杨丽洁

摘要：近年来，随着气候和水文模拟能力的提升，卫星等采集数据技术的改进以及智能计算的进步，数据驱动方法在洪水预报领域的使用越来越普遍。鉴于数据驱动方法在洪水领域的迅速发展，本文主要概述数据驱动模型的基本概念和其在过去不同类型流域、不同水文要素下的应用以及各学者做出的相关改进，即主要对BP神经网络、RBF神经网络、支持向量机（SVM）模型、栈式自编码（SAE）模型和模型组合应用作简要回顾；最后确定未来的研发方向。

关键词：数据驱动模型；BP；RBF；SVM；洪水预报

中图分类号：TP183 文献标识码：A 文章编号：1009-3044（2018）17-0275-03

Abstract： In recent years， with the improvement of climate and hydrological simulation capabilities， improvements in satellite data collection techniques， and advances in smart computing， the use of data-driven methods in flood forecasting is becoming more common. In view of the rapid development of data-driven methods in the field of flooding， this paper mainly outlines the basic concepts of the data-driven model and its application in different types of watersheds and hydrological elements in the past， as well as related improvements made by various scholars， that is， mainly BP neural networks， The RBF neural network， support vector machine （SVM） model， stack self coding （SAE） model and combination of different models are briefly reviewed. Finally， the future direction of R&D; is determined.

Key words： Data-drivin model； BP； RBF； SVM； Flood forecast

1 引言

与传统的水文模型不同，数据驱动模型在解决数值预测问题、重建高度非线性函数、时间序列分析等方面有着独特的优越性，其不需要考虑水文过程的物理机制，而是建立关于时间序列的数学分析，通过学习给定样本，发现水文变量间的统计或因果关系，在洪水预报领域中有广阔的前景。结合多数文章仅集中于分析某个具体模型在具体流域的使用情况的问题，本文就数据驱动模型在洪水预报领域的研究概况作简要回顾与总结。

2 方法介绍

构建数据驱动模型的过程遵循建模中采用的一般原则：研究问题-收集数据-选择模型结构-构建模型-测试模型和迭代。

2.1 BP神经网络

BP神经网络是在洪水预报中使用最活跃的一种方法，它是一个由简单信息處理单元组合成的非线性动力学系统，适用于描述系统输入和输出间的复杂关系。……