王　炎，王船海，王　妮，陈景波，许　强

BP神经网络在感潮河段水动力洪水预报中的应用

王炎，王船海，王妮，陈景波，许强

（河海大学水文水资源与水利工程科学国家重点实验室，江苏南京210098）

鉴于下边界条件对水动力洪水预报模型精度的影响，采用提高下边界条件的质量来提高洪水预报精度，在同时受径流和潮流影响的感潮河段，水位流量关系复杂，利用BP神经网络，通过建立试验流域上、下游站水位与下边界断面水位变化率之间的相关关系作为水动力洪水预报模型的下边界条件，在长江流域大通至南京段的水动力洪水预报模型中的应用表明，该方法预报精度较高。

洪水预报；感潮河段；水动力学方法；下边界条件；BP神经网络

0　引言

感潮河段洪水预报通常采用相关分析法、水文学法、水动力学法、相应水位法等。其中，相关分析法存在地区局限性且计算精度不够稳定［1］；包为民提出的双向波水位演算模型属于水文模型，并不能完全描述感潮河段水流运动规律［2］；相应水位法在建立模型的时候，分潮定线的合理性会在很大程度上影响到方案的精度［3］；而水动力学模型可以较好地模拟感潮河段水流特性，并已成为一种通用方法，但目前仍存在下边界条件的处理问题。水动力学模型下边界条件可分为水位边界、流量边界或水位流量关系边界，由于边界给定时模型无预报功能，因此一般选择水位流量关系作为下边界条件。该处理方法是影响洪水预报精度的重要因素［4-5］。……