王汉涛， 张潇潇

(1.中国长江三峡集团有限公司， 湖北 宜昌443002；2.三峡水利枢纽梯级调度通信中心，四川 成都 610042； 3.四川大学 水利水电学院， 四川 成都 610065)

1 研究背景

降雨是影响流域水循环最活跃的因素，对流域产汇流的形成起着决定性的作用。降雨空间插值研究有利于掌握降雨的空间分布特征，对区域水文水情分析、水资源管理、旱涝灾害预报等具有重要意义[1-2]。人工神经网络能通过对训练样本的学习有效地揭示变量间的非线性关系，并具备对未知样点的预测能力，因此，国内外学者将人工神经网络方法应用于降雨空间插值研究中。目前，人工神经网络在降雨空间插值中的研究主要集中在以下两个方面：一是直接采用人工神经网络(如BP神经网络、RBF神经网络等)对降雨量的空间分布进行模拟及预测[3-6]；二是将人工神经网络与普通克里金、反距离权重等传统插值方法相结合得到一种新的混合插值法[7-8]。本文直接采用BP神经网络构建降雨空间插值模型，用于三峡区间流域年、月、日降雨量空间插值计算中。

仿生算法是基于自然界生物种群的特殊行为方式提出的群体智能优化算法，同时具有全局和局部搜索能力，能快速收敛到全局最优解附近，适用于求解高维的复杂非线性优化问题[9]。仿生算法优化神经网络，主要解决神经网络初始连接权值和阈值难以确定的问题，目前在水文、气象等领域都有大量研究成果，广泛应用于时间序列预测中[10-15]，但是运用在空间插值领域较少。……