为满足水土工程深入研究及复杂系统建模优化的需要,本文针对利用高含沙洪水治沙淤地后土壤养分、颗粒组成变化的复杂性,以人工智能技术中重要分支——人工神经网络(Artificial Neural Network简写ANN)和遗传算法(Genetic Algorithm简写GA)为建模和系统优化工具,以利用高含沙洪水治沙淤地后土壤养分、颗粒组成为研究对象,充分利用人工智能技术的自适应能力、非线性、全局优化等特点,将其运用于该领域问题的研究中。人工神经网络、遗传算法在治沙淤地后土壤养分含量与颗粒组成关系中的探索性的研究,为该领域复杂系统多参非线性问题的求解开辟了新路。论文取得了以下研究成果:(1)对公乌素引洪灌区风沙地(对照)、新淤地、淤后耕地的0～100cm剖面分层取样,进行土壤养分含量、土壤颗粒粒径组成的测定,以分析利用高含沙洪水治沙淤地后土壤养分、颗粒组成的分布特征。结果表明,利用高含沙洪水治沙淤地后土壤养分含量明显提高,各种养分含量是淤地前的1.2～5.5倍,部分养分含量可达到全国第二次土壤普查养分标准的极高、丰富等级。将高含沙洪水引入沙漠盆地,经过多年多次淤积,淤积层累计达到或超过耕作层厚度,可以将沙漠变成高质量的农田。利用高含沙洪水淤地、治沙,是减少黄河河床淤积、治理沙漠、开发农田十分有效的途径。(2)在上述研究成果基础上,利用土壤养分含量、土壤颗粒组成的试验数据,以分析利用高含沙洪水治沙淤地后土壤养分含量与颗粒组成之间的关系。分析中采用人工智能技术、传统多元逐步回归技术,建立了土壤颗粒组成与土壤养分含量间的关系模型,并进行对比分析,结果表明,两种模型均能利用土壤颗粒组成来预测土壤养分含量,但在精度上,人工神经网络模型要远远好于多元逐步回归模型。总之,人工智能对于解决非线性系统是比较成功的,结构算法简单,学习训练能够在要求的时间内完成,而且遗传算法与BP算法结合在分析精度方面有很好的效果,能够较为理想的建立土壤养分含量分析模型。