邵月红，林炳章，叶金印，刘永和

(1．南京信息工程大学应用水文气象研究院，江苏南京210044;2．淮河流域气象中心，安徽蚌埠233040;3．河南理工大学资源环境学院，河南焦作454000)

0 引言

降雨径流预报是水文学研究的重要内容，在水资源管理中起着非常重要的作用。但由于降雨径流的形成机理及影响因素很多，对其进行模拟预测一直是一个比较困难的问题。流域水文模型能够对水文动态和流量过程做出较准确的预报，但是水文模型的模拟需要精确了解流域内部的水文结构、较多的输入变量和参数及时空地域等客观条件。因此，寻求一种适宜的，简单快速的模型是提高降雨径流预报的有效途径。随着计算机的快速发展，人工神经网络模型(artificial neural network，ANN)以其独特的非线性、非凸性、自适应性和处理各种信息的能力在许多复杂的非线性领域中得到非常成功的应用(Ju et al．，2007)。降雨径流的过程是一个高度非线性、时变、空间分布不均匀、动态不确定的过程，因此ANN在水文学领域得到的广泛而成功的应用(Kin et al．，2001;Carcano et al．，2008)。

目前，ANN在水文中的应用主要采用静态的BP神经网络(back propagation neural network，BPNN)进行系统模拟和预测，但是这种结构随着系统阶次的增加，使网络学习的收敛速度减慢，造成网络输入结点过多、训练困难等弊病(Tang，2005;Yu et al．，2008)。将静态的网络用于动态的、高度非线性的水文模拟中使得预测精度较差。动态回归神经网络提供了一种极具潜力的选择，它能够更生动、更直接地反映系统的动态特性，代表了神经网络建模、辨识与控制的发展方向。……