1. 研究目的与意义（文献综述）

1．目的及意义

长江是中国的第一条大河，其动态变化密切影响着沿途地区区域经济发展。而水位水量预测是区域水资源管理的重要依据，它可以为各地区防范灾害、资源调配提供重要的决策基础，对区域水资源合理配置和可持续利用具有重要意义。基于水位水量的预测在实际的水资源管理工作中的重要作用,预测的好坏直接影响到水资源的科学管理和合理开发利用，因此，探求预测精度高的预测方法显得尤为重要。

人工神经网络（artificial neural network，简称ann）是基于对人脑组织结构和活动机制的初步认识提出的一种新型信息处理体系，它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。1986年由rumelhart和mcclelland为首的科学家提出的bp 神经网络（back-propagation neural network）是迄今为止应用最为广泛的人工神经网络，它是一种按照误差反向传播算法训练的多层前馈神经网络。bp神经网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有很强的非线性映射能力和柔性的网络结构，可以通过不断地训练，实现给定的输入 - 输出映射关系，这使得它特别适合于求解内部机制复杂的问题。而且它能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力。bp神经网络的学习由信息的正向传播和误差的反向传播两个过程构成：信息的正向传播——输入模式从输入层经隐含层逐层处理，并转向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入误差的反向传播——将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。

2. 研究的基本内容与方案

3．研究的基本内容及目标

本文基于2012年2月至2018年2月的6年的三峡出库流量、宜昌站的水位以及流量监测数据，建立bp神经网络模型，对宜昌的水位流量进行预测，以此反映出长江湖北段的水位变化趋势，从而为当地采取有效应对措施提供理论指导。本文以matlab搭建运行环境，通过查阅相关文献和教程，理解bp神经网络算法原理、实现方法和过程，对bp神经网络算法予以实现。具体内容如下：

（1）参数确定及数据预处理

3. 研究计划与安排

4. 参考文献（12篇以上）

[1]常丽霞,高卫东.基于bp神经网络的国际服装流行色短期预测[j].毛纺科技.2018年02期.

[2]卓中文,王山东,杨松.基于bp神经网络的矿山地下水位预测研究[j].计算机与数字工程,2012,40(10):40-42 50.

[3]许骥. 基于遗传bp神经网络的地下水位预测模型[j]. 地下水, 2015(3):19-21.