论文部分内容阅读
考虑到降雨一径流的非线性关系的复杂性，同时保证较高的计算时间效率，本研究采用率定一验证同步进行的BP神经网络模型，以降水量、时间、气温、风速、辐射量等5个因子作为输入层变量，以实测流量为训练数据，对泉州市山美水库来水量进行月时间尺度的模拟．并与SWAT分布式水文模型的模拟结果进行比较，以此评价BP神经网络模型模拟降雨径流过程的精确度与可行性．研究结果表明，BP模型模拟结果的误差均在允许范围内且精确度较高，适用于山美水库来水量预测研究．