文，1998．
[33]汤立群，流域产沙模型的研究[J]．水科学进展，7(1)，1996：47-53．
[34]蔡强国，陆兆熊，王贵平，黄土丘陵沟壑区典型小流域侵蚀产沙过程模型[J]．地理学报，51(2)，1996：108-116．
[35]李怀恩，沈晋，非点源污染数学模型[M]．西北工业大学出版社，1996．
[36]林三益，水文预报[M]．中国水利水电出版社，2001．
[37]长江水利委员会，水文预报方法[M]．水利电力出版社，1993．
[38]王厥谋，水文情报预报文集[M]．黄河水利出版社，2000，10．
[39]郭生练，夏军，叶守泽，水文系统模型超前预报方法探讨[J]．人民长江，(8)，1992．
[40]李蝶娟，周冰清，自回归总径流线性模型在洪水预报中的应用[J]．水科学进展，3(2)，1992．
[41]叶守泽，夏军，水文科学研究的世纪回眸与展望[J]．水科学进展，13(1)，2002：93-104．
[42]Martin T Hagan，Howard B．Demuth，Mark H．Beale著，戴葵等译，神经网络设计[M]．机械工业出版社，2002，197-255．
[43]王栋，曹升乐，人工神经网络在水文水资源水环境系统中的应用研究进展[J]．水利水电技术，30(12)，1999：4-7．
[44]王科俊，王克成，神经网络建模、预报与控制[M]．哈尔滨工程大学出版社，1996．
[45]Drasko Furundzic, Application example of neural networks for time series analysis: Rainfall-runoff modeling, Signal Processing 64 (1998): 383-396
[46]K.C. Luk, J.E. Ball, A. Sharma, A study of optimal model lag and spatial inputs to artificial neural network for rainfall forecasting, Journal of Hydrology 227 (2000): 56—65
[47] ChUn-Chieh Yang. Artificial Neural Network Model for Subsurface-Drained Farmlands, Journal of Irrigation and Drainage Engineering.July. 1997(7).
[48] KIN C. LUK, J. E. BALL AND A. SHARMA, An Application of Artificial Neural Networks for Rainfall Forecasting, Mathematical and Computer Modelling 33(2001): 883-699
[49] Ahmed Gamal El-Din, Daniel W.Smith, A neural network model to predict the wastewater inflow incorporating rainfall events, Water Research 36 (2002): 1115-1126
[50] 许东，吴铮，基于MATLAB6．X的系统分析与设计——神经网络(第二版)[M]．西安电子科技大学出版社，2002，19-24
[51] 陈一梅，徐造林，基于神经网络的河道浅滩演变预测模型[J]．水利学报，2002，8：70-71
[52] 杨荣富，丁晶，刘国东，具有水文基础的人工神经网络初探[J]．水利学报，1998，8
[53] 王玲，黄国如，改进的BP网络模型在流域日径流量预测中的应用[J]．水电能源科学，21(1)，2003：32-34
[54] A.J.Abebe, P.K.Price, Enhancing flood forecasts via complementary modeling, Flood Defence'2002 Volume Ⅱ,853-860.
[55] Prakash C. Swain, Flow prediction with artificial neural networks, Flood Defence' 2002 Volume Ⅱ, 877-883.
[56] Zongxue Xu, Kuniyoshi Takeuchi, and Hiroshi Ishidaira, Application of artificial neural network technique in real-time flood forecasting, Flood Defence'2002 Volume Ⅱ, 884-891.
[57] X.H.Dong, C.B.Vreugdenhil, Balancing between generalization and over-fitting: ANN-based modeling for flow forecasting, Flood Defence'2002 Volume Ⅱ,892-900.
[58] M.S.Markar, Richy T.F.Kwan, and A.L.Conroy, Mingxin Li, Jing Zheng, and
Lina An, Evaluation of five hydrologic models for real-time flood forecasting use in the Yangtze River catchment, Flood Defence'2002 Volume Ⅱ,901-907.
[59] Kung S.Y, An Algebraic Projection Analysis for Optimal Hidden Units Size and Learning Rate in Back-Propagation Learning, International Conference on Neural Network, USA, 1988:363-370.
[60] 王文成，BP神经网络中自适应学习率的研究[J]．计算机科学，22(4)，1995：48-50．
[61] 张乃尧，阎平凡著，神经网络与模糊控制[M]．清华大学出版社，1998年．
[62] 焦李成著，神经网络系统理论[M]．西安电子科技大学出版社，1990年．
[63] 李鸿雁，刘寒冰，苑希民，刘树坤，人工神经网络峰值识别理论及其在洪水预报中的应用[J]．水利学报，(6)，2002：15-20
[64] 杨旭，冯国章，基于BP网络的中长期水文预报精度影响分析[J]．东北水利水电，21(2)，2003：1-2．
[65] 张翔，宋星原，夏军，短期洪水预报的变结构神经网络模型[J]．水电能源科学，20(1)，2002：12-14．
[65] 覃光华，丁晶，刘国东，自适应BP算法及其在河道洪水预报上的应用[J]水科学进展，13(1)，2002：37-40．
[66] 覃光华，丁晶，陈彬兵，预防过拟合现象的人工神经网络训练策略及其应用[J]．长江科学院院报，19(3)，2002：59-61．
[67] 巨军让，卓戎，BP神经网络在MATLAB上的方便实现[J]．新疆石油学院学报，11(2)，1999：42-46．
[68] 熊立华，郭生练，王元，神经网络在洪水实时预报中的应用研究[J]．水电能源科学，20(3)，2002：28-31．
[69] 瞿思敏，包为民，实时洪水预报综合修正初探[J]．水科学进展，14(2)，2003：167-171．
[70] 崔涛，多维时间序列模型在洮河红旗站的应用[J]．水文，21(2)，2001：51-53.
[71] 宋星原，郭生练，张国庆等，柘溪水电站入库洪水实时预报模型研究[J]．水文，(6)，1999：19-21．
[72] 宋星原，苏志诚，枫树坝水库洪水实时预报校正方法研究[J]．人民珠江，(3)，2000：13-15．
[73] 郭磊，赵英林，基于误差自回归的洪水实时预报校正算法的研究[J]．水电能源科学，20(3)，2002：25-27．
[74] 许全喜，人工神经网络模型在流域水沙预报中的应用[J]．人民长江，31(5)，2000．30-32
[75] Rao S.Govindaraju and M. Levent Kavvas, Modeling the erosion process over steep slopes: approximate analytical solutions, Journal of hydrology, 127 (1991).
[76] Meyer L.D. and Wischmeier W.H. Mathematical simulation of the process for soil erosion by water, Trans. ASAE, 12(6),1969,7.
[77] Foster G.R. Evaluation of rainfall-runoff Erosion Factors for individual storms, Transactions of the ASAE, 1982.
[78] 包为民，流域泥沙模型中雨量资料的时空尺度分析[J]．水土保持通报，19(2)，1999：36-43．
[79] 包为民，下垫面因素对产沙时变影响分析[J]．地理科学，14(1)，1994：73-100
[80] 李占斌，符素华，靳顶，流域降雨侵蚀产沙过程水沙传递关系研究[J]．土壤侵蚀与水土保持学报，3(4)，1997：34-39．
[81] 李怀恩，沈冰，樊尔兰，黑河流域水沙关系模型及其应用[J]．土壤侵蚀与水土保持学报，5(4)，1999：62-65．
[82] 肖培青，郑粉莉，上方来水来沙对细沟侵蚀产沙过程的影响[J]．水土保持通报，21(1)，2001：23-38．
[83] J．K．Evans，J．F．Gottgens，W．M．Gill，S．D．Mackey，试验研究流域内泥沙的沉积和运移对产沙量的影响[J]．水土保持科技情报，(6)，2001：18-20．
[84] 李占斌，符素华，解建仓，阮本青，窟野河流域暴雨侵蚀产沙研究[J]．水利学报，增刊，1998：18-23．
[85] 蔡明扬，黄河中游大理河地区输沙过程的估算模式[J]．河海大学学报，22(4)，1994：14-20．
[86] Daniel Yoder and Joel Lown, The future of Result: Inside the new evised Universal soil loss equation, Journal of soil and water conservation, 50(5), 1995: 484-489.
[87] Williams.J.R. etal, Sediment Yield Prediction Based on Watershed Hydrology[J], TRANSACTIONS of the ASAE,20(6), 1977:1100-1104.
[88] J.Perrone, C.A.Madraimootoo, 利用 AGNPS 预测泥沙量[J].沙土保持科技情报, (4), 1999: 42-44.
[89] 王国庆，王云璋，渭河流域产流产沙模型及径流泥沙变化原因分析[J]．水土保持学报，14(4)，2000：22-25．
[90] 李少华，冯家山水库洪水预报调度系统的研究与开发[D]．西安理工大学硕士论文，2002．
[91] 彭清娥，坡面产流产沙神经网络模型与流域产沙系统动力学模型研究[D]．四川大学博士论文，2001．
[92] 瞿思敏，实时洪水预报系统通用模型及实时修正研究[D]．河海大学硕士论文，2001．
[93] 卢世浪，神经网络与模糊集理论在实时洪水预报中的应用研究[D]．大连理工大学硕士论文，2001．
[94] 程卫国、冯峰等编著，MATLAB5.3应用指南[M]．人民邮电出版社，2000．
[2] 刘玉林，梁贵生，黄河上游洪水特性及其防治[J]．甘肃水利水电技术，38(2)，2002：99-101．
[3] 郭同章，张建勋，傅金镒，黄河上游水土流失预测模型[M]．科学出版社，1996．
[4] 陆建华，刘金清，流域产、汇流研究的进展及展望[J].北京水利，(4)，1995：3-6．
[5] 赵人俊，流域水文模拟—新安江水文模型和陕北模型[M]．水利水电出版社，1984．
[6] 芮孝芳，姜文斌，产流理论与计算方法的若干进展与评述[J]．水文，(4)，1997：16-19．
[7] 芮孝芳，地貌瞬时单位线研究进展[J]．水科学进展，(3)1999：345-350．
[8] 胡彩虹，郭生练，熊立华，彭定志，黄河流域水文模型研究现状与进展[J]．西北水资源与水工程，14(1)，2003：5-12．
[9] 刘金清，陆建华，国内外水文模型概论[J]．水文，(4)，1996：4-8．
[10] 文康，李琪，等．地表径流过程的数学模拟[M]．水利电力出版社，1994．
[11] 夏军，河川径流预报的水文系统理论与方法[J]．水文情报预报学术交流会论文选集，1992，9
[12] 万洪涛，万庆，周成虎，流域水文模型研究的进展[J].地球信息科学，(4)，2000：46-50
[13] 芮孝芳，洪水预报理论的新进展及现行方法的适用性[J]．水利水电科技进展，21(5)，2001：1-4．
[14] 陈守煜，模糊水文学与水资源系统模糊优化原理[M]．大连理工大学出版社，1990年．
[15] 陈守煜，中长期水文预报综合分析理论模式与方法[J]．水利学报，(8)，1997：15-21
[16] 吴超羽，张文，水文预报的人工神经网络方法[J]．中山大学学报(自然科学版)，33(1)，1994：79-90．
[17] 权先璋，蒋传文，张勇传，径流预报的混沌神经网络理论及应用[J]．武汉城市建设学院学报，16(3)，1999：33-36．
[18] 丁晶，金菊良，杨晓华，袁鹏，基因算法在水科学中的应用[J]．人民长江，30增刊，1999：13-15．
[19] 熊立华，郭生练，胡彩虹，TOPMODEL在流域径流模拟中的应用研究[J]．水文，(5)，2002：5—8．
[20] 王中根，刘昌明，黄友波，SWAT模型的原理、结构及应用研究[J]．地理科学进展，22(1)，2003：79-86．
[21] 郭生练，熊立华，等．基于DEM的分布式流域水文物理模型[J]．武汉水利电力大学学报，(6)，2000：1—6．
[22] 郭生练，熊立华，等．分布式流域水文物理模型的应用和检验[J]．武汉大学(工学版)，(1)，2001：1—5．
[23] 任立良，流域数字水文模型研究[J]．河海大学学报，8(4)，2000：1—7。
[24] 任立良，刘新仁，基于DEM的水文物理过程模拟[J]．地理研究，12(4)，2000：369—376．
[25] 王中根，刘昌明，吴险峰，基于DEM的分布式水文模型研究综述[J]。自然资源学报，18(2)，2003：168-173．
[26] 张恭肃等，洪水预报系统[M]．水利电力出版社，1989．
[27] [美]Vijay P．Singh著，水文系统流域模拟[M]．赵卫民，等译，黄河水利出版社，2000．
[28] 张光辉，土壤侵蚀模型研究现状与展望[J]．水科学进展，13(3)，2002：389-396:
[29] 白清俊，流域土壤侵蚀预报模型的回顾与展望[J]．人民黄河，21(4)，1999：18-21．
[30] 田磊，戴静，祁永刚，流域侵蚀产沙模型评述[J]．水土保持研究，9(4)，2002：77-79，
[31]王国庆，王云璋，产汇流及产沙输沙数学模型研究综述[J]．西北水资源与水工程，9(3)，1998：27-31．
[32]符素华，黄土高原产流产沙模型研究[D]．西安理工大学硕士论文，1998．
[33]汤立群，流域产沙模型的研究[J]．水科学进展，7(1)，1996：47-53．
[34]蔡强国，陆兆熊，王贵平，黄土丘陵沟壑区典型小流域侵蚀产沙过程模型[J]．地理学报，51(2)，1996：108-116．
[35]李怀恩，沈晋，非点源污染数学模型[M]．西北工业大学出版社，1996．
[36]林三益，水文预报[M]．中国水利水电出版社，2001．
[37]长江水利委员会，水文预报方法[M]．水利电力出版社，1993．
[38]王厥谋，水文情报预报文集[M]．黄河水利出版社，2000，10．
[39]郭生练，夏军，叶守泽，水文系统模型超前预报方法探讨[J]．人民长江，(8)，1992．
[40]李蝶娟，周冰清，自回归总径流线性模型在洪水预报中的应用[J]．水科学进展，3(2)，1992．
[41]叶守泽，夏军，水文科学研究的世纪回眸与展望[J]．水科学进展，13(1)，2002：93-104．
[42]Martin T Hagan，Howard B．Demuth，Mark H．Beale著，戴葵等译，神经网络设计[M]．机械工业出版社，2002，197-255．
[43]王栋，曹升乐，人工神经网络在水文水资源水环境系统中的应用研究进展[J]．水利水电技术，30(12)，1999：4-7．
[44]王科俊，王克成，神经网络建模、预报与控制[M]．哈尔滨工程大学出版社，1996．
[45]Drasko Furundzic, Application example of neural networks for time series analysis: Rainfall-runoff modeling, Signal Processing 64 (1998): 383-396
[46]K.C. Luk, J.E. Ball, A. Sharma, A study of optimal model lag and spatial inputs to artificial neural network for rainfall forecasting, Journal of Hydrology 227 (2000): 56—65
[47] ChUn-Chieh Yang. Artificial Neural Network Model for Subsurface-Drained Farmlands, Journal of Irrigation and Drainage Engineering.July. 1997(7).
[48] KIN C. LUK, J. E. BALL AND A. SHARMA, An Application of Artificial Neural Networks for Rainfall Forecasting, Mathematical and Computer Modelling 33(2001): 883-699
[49] Ahmed Gamal El-Din, Daniel W.Smith, A neural network model to predict the wastewater inflow incorporating rainfall events, Water Research 36 (2002): 1115-1126
[50] 许东，吴铮，基于MATLAB6．X的系统分析与设计——神经网络(第二版)[M]．西安电子科技大学出版社，2002，19-24
[51] 陈一梅，徐造林，基于神经网络的河道浅滩演变预测模型[J]．水利学报，2002，8：70-71
[52] 杨荣富，丁晶，刘国东，具有水文基础的人工神经网络初探[J]．水利学报，1998，8
[53] 王玲，黄国如，改进的BP网络模型在流域日径流量预测中的应用[J]．水电能源科学，21(1)，2003：32-34
[54] A.J.Abebe, P.K.Price, Enhancing flood forecasts via complementary modeling, Flood Defence'2002 Volume Ⅱ,853-860.
[55] Prakash C. Swain, Flow prediction with artificial neural networks, Flood Defence' 2002 Volume Ⅱ, 877-883.
[56] Zongxue Xu, Kuniyoshi Takeuchi, and Hiroshi Ishidaira, Application of artificial neural network technique in real-time flood forecasting, Flood Defence'2002 Volume Ⅱ, 884-891.
[57] X.H.Dong, C.B.Vreugdenhil, Balancing between generalization and over-fitting: ANN-based modeling for flow forecasting, Flood Defence'2002 Volume Ⅱ,892-900.
[58] M.S.Markar, Richy T.F.Kwan, and A.L.Conroy, Mingxin Li, Jing Zheng, and
Lina An, Evaluation of five hydrologic models for real-time flood forecasting use in the Yangtze River catchment, Flood Defence'2002 Volume Ⅱ,901-907.
[59] Kung S.Y, An Algebraic Projection Analysis for Optimal Hidden Units Size and Learning Rate in Back-Propagation Learning, International Conference on Neural Network, USA, 1988:363-370.
[60] 王文成，BP神经网络中自适应学习率的研究[J]．计算机科学，22(4)，1995：48-50．
[61] 张乃尧，阎平凡著，神经网络与模糊控制[M]．清华大学出版社，1998年．
[62] 焦李成著，神经网络系统理论[M]．西安电子科技大学出版社，1990年．
[63] 李鸿雁，刘寒冰，苑希民，刘树坤，人工神经网络峰值识别理论及其在洪水预报中的应用[J]．水利学报，(6)，2002：15-20
[64] 杨旭，冯国章，基于BP网络的中长期水文预报精度影响分析[J]．东北水利水电，21(2)，2003：1-2．
[65] 张翔，宋星原，夏军，短期洪水预报的变结构神经网络模型[J]．水电能源科学，20(1)，2002：12-14．
[65] 覃光华，丁晶，刘国东，自适应BP算法及其在河道洪水预报上的应用[J]水科学进展，13(1)，2002：37-40．
[66] 覃光华，丁晶，陈彬兵，预防过拟合现象的人工神经网络训练策略及其应用[J]．长江科学院院报，19(3)，2002：59-61．
[67] 巨军让，卓戎，BP神经网络在MATLAB上的方便实现[J]．新疆石油学院学报，11(2)，1999：42-46．
[68] 熊立华，郭生练，王元，神经网络在洪水实时预报中的应用研究[J]．水电能源科学，20(3)，2002：28-31．
[69] 瞿思敏，包为民，实时洪水预报综合修正初探[J]．水科学进展，14(2)，2003：167-171．
[70] 崔涛，多维时间序列模型在洮河红旗站的应用[J]．水文，21(2)，2001：51-53.
[71] 宋星原，郭生练，张国庆等，柘溪水电站入库洪水实时预报模型研究[J]．水文，(6)，1999：19-21．
[72] 宋星原，苏志诚，枫树坝水库洪水实时预报校正方法研究[J]．人民珠江，(3)，2000：13-15．
[73] 郭磊，赵英林，基于误差自回归的洪水实时预报校正算法的研究[J]．水电能源科学，20(3)，2002：25-27．
[74] 许全喜，人工神经网络模型在流域水沙预报中的应用[J]．人民长江，31(5)，2000．30-32
[75] Rao S.Govindaraju and M. Levent Kavvas, Modeling the erosion process over steep slopes: approximate analytical solutions, Journal of hydrology, 127 (1991).
[76] Meyer L.D. and Wischmeier W.H. Mathematical simulation of the process for soil erosion by water, Trans. ASAE, 12(6),1969,7.
[77] Foster G.R. Evaluation of rainfall-runoff Erosion Factors for individual storms, Transactions of the ASAE, 1982.
[78] 包为民，流域泥沙模型中雨量资料的时空尺度分析[J]．水土保持通报，19(2)，1999：36-43．
[79] 包为民，下垫面因素对产沙时变影响分析[J]．地理科学，14(1)，1994：73-100
[80] 李占斌，符素华，靳顶，流域降雨侵蚀产沙过程水沙传递关系研究[J]．土壤侵蚀与水土保持学报，3(4)，1997：34-39．
[81] 李怀恩，沈冰，樊尔兰，黑河流域水沙关系模型及其应用[J]．土壤侵蚀与水土保持学报，5(4)，1999：62-65．
[82] 肖培青，郑粉莉，上方来水来沙对细沟侵蚀产沙过程的影响[J]．水土保持通报，21(1)，2001：23-38．
[83] J．K．Evans，J．F．Gottgens，W．M．Gill，S．D．Mackey，试验研究流域内泥沙的沉积和运移对产沙量的影响[J]．水土保持科技情报，(6)，2001：18-20．
[84] 李占斌，符素华，解建仓，阮本青，窟野河流域暴雨侵蚀产沙研究[J]．水利学报，增刊，1998：18-23．
[85] 蔡明扬，黄河中游大理河地区输沙过程的估算模式[J]．河海大学学报，22(4)，1994：14-20．
[86] Daniel Yoder and Joel Lown, The future of Result: Inside the new evised Universal soil loss equation, Journal of soil and water conservation, 50(5), 1995: 484-489.
[87] Williams.J.R. etal, Sediment Yield Prediction Based on Watershed Hydrology[J], TRANSACTIONS of the ASAE,20(6), 1977:1100-1104.
[88] J.Perrone, C.A.Madraimootoo, 利用 AGNPS 预测泥沙量[J].沙土保持科技情报, (4), 1999: 42-44.
[89] 王国庆，王云璋，渭河流域产流产沙模型及径流泥沙变化原因分析[J]．水土保持学报，14(4)，2000：22-25．
[90] 李少华，冯家山水库洪水预报调度系统的研究与开发[D]．西安理工大学硕士论文，2002．
[91] 彭清娥，坡面产流产沙神经网络模型与流域产沙系统动力学模型研究[D]．四川大学博士论文，2001．
[92] 瞿思敏，实时洪水预报系统通用模型及实时修正研究[D]．河海大学硕士论文，2001．
[93] 卢世浪，神经网络与模糊集理论在实时洪水预报中的应用研究[D]．大连理工大学硕士论文，2001．
[94] 程卫国、冯峰等编著，MATLAB5.3应用指南[M]．人民邮电出版社，2000．