刘易文，李家科*，丁 强，郝改瑞

(1.西安理工大学省部共建西北旱区生态水利国家重点实验室，陕西 西安 710048；2.陕西省环境监测中心站，陕西 西安 710054)

降雨被认为是水文循环的主要组成部分，是河川径流的主要来源，径流对水资源规划、管理、开发、模型构建非常重要[1-3]。而识别降雨径流特征变化以及精确模拟河川径流是水资源开发利用、水文模型构建的基础工作之一。由于降雨径流受气候、人为等诸多不确定因素的影响，常常伴随着非线性变化和较强的随机性，属于高度的非线性系统[4-6]。传统的径流预测方法只能反映出线性时间序列和简单的非线性时间序列，而实际径流往往受多因素影响，径流序列与各影响因素之间的非线性特征较强。因此，对复杂系统而言，仅凭传统单一模型，难以精确模拟整个径流序列。基于深度学习和机器学习的组合模型在很大程度上缓解了径流模拟精度低的问题，成为现阶段广受关注的热点之一[7-8]。组合模型更能体现时间序列的非线性特征，而且具有很强的非线性映射能力，适用于随机性较强的水文过程模拟[9]。此外，基于降雨径流演变规律和趋势特征，组合模型模拟的径流序列更为准确、可靠[10]。

近年来，随着深度学习和机器学习的推广，众多学者利用人工神经网络所衍生出来的组合模型进行水文序列模拟。王少丽等[11]利用BP神经网络对年径流系数进行了模拟，并与线性主成分回归模拟进行比对，研究发现BP神经网络的模拟结果更好，精度更高。……