导读：摘要：通过理论分析并结合三门峡水库的实际情况，建立了三门峡水库潼关以下库区泥沙冲淤变化和潼关断面水位变化的BP预测模型，...
摘要：通过理论分析并结合三门峡水库的实际情况，建立了三门峡水库潼关以下库区泥沙冲淤变化和潼关断面水位变化的BP预测模型，并利用MATLAB环境下的神经网络工具箱开发了相应的程序。预测结果表明，该模型程序具有学习能力强、预测精度较高、快速方便等特点，为三门峡水库及其它多沙河流水库的泥沙冲淤预测研究提供了一种可供借鉴的思路与方法。
关键词：三门峡水库；BP模型；泥沙冲淤；预测
1 前言
三门峡水利枢纽［1,2］是黄河干流上修建的第一座以防洪为主的综合利用水利工程，它控制了黄河91.5%的流域面积，并控制着黄河下游来水、来沙量的89%和98%。虽然三门峡水库通过采取“蓄清排浑”运用方式，在一定程度上缓解了库区泥沙淤积问题和潼关高程抬升问题，但三门峡库区的泥沙淤积问题仍严重制约着三门峡水库功效的发挥，并进而威胁到陕西关中地区的存在和发展。水库的合理运行调度是解决该问题最有效的途径之一，而相应的泥沙冲淤变化预测分析是其前提和基础。
目前，水库泥沙冲淤变化预测的方法模型总体上可归纳为三种［3］：（1）概念性泥沙冲淤模型，如回归分析法、数理统计法等；（2）数值性泥沙冲淤模型，包括水动力学、 水文学泥沙数学模型；（3）黑箱泥沙冲淤模型，如模糊数学法、灰色系统法和ANN模型等。ANN模型具有高维性、并行分布处理性、自适应、自组织、自学习等特点［４］，为传统方法所难以解决的复杂多变的水库泥沙冲淤变化预测提供了一条新途径。
2 MATLAB中BP神经网络模型的实现
1985年美国加州大学的PDP小组提出了一种误差反向传播（Back_Propagation）神经网络模型，简称BP模型，成为当今人工神经网络模型中使用最广泛的一类。BP模型的基本原理在许多书中都有详细介绍，这里不再说明。BP(Back_Propagation)模型是目前ANN模型中使用最广泛的一类，其基本原理这里不再说明。普通BP模型的基本算法有许多缺陷：收敛速度慢，局部极值，难以确定隐含层和隐节点的个数等，在实际应用中很难实 现。实践表明，它在MATLAB环境下开发的神经网络工具箱中可以得到很好的实现［5］，其基本步骤为： ①BP模型的初始化。在设计BP网络时，只要已知输入变量、各层的神经元个数和作用函数，就可以利用函数initff()对BP网络进行初始化。②BP网络的训练学习。函数trainbp()、trainbpm()、trainlm()均可对BP网络进行训练，其用法是类似的，但采用的学习规则有所不同。函数trainbp()采用标准BP算法，函数trainbpm()采用启发式学习方法进行了改进，它们在实际训练中并不很实用
