洪水预测预报是减少洪涝灾害的有效途径,改进洪水预报方法、提高预报精度、实施洪水预报调度,对保护国家和人民群众的财产安全,建设和谐社会,都具有极为重要的意义。深入探讨洪水预报方法,研究人工神经网络、遗传算法和模糊算法在洪水预报中的应用,是对洪水预报理论和方法的有益补充。本文结合国家高技术研究发展计划(863计划)——“感应式数字液位传感器及自动化监控系统项目”子项目,并得到太原理工天成企业博士后项目资助,以文峪河为对象,进行了流域洪水智能预报方法和洪水预报系统的研究。研究以提高半干旱半湿润地区洪水预报精度为目的,深入研究了半干旱半湿润地区洪水预报方法、神经网络洪水预报模型,以及遗传算法和模糊算法对神经网络洪水预报模型的优化等问题。主要研究内容和取得的结论如下:(1)针对文峪河水库流域的实际水文特点,在对该地区的水文过程进行分析的基础上,提出了采用多种产流模型、汇流模型和河道演算方法,将多个模型交叉组合建立了六种洪水预报方案。通过多种方案比较,选择了适合于研究流域的预报方案,为防洪决策提供了更多参考信息。(2)充分考虑流域降水、入渗能力的空间分布、时程演变的不均匀性和两者之间随机组合造成产流场随时空变化的特性,对文峪河水库流域进行了单元划分,采用分单元、分时段的方法计算产汇流,并对各单元分别进行参数率定。(3)针对模型参数率定涉及参数多,人为影响较大,率定时间长等问题,开发了人机交互进行模型参数率定的模块,结合经验参数,通过人机对话方式确定模型的参数,提高了模型参数率定效率。(4)根据流域特点,以前期降雨量和河道流量作为输入,下一时刻出口断面流量为输出,构建了神经网络降雨径流预报模型,用大量历史洪水资料作为训练样本训练网络,实现网络对洪水机理的模拟。实验结果表明,建立的BP网络预报模型总项目合格率达到90.91%,能够取得理想的预报效果。(5)针对BP网络易陷入局部最优的缺陷和遗传算法全局搜索的优点,提出用遗传算法对BP网络进行优化设计,通过优化BP网络初始权重,使网络从最优初始权重处开始训练学习,提高网络收敛速度和映射精度。对比分析可知,经遗传算法优化的BP网络训练时间减少了61.83%,洪峰流量预报误差平均减少13.47%。(6)引入模糊算法,建立了模糊神经网络算法,解决了BP网络权重信息更多反映了样本数量较大的中、小流量变化的规律,对洪峰的预报精度偏低这一不足。算法能够根据流域特点设定流量阈值,对大于阈值的流量训练样本引入合理的修正系数,使网络