水是地球生物系统的生命之源,随着地球气候的变化和人类活动的影响,全球很多地区遭受洪水肆虐、土地干渴和水环境污染的严重威胁。流域水文模拟是研究水文自然规律和解决水文工程问题的主要手段。由于流域水文系统的复杂性,目前人类对它的发生机理还没有完全掌握,为了人与自然和谐共处的社会经济可持续发展,迫切需要人们不断地研究新理论和新方法来揭示水文现象的奥秘。本论文以流域水文系统为研究对象,针对该系统的空间分布性和非线性的特点,运用交叉学科前沿领域知识,将神经网络理论(ANN)与 Volterra 泛函级数相融合,将遗传算法与模拟退火算法相融合,并将地理信息系统(GIS)、遥感技术(RS)和数字高程模型(DEM)应用于流域水文系统模拟研究中,取得了一些具有理论意义和实际应用价值的研究成果。论文的主要研究内容包括三大部分:第一部分(第二章和第三章):流域数字化与信息管理方法研究;第二部分(第三章和第四章):神经网络降雨-径流模拟理论研究;第三部分(第五章和第六章):河道洪水演进新方法研究;第一章绪论,第八章全文总结,全文共分八章。第一章:对流域水文模拟理论的发展进行了回顾,综合评述了现代流域水文模拟理论的关键技术和存在的问题,在此基础上确立了本文的研究内容、目的和意义。第二章:研究了流域水文特征信息的数字提取方法,构建了流域数字高程模型,在此基础上对流域的坡度和坡向进行了可视化计算,并基于 DEM 数据建立了数字流域水系模型,这为数字流域的建立提供了重要的流域空间信息。第三章:探讨了基于 GIS 技术的流域水文信息管理新方法,作为应用实例开发了清江流域水文信息管理分析系统,该系统将流域的空间信息、属性信息和多媒体信息在 GIS 平台上进行综合集成,实现了流域水文信息可视化管理、查询、分析和计算。从而改变了传统流域水文信息孤立分散的管理模式,为防汛调度决策探索了一条水文信息管理的新途径。第四章:建立了自组织神经网络模型,该模型根据关联分析理论,设计了一种自组织神经网络算法,根据学习情况自动合并无用的冗余节点,自动调整网络中隐 I<WP=5>含层神经元的数目,最后得到一个合适的神经网络结构。第五章:提出了 Volterra 神经网络水文模型(VNNH),克服了 Volterra 模型求解高阶核函数的困难。根据本论文建立的自组织神经网络模型,确定了 VNNH 模型隐含层神经元数目的优化方法。设计了一种多项式的激活函数,并根据流域的单位线确定了 VNNH 模型网络连接权的初值。应用实例表明,VNNH 模型可以很好地适用于高阶水文非线性系统。第六章:提出了洪水波神经网络模型,运用神经网络从河道实测洪水数据中“挖掘”其中所包含的洪水波运动规律,根据学习训练后的神经网络权值反演扩散波方程,并预测河道下断面的流量过程。应用实例表明,建立的洪水波神经网络模型,能较好的描述扩散波的运动规律。这种方法只需要水文数据,克服了传统水力学方法需要大量河道地形资料的限制。第七章:提出了河道洪水演进遗传模拟退火算法,在遗传算法中融入模拟退火算法,克服了简单遗传算法的早熟问题以及模拟退火算法搜索较盲目的缺陷,将遗传模拟退火算法应用于 Muskingum模型参数优化中,以计算流量与实测流量的拟合误差最小为优化准则,直接优选流量演算参数,应用实例表明,该方法具有精度高、适应性强的特点。第八章:全面系统地总结了本文的研究成果,并提出有待进一步研究的问题。