汪丽娜 ，陈晓宏，李 艳

(1. 华南师范大学地理科学学院，广东广州510631;2. 中山大学水资源与环境研究中心，广东广州510275;3. 华南地区水循环与水安全广东省教育厅重点实验室，广东广州510275;4. 广东商学院资源与环境学院，广东广州510320)

水文时间序列预测是一项重要的工作内容，然而水文系统作为一个高度非线性系统，由降雨到径流，中间存在截流、填挖、下渗和蒸发等作用，并且流域地形地貌、人类活动等都作为径流输出的干预量，因此水文时间序列表现出复杂性，给水文时间序列的预测带来一定的困难. 小波变化理论［1］可将输入信号通过小波分解到不同的频率通道上，同时对信号进行平滑处理，因此分解后的信号比原始信号单一，它在处理非线性、非平稳性的径流数据时具有更强的适应性.

本文利用小波分解和重构的小波神经元网络，针对不同的径流尺度进行预测，将小波理论和神经网络理论相结合起来，建立了小波神经网络预测模型，预测不同尺度的径流量，为西江流域的综合治理、合理开发以及水资源的优化配置提供理论参考.

1 研究方法

1.1 小波神经网络

小波变换是一种同时具有时间分辨率和频域分辨率的分析方法，它能很好地弥补傅立叶变化在分析非平稳信号时表现出的不足. 在函数空间L2(R)中选一母小波函数(ω)满足以下条件［2］:

φ(t)为一母小波函数，具有震荡特性，是一类能迅速衰减到零的函数，ω 表示隐含层到输出层的权值.将母函……