河道洪水预报是水文预报的一大研究课题,河道洪水演算结果对防洪减灾和水资源的综合利用有着重要的现实意义。基于此,本文在采用传统的马斯京根法对河道流量进行演算预报的基础上,引入具有较强非线性作用的BP神经网络对河道洪水流量预报进行了改进。考虑到水文预报具有不确定性,为了更科学地对河道洪水进行预测,本文将贝叶斯方法与BP神经网络相结合,研究了河道洪水预报流量的先验分布与似然函数的BP神经网络模型,并结合清江流域上水布垭~渔峡口河段实际情况进行了相关研究并进行了成果分析,最终达到了进行概率预报的目的,为防洪决策提供了有力的依据。本文的主要研究内容如下:(1)对河道洪水演算、实时洪水校正和水文概率预报的相关研究进展进行了综述,指出河道洪水预报具有重要的研究意义。(2)对洪水预报的相关理论作了比较详细的阐述,对应用比较广泛的洪水演算方法——马斯京根法相关内容作了详细的介绍,包括马斯京根的非线性解、有支流河段的马斯京根演算方法等。(3)本文对应用日益广泛的BP(Back-Propagation)神经网络理论作了介绍,以便后文利用BP神经网络对马斯京根法进行改进,其改进值也作为基于贝叶斯理论的概率水文预报系统(Bayesian Forecasting System ,BFS)得出流量分布密度的一个基础。(4)本文对构建概率水文预报体系的理论框架之一——基于贝叶斯方法的概率洪水预报模型作了比较详细的介绍,首先引入了BFS,并介绍了求解贝叶斯后验密度的线性正态模型的详细步骤,从而通过这个线性正态模型可以给出预报变量的概率密度。(5)本文给出了流量先验分布和似然函数的BP神经网络模型,并对清江流域的水布垭站~渔峡口站河段的流量预报进行了研究及成果分析,首先给出了考虑招徕河支流时的马斯京根演算流量,随后利用BP神经网络进行了改进预报,并作了比较分析,最后给出基于贝叶斯方法的河道洪水预报流量的概率密度和概率分布,达到了进行概率预报的目的。相对于确定性水文预报方法而言,贝叶斯概率水文预报定量地、以分布函数形式描述水文预报不确定度,能向用户提供更多、更全面的信息,为决策提供更有价值的技术支持。