朱永军，湛忠宇

(江苏省水文水资源勘测局南京分局，江苏 南京 210008)

小流域洪水预报是当前水文科学中亟待研究的一个方向[1]。中国小流域众多，洪水频发，一般具有历时短、突发性强等特点，洪水预报难度较大。特别是在梅雨季节，它经常会引发一系列地质灾害，例如泥石流和滑坡，也很可能破坏生态环境等。因此，研究如何提高小流域洪水预报的精度十分有意义。

国内外学者纷纷对小流域洪水预报进行分析探讨，基于物理意义的水文模型如新安江模型、SWAT模型、HEC-HMS模型等已广泛应用于各个小流域[2-5]，并取得了显著的成效。无需考虑物理过程的神经网络可搭建输入与输出的复杂关系，引起了水文预报研究者的极大关注。1986年Rumelhart等正式提出BP神经网络，1981年Jean Morlet建立了Morlet小波，1997年，李建平出版的《小波分析与信号处理——理论》，介绍并检验了小波分析的应用研究成果[6]，日益成熟的神经网络应用于各个领域[7-8]，获得了不错的效果。BP神经网络作为最常用的人工神经网络[9]，已在河道洪水预报、降水径流过程模拟中取得广泛的应用[10-11]。BP神经网络在收敛速度和适应性等方面仍有一定的提升空间，而小波神经网络有更强的适应性和泛化能力，往往预报精度更高，在水文水资源等领域得到了很好的发展[12-15]。滁河流域南京段承受上游过境洪水的同时又受下游江潮顶托，洪水聚集较快而河道排泄不通[16]，洪水预报精度偏低，本文通过新建小波神经网络和BP神经网络洪水预报模型，应用于滁河流域南京段研究区，以此来对比模型的适应性和预报的准确性，从而为研究区选择高效精准的洪水预报模型提供参考依据。……