水文降雨径流预测的常用新方法

暴雨洪水灾害一直是威胁人类生命和财产的主要自然灾害之一，特别是随着经济的快速发展，各类自然灾害也愈加频繁，其中尤以暴雨洪水灾害为最多。提高降雨径流预测的精度，减少暴雨洪水灾害带来的损失，对于维护社会安定，加强区域水资源的宏观管理、优化调度和开发利用，对工农业的生产建设具有重要的指导意义。这里水文工具集介绍下水文降雨径流预测的常用新方法。

降雨径流预测的方法主要有数理统计预测方法、数学物理模型预报方法等。随着数值计算技术的发展，水文预测同其它学科也有了交叉并产生了一些新的方法，如：人工神经网络方法、灰色系统预测方法、投影寻踪方法及均生函数预测方法等。

人工神经网络方法

人工神经网络(Artificial Neural Network，简称ANN)是基于模仿人类大脑的结构和功能而构成的一种信息处理系统或计算机，它具有很多与人类智能相类似的特点，通过训练学习而具备适应外部环境的能力、模式识别能力和综合推理能力。

人工神经网络(ANN)已被用于降雨径流模拟与预测、河川径流预测、水质参数预测以及水库调度决策等方面。网络学习算法较多，其中反传学习算法(Back-Propagation Algorithm，简称BP算法)方便、直观且训练有效，现被广泛采用。简单的BP网络主要由输入层、隐层和输出层组成。其中隐层可以有多层，各层神经元之间通过权重系数相连接。

可以参考水文工具集写的人工神经网络ANN技术在水文预报中的应用与水文研究与人工神经网络FANN。

灰色系统预报方法

水文灰色系统理论方法是将水文研究对象视为一个受到不确定性干扰并且水文气象信息不完全的系统，运用灰色系统分析观点与理论来研究水文系统的输入输出、状态与变量、结构与参数、识别与预测、确定性与不确定性等关系的方法学。

均生函数预测方法

均生函数模型是基于系统状态前后记忆的基本思想，构造1组周期函数，通过分析原序列与这组周期函数间的统计关系，建立相应的统计预测模型，以进行历史资料的拟合和未来趋势的预测。它可以做长程多步预测，并且能很好地拟合和预报极值。

均生函数预测方法常见的建模方案有：Gram-Schmidt正交化处理、最优子集回归模型、主成分(EOF)模型。

投影寻踪方法

投影寻踪技术采用“审视数据-模拟-预测”这样一条探索性的数据分析新方法。它可以较好地解决一定程度的非线性、非正态分布数据的问题。其基本思想是：利用计算机技术，把高维数据通过某种组合投影到低维子空间上，并通过极小化某个投影指标，寻找出能反映原数据结构或特征的投影，以达到研究和分析高维数据的目的，但投影寻踪技术的数学理论较复杂，编程实现较难。

此外，20世纪90年代以来提出的降雨径流预测的新方法还有：门限自回归方法、相似预报法、阴阳历叠加法、和混沌预测技术等。

结束语

本文所述的各种降雨径流预测方法还存在着不足之处，很多数学模型都是基于一定的假设，在某种理想的状态下建立起来的，与实际情况存在着一定的差距，这就需要专业工作人员把水文水资源的专业知识同数学理论知识及计算机编程知识更好地结合起来，以建立与实际情况更加符合的水文数学模型，为进一步减小暴雨洪水灾害给人类及社会带来的巨大损失作出更大的努力。