河道洪水预报研究是水文预报的一大课题,本论文结合国家自然科学基金重大项目“洪水特性与减灾方法研究”中“提高洪水预报预见期和预报精度的新方法”专题的研究,确立以“长江中下游河道洪水预报方法研究”为主要研究方向,引入人工神经网络方法,研究河道洪水波的演进规律,建立一套洪水演算新方法来进行河道洪水预报。试验河段选用长江中下游螺山～汉口河段来对汉口站洪水过程进行模拟预报,研究的主要内容如下: (1) 对洪水灾害及防洪减灾措施进行了简要阐述,简要分析比较了各种河道洪水预报方法,引入人工神经网络模型,并主要叙述了人工神经网络模型在河道洪水预报中的研究现状,分析比较了各种神经网络模型及其改进方法的优缺点。 (2) 河道洪水传播的物理过程具有不确定性,而人工神经网络具有较强的非线性作用,能够描述输入-输出模式的复杂性。本论文着重介绍了BP神经网络模型的方法及其改进方法在河道洪水预报中的应用研究,将自适应BP模型引入,建立了考虑区间入流的河道洪水预报BP神经网络模型。结果表明,该模型能较好地反映区间入流对汉口站洪水过程的影响,模型的模拟精度较高,并且当延长预见期时,预报精度也是可以接受的。 (3) 针对神经网络模型在进行河道洪水预报中,由于大流量样本少而使洪峰模拟精度不高的问题,本论文从网络设计方法入手,在自适应BP模型的基础上,引入一种峰值识别理论,即对峰值样本的网络误差加入合理的误差修正系数,建立一种BPPR算法模型。并将两种算法(BP,BPPR)模型进行了对比,通过实例计算,加入误差修正因子的BPPR算法模型比没有加入误差修正因子的BP算法模型的峰值预报精度明显提高,而且总的模型的预报精度也有所提高。