1. 研究目的与意义（文献综述）

目的及意义

水位和流量二者之间的关系反映了河流某个断面的流量与其水位之间的对应状态，呈现出非线性的相关关系。大多情况下，由于测量技术复杂、危险、成本昂贵等原因，河流流量的测量、监测难以连续进行，而水位信息却可以很容易地实现连续观测，因此，可以通过水位和流量之间的关系特征，将连续的水位信息，转换为连续的流量信息；有时，河道防汛水位的设定，或是水坝电站下游的水位测量，也需要通过流量反推水位信息；所以，水位流量关系的研究，对于水文监测、水利水电工程规划、水资源优化配置有着重要的指导意义。

在水位和流量之间关系的研究中，主要是针对水位站提供的水位与流量的实测数据进行分析、处理，需要利用回归分析的方法，而传统的回归分析方法是存在局限性的。绝大多数的实际问题实质上都是非线性的，水位与流量的关系也是典型的非线性关系。但是，过去没有有效的非线性模型拟合方法，大多是采用或是转换成近似的线性模型，利用最小二乘法，进行线性回归分析，可想而知，得到的模拟效果往往很不理想。因此，如何提高水位流量关系拟合的精度一直是水资源水文领域的研究重点。

2. 研究的基本内容与方案

研究的基本内容及目标

研究的基本内容：明确水位流量关系的概念，阐述提高水位流量关系拟合精度的意义；阐述用于拟合水位流量关系的传统方法及流程，分析其不足之处；引入群体智能算法，阐述群体智能算法的概念、出现的背景以及常见的群体智能算法。

针对水位流量关系拟合中相关参数难以确定的问题，将粒子群算法运用于水位流量关系的拟合之中。阐述粒子群算法产生的背景和研究现状，在这个基础之上，详细分析基本粒子群的机理及优缺点，阐述算法流程，明确粒子群算法参数的经验设置以及各项参数对算法的影响；在粒子群算法优化特点的基础上，进一步采用演化算法的相关策略，探讨改进后的粒子群算法的性能。在基本粒子群算法的基础上，对惯性权重因子进行改进，分别采用线性递减惯性权重策略和非线性递减惯性权重策略，得到改进后的粒子群算法。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1]. bhattacharyab, solomatine d p. neural networks and m5 model trees in modelling waterlevel-discharge relationship [j]. neurocomputing, 2005, 63(1-4):381-396.

[2]. 崔东文. 异构多种群粒子群优化算法在水位流量关系拟合中的应用[j]. 水利水运工程学报, 2015(5): 89-95.

[3]. 吴光琼. 群居蜘蛛优化算法在水位流量关系拟合中的应用[j]. 水资源与水工程学报, 2016, 27(2): 118-121.