齐银峰，谭荣建

（昆明理工大学国土资源学院，云南省昆明市 650093）

0 引言

水库入库径流量预测是水库进行科学管理、搞好水库调度运用的重要依据，开展水库入库径流量预报对确保水库和下游安全、充分利用水资源、发挥水库的工程效益起着重要作用，具有重要的理论意义和实用价值[1]。一般来说，河流径流量预报的方法基本分为两种：一是过程驱动模型方法，该模型以水文学概念为基础，模拟河道的演变过程和径流的产流过程，以期对径流量的产生过程进行预报；二是数据驱动模型方法，该模型不研究水文系统的物理过程，将建立数据之间的最优数学关系作为模型的目标[2]。本文中采取的BP神经网络是基于数据之间的最优数学关系的预测方法。理论已经证明，BP神经网络只要有足够多的隐含层和隐节点，就可以以任意的精度逼近非线性映射关系[3]，其在处理高度非线性的水文系统时有着传统预测方法不可比拟的优势[4]。

1 BP神经网络

图1 3层BP神经网络结构Fig.1 3 layer BP neural network structure

BP（Back Propagation）神经网络是一种多层前馈神经网络，是一个3层的网络的拓扑结构，如图1所示，包括输入层、输出层和隐含层，各神经元与下一层的神经元全连接，同层神经元之间无连接。BP神经网络采用单隐层的三层前馈神经网络模型，学习规则为有导师的误差反向修正法，即以网络学习时输出层的输出与期望输出的误差为原则，将此误差沿输出层传递到隐藏层，再由隐藏层到输入层，通过误差的反向传播修正各连接层的连接权重和阈值，直到误差达到要求为止[5]。……