Abstract：
运用数值优化技术的Polak-Ribiére共轭梯度BP反向传播算法（简称PRBP），选择崇阳溪上游流域1997—2022年期间21场暴雨洪水过程，以流域上游6个雨量站时段雨量、武夷山站前期流量为模型输入，武夷山站相应流量为输出，通过试算法确定隐含层单元数，构建PRBP神经网络洪水预报模型；利用剩下的8场洪水进行测试，对所建模型进行检验。结果表明，与常规的BP神经网络模型比较，PRBP模型收敛速度变快，运算速度明显提高，计算的模型确定性系数均大于0.87，其中6场洪水洪峰流量相对误差在10%以内，模型的预报精度符合要求，可以为防汛部门预测洪水提供依据。
Keyword：
Reprint 's Address：
Email：
Source ：
人民珠江
Year： 2025
Issue： 06
Volume： 46
Page： 68-74
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
