神经网络在水文水资源中的应用：现代中长期水文预报方法

到目前为止，神经网络的类型多达数十种，已经应用于各行各业。近年来，经过国内外专家、学者的努力，人工神经网络在水文水资源中的应用取得了令人瞩目的成果，包括降雨预报、径流预报、水质与水量预测、水库优化调度、地下水管理、水土资源利用规划等方面，这些研究大致可分为以下四大类。

6.1.4.1　分类和识别问题

分类和识别问题的研究是人工神经网络应用领域的一个重要分支，其主要应用有图像识别、语音处理、故障诊断、水文水资源领域中的水文分类预报、水文代表年的选取、灾变预测、水资源评价等。应用于这类问题研究的神经网络模型常有BP模型、Kohonen模型、Hopefield模型、CPN模型和ART模型等。这些模型中以BP模型最为常用。

文献［5］认为，水质受多个因素的影响，而且这些作用多是非线性的，水质评价的实质是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，为此，文中运用人工神经网络的反向传播（BP）算法建立了水质评价识别模型，实例表明评价精度较高。

文献［6］提出了模糊模式识别神经网络预测模型，开辟了神经网络拓扑结构建模的新思路，模型的激励函数采用了模糊模式识别模型。最后给出中长期水文预报的应用实例。

文献［7］在分析水环境承载力概念及人工神经网络技术的基础之上，从阈值角度出发，建立了基于人工神经网络的区域水环境承载力评价模型，并将其应用于辽宁省水环境承载力评价，通过模型计算得到该省水环境承载能力指数。结果表明，2000～2004 年，辽宁省水环境承载能力整体呈上升趋势，但承载力依然较弱。

文献［8］在工程模糊集理论的基础上，融合香努（Kohonen）聚类网络与自适应谐振理论（Adaptive Resonallce Theory，ART）的优点给出了一种新的模糊聚类神经网络，并将其应用于区域水资源评价中。网络模型融入模糊识别理论，增强了处理复杂水资源问题的能力，同时模糊竞争的学习算法改善了Kohonen网络学习效果。并以水资源丰富度评价与水资源承载能力评价为例验证了模型与方法的可行性与有效性。

6.1.4.2　预测和预报问题

神经网络应用于水文水资源中预测预报问题的研究主要有降水预报、径流预报、水质预测、水量预测、电力负荷需求预测等，所采用的模型有BP模型、Adaline模型等。

文献［9］在介绍人工神经网络学习算法的基础上，尝试用ABPM网络、L—M 网络和RBF网络进行水文预报，并将这几种网络的计算结果进行了比较分析，作者通过仿真计算结果表明，选择ABPM网络可以大大提高水文预测的精度，且应用前景广泛。

文献［15］首先构造出人工神经网络非线性时序模型，然后用该模型进行单变量和多变量时间序列预报研究。为了与传统的随机水文模型对比，选择了自回归模型，以日流量序列为例，研究结果表明，人工神经网络非线性时序模型预报效果不错，可以在水文预报中加以应用。(www.xing528.com)

文献［16］将人工神经网络技术应用于河川径流实时预报，建立起河川径流实时预报的BP网络模型，并针对经典BP算法所存在的缺陷，采用共轭梯度优化和误差反向传播训练算法，使得所建立的BP网络模型的收敛性大为改善，消除和避免了实际应用中可能出现的局部优化问题。

6.1.4.3　优化计算问题

神经网络是一种由大量简单非线性单元连接而成的、可以高速并行处理的系统，具有快速收敛于状态空间中稳定平衡点的优点。主要应用于水资源优化配置与管理、水库群联合优化调度等问题。

文献［28］根据人工神经网络的基本原理和常用的前馈式网络模型，建立了水库优化调度模型，并以工程实例证明了此方法的可行性。文献［29］阐述了人工神经网络的基本原理，提出了建立水库优化调度函数的BP网络模型。分别利用该算法与传统的多元回归建立金盆水库优化调度函数，结果表明，BP网络模型计算简便，并具有较高的计算精度。

文献［30］以人工神经网络（ANN）方法为基础设计了一种梯级水电站运行控制算法，采用网络分解技术，将一个复杂的大网络分解为多个简单的小网络，从而加快了ANN的学习收敛速度，并通过仿真计算验证了算法的有效性。文献［31］提出了一种利用人工神经网络进行梯级水电站日优化运行研究的方法，既可用于制订梯级日最优发电计划，又可用于梯级实时发电控制。研究结果表明，将神经网络应用于这一领域是可行的。

文献［32］提出了研究水库群优化调度函数的人工神经网络方法，并探讨了神经网络的训练参数、训练方法和训练样本的改变对网络训练和应用效果的影响。实例研究表明，模型及其算法是可行的、有效的。

6.1.4.4　智能决策和专家系统

神经网络专家系统方法可以模拟人类的形象思维，具有高度的容错性和鲁棒性，是一种非逻辑、非语言、非静态、非局域、非线性信息处理方法。

文献［33］从人工神经网络（ANN）、专家系统（ES）各自的优势和不足出发，结合地理信息系统（GIS）技术的特点，介绍了水文生态效应评价的混合型专家系统（HEMES）的基本结构模式和各模块的功能。然后抓住ANN、ES、GIS的共同作用因子，从数据库结构、C＋＋等方面探讨了三者集成的问题，并根据集成的思想探讨了相关功能设计。指出HEMES是一种更准确、易操作的评价技术，可作为相关管理、决策者的辅助工具。

文献［34］在分级加权评价模型层次结构体系的基础上，以三峡工程为背景，应用人工神经网络技术，建立了一个水利水电工程环境影响综合评价的人工神经网络专家系统，该专家系统的知识获取和存贮方式与普通专家系统不同，具有较高的推理效应，较强的容错性、自适应性和自我更新能力。