BP人工神经网络在小流域径流模拟中的应用

径流量的变化与区域经济社会发展、生态平衡以及水资源管理和水环境保护密切相关,月径流量的研究对水量配置、调度等均具有重要意义。针对小尺度流域普遍存在的资料有限问题,研究BP人工神经网络在华南湿润区小流域月径流模拟的适用性。以滨江流域长序列逐日降水径流资料为基础,采用BP人工神经网络进行月径流量模拟,并将其与径流系数法、新安江模型和HSPF模型所得进行对比分析。研究表明:BP人工神经网络使用简便,变化趋势预测准确,在降水径流模拟方面优势明显,全年确定性系数为0.91,高于径流系数法所得0.85,与新安江模型的0.92、HSPF的0.96相当,具有良好的应用前景,其汛期的模拟效果优于非汛期,但模拟结果相对偏大,存在一定的改进和提高空间。     

滨江流域降水时空演变规律分析

降水是水循环的关键环节,直接影响着径流过程和可利用水资源量的时空分布,关系到区域水资源安全和可持续发展。为了探讨气候变化下华南湿润区典型小流域降水时空演变规律,利用珠江流域北江一级支流滨江流域内及其邻近共10个站点近47年日降水量观测资料,采用非参数统计方法Mann-Kendall(M-K)趋势检验和Mann-Whitney-Pettitt(MWP)检定方法,对年、汛期/非汛期、年日最大和年月最大降水量进行分析。结果表明:滨江流域多年平均降水量呈北少南多分布,主要与区域气流走向及流域地形有关;年降水量总体呈现减少趋势,其中流域南部呈显著减少趋势,北部呈不显著减少趋势,其主要是汛期(4~9月)降水量减少,非汛期(10~翌年3月)降水量变化不大;年日最大和年月最大降水量均呈减少趋势。流域南部年降水量和汛期降水量在1983年发生了显著性变异;流域北部年最大日降水量和年月最大降水量分别在1987年和1985年左右发生显著性变异。