论文部分内容阅读
研究黄河水沙变化对黄河流域水资源管理与水环境修复具有重要的意义。近年来,受人类活动影响,黄河水沙产生显著变化,而影响含沙量的因素众多且作用复杂,构建精确的输沙预报模型难度高。人工神经网络方法近20年来在水文预报领域应用广泛,本文尝试利用其强大的学习能力以建立输沙预报模型,定量评价水沙变化的驱动因素对输沙量的影响,研究成果对黄河水沙科学调控、流域综合治理的可持续发展具有一定的参考价值。本研究以皇甫川流域为研究对象,在分析区域降水及径流量对含沙量影响的基础上,分别构建静态倒传递及动态反馈式神经网络模型以推估汛期输沙过程,并对模型输出结果与误差进行对比分析。研究结果表明:1)动、静态网络对于流域输沙过程的推估均具有良好的模拟效果,效率系数均在0.82以上;2)在沙峰值的推估上,动态网络更接近于实际沙峰值,推估的最小沙峰误差为2%;3)静态网络在拟合退沙阶段的效果比动态网络的效果好。通过双累积曲线、水文分析方法以及人工神经网络模型,探索皇甫川流域淤地坝与植被对径流与输沙的影响。采用Mann-Kendall趋势检验法结合累积距平法分析可知皇甫川流域1956～2012年水沙突变点为1979与1999年,并将研究时间序列划分为3个时段,以1956～1979为基准期,利用双累积曲线法计算得到第2时段水保措施减水减沙效益分别为23.1%和22.8%,而第3时段水保措施对水沙的影响分别为66.7%与71.7%。利用2010年水利普查淤地坝参数及植被归一化指数(NDVI),建立两种架构的人工神经网络模型,并通过集合预报方法分析出淤地坝和植被对于水沙变化的影响,结果表明淤地坝对径流及输沙影响为17%～30%及18%～30%,植被变化对于径流及输沙的影响分别为70%～83%和70%～82%,显示植被变化是皇甫川流域2010年后水沙变化的主要影响因素。通过单因素方差分析可知,林地与草地植被条件下减水减沙效益显著,证明林草措施治理水土流失具有积极的作用。