论文部分内容阅读
水是生命之源,土是生存之本,水土资源是人类赖以生存和发展的基本物质条件,是经济社会发展的基础资源。随着人类社会经济的发展,人为导致的水土流失现象越来越严重,水土流失问题越来越受到政府和公众的关注,对水土流失问题的研究一直处于热点状态。本文以水土流失综合治理为主线,在此主线上对水土保持区划模型和含沙量预测模型展开研究。水土保持区划是在有限的水土资源中构建合理的综合防治空间布局,使有限的水土资源生产效益最大化,从而更好地规范区内水土流失治理方案;河流含沙量的多少是水土流失的最直接的反应,为了探索河流泥沙的变化规律而建立了含沙量预测模型,以便掌握水土流失治理程度。本文在查阅了大量文献和参考资料的基础上,综合分析了国内外水土保持区划和含沙量预测的现状及存在的主要问题。通过对黄土丘陵沟壑区的自然环境、社会经济情况、土地利用情况和水土资源流失等外部特征进行考虑,从综合农业生产、土地生产力、水文气象及土壤侵蚀等影响因素中选取了垦殖率、林草覆盖率、人口密度、蒸发量及土壤侵蚀面积比例等10个区划指标,并用主成分分析法检验每个指标对水土保持区划的影响程度。首次引入Bayes判别分析法进行水土保持区划,并成功运用于甘宁青黄土丘陵沟壑区的区域划分中,与按土壤侵蚀类型的区划结果进行了比较,解释了Bayes判别分析区划的合理性,给出了永靖县综合治理的对策和建议。以黄土丘陵沟壑区兰州水文站1967~1997年收集的数据作为研究对象,选取水位、年降雨量、年径流量和年输沙率作为年含沙量的自变量,用1967~1992年的数据作为原始样本,1993~1997年的数据作为测试样本,并用游程检验对年含沙量的年际变化的随机性进行了检验。采用BP神经网络智能算法对含沙量进行预测,并用粒子群算法、遗传算法和小波分析理论对BP神经网络进行改进,四种算法在对1993~1997年的年含沙量进行预测,未经改进的BP神经网络预测效果在四种预测模型中最差,粒子群神经网络和遗传神经网络两种耦合算法预测精度次之,以小波神经网络预测效果较高。通过对水土保持区划和含沙量预测为黄土丘陵沟壑区的水土流失治理提供服务。