钱立鹏，刘长征*，陈翠忠，宋亚萍，魏震

(1 石河子大学信息科学与技术学院，新疆 石河子 832003;2 石河子大学水利建筑工程学院，新疆 石河子 832003)

径流序列的形成受多方面因素影响，是一种高维非线性系统。20世纪以来，由于城镇化、气候等影响[1]，河流的径流量发生了变化，导致河流径流量不确定性增强。高精度的河流径流量预测能为下游水库放水、洪水预测等提供有价值的水文信息。随着PC机处理能力的提升及遥感、卫星气象数据的获取方便，数据驱动方法取得了普遍关注，最常用的是基于仿生人脑神经系统的人工神经网络(ANN)模型和支持向量机(SVM)模型[2]，这2种模型具有对非线性问题强大且灵活的表达能力，常用于模拟工程中的非线性行为，从而简化复杂工程的过程，但传统的神经网络一般是单层的或隐性的双层，在训练的时候往往容易陷入局部最优。

国内外学者对径流量模拟做出了许多研究，初海波等[3]对径流样本序列分类，并利用ANN、SVM模型探讨不同预报因子对径流模拟的影响；朱明飞等[2]基于水土评估工具(SWAT)模型研究和模拟影响玛纳斯河流域径流演变的因子组成成分；李慧等[4]同样利用SWAT对玛纳斯河日径流进行了模拟；李文倩等[5]结合地形指数和融雪量利用改进后的TOPMODEL模型对流域日径流进行预测，预测的精度较高；刘艳等[6]依据流域径流周期规律，采用集合经验模态分解(EEMD)-差分自回归滑动平均(ARIMA)组合模型对年径流序列进行有效预测；金君良[7]等对数值预报产品利用期望最大化(EM)算法进行后处理，采用秩评分的方式评价预报准确性和有效性，结果表明对数值预报产品进行良好的前处理和后处理可以有效提高流域内径流预报的精度；……