沙河徑流量、輸沙量變化影響因素探析

尤金國(guó)

（河北省唐山水文水資源勘測(cè)局，河北唐山063000）

沙河徑流量、輸沙量變化影響因素探析

尤金國(guó)

（河北省唐山水文水資源勘測(cè)局，河北唐山063000）

通過(guò)分析沙河水平口實(shí)測(cè)水文資料，得出沙河流域徑流量、輸沙量整體呈減小趨勢(shì)，將流域產(chǎn)水、產(chǎn)沙分為3個(gè)不同時(shí)段。根據(jù)水量平衡原理及產(chǎn)沙機(jī)制，在分析影響沙河水沙變化幾個(gè)主要因素的基礎(chǔ)上，建立BP人工網(wǎng)絡(luò)模型分析相關(guān)因素對(duì)徑流、泥沙在不同時(shí)期的影響程度。

水利水保工程；徑流量；輸沙量

1 前言

近年來(lái)，伴隨著經(jīng)濟(jì)快速發(fā)展，各類礦產(chǎn)資源大量開(kāi)采，導(dǎo)致土壤侵蝕加劇，增加了流域水土流失，環(huán)境和植被遭到了一定程度破壞。為了踐行科學(xué)發(fā)展觀和實(shí)現(xiàn)本地區(qū)的經(jīng)濟(jì)和生態(tài)環(huán)境的和諧發(fā)展，各級(jí)政府及有關(guān)部門對(duì)水利、水土保持工作越來(lái)越重視，按照“治山治水相結(jié)合、工程措施與生態(tài)措施相配套、經(jīng)濟(jì)林與生態(tài)林相搭配”的思路，狠抓水土保持生態(tài)建設(shè)，提高水土流失治理水平。

筆者通過(guò)分析沙河流域?qū)崪y(cè)水文資料，結(jié)合水利水保工程建設(shè)前后的水文要素變化研究，得出沙河水利水保工程發(fā)揮的作用，為以后水保工作改進(jìn)提供可參考的基礎(chǔ)數(shù)據(jù)和理論依據(jù)，為涵養(yǎng)水資源及水資源可持續(xù)利用打好基礎(chǔ)，為保障經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展提供技術(shù)支撐。

2 流域概況

沙河屬薊運(yùn)河水系，源于河北省承德市興隆縣大青山，流域面積866 km2（其中，興隆縣298 km2，遵化市568 km2）。該河沿程接納老爪河、清水河、冷咀頭河、北嶺河、魏進(jìn)河、馬蘭河等大小支流，構(gòu)成較典型的扇狀水系。該河呈現(xiàn)季節(jié)性河流特征，上半支在汛期外基本呈斷流狀態(tài)，下半支常年有水。該河上游有2座中型水庫(kù)（上官水庫(kù)、般若院水庫(kù)）和1座小（1）型水庫(kù)（大河局水庫(kù)），3座水庫(kù)總控制面積為305 km2，占總流域面積的35.2%。該河干流自遵化市東北斜貫西南直入于橋水庫(kù)，占水庫(kù)總流域面積的42.0%，為于橋水庫(kù)3條支流（淋河、沙河、黎河）中流域面積最大、水源最為豐富的支流。該河下游設(shè)有水平口水文站，控制面積799 km2，占沙河總流域面積的92.3%[1]，為沙河控制站。

3 水文特征值演變趨勢(shì)分析

3.1 降雨量變化趨勢(shì)分析

本流域洪水、泥沙主要由汛期暴雨形成，故選取年降水量、汛期（6—9月）降水量、連續(xù)最大3 d、最大1 d降水量來(lái)分析沙河流域降水量變化趨勢(shì)［2］。選取沙河流域6處雨量站1956—2010年資料系列分析流域年均降水量及汛期平均降水量變化趨勢(shì)，選取遵化站1956—2010年最大1 d、最大3 d降水資料分析暴雨變化趨勢(shì)，并點(diǎn)繪逐年雨量特征參數(shù)圖。由圖1可知，沙河流域逐年降雨量特征參數(shù)整體呈減少趨勢(shì)。

圖1 沙河流域逐年降雨量參數(shù)變化

分析不同年代降水量變化趨勢(shì)，分不同的時(shí)間段統(tǒng)計(jì)降水量參數(shù)，見(jiàn)表1。由表1可以看出，流域降雨量20世紀(jì)80年代之前持續(xù)減小，20世紀(jì)90年代有所增加，2000年后又減少；20世紀(jì)70年代前后呈現(xiàn)明顯變化，20世紀(jì)70年代之前明顯大于20世紀(jì)70年代之后，且20世紀(jì)70年代之前都高于多年平均值；最大值為20世紀(jì)50年代，其中2000—2009年各參數(shù)較20世紀(jì)50年代分別下降了31.0%、42.5%、55.9%、54.8%，較整個(gè)系列平均值分別下降了17.5%、25.4%、32.1%、29.5%。由此可以看出，近10年沙河流域降雨量減少較大，成為整個(gè)系列的最小值，是整個(gè)研究系列的最枯時(shí)段。

表1 沙河流域年代降雨量參數(shù)統(tǒng)計(jì)mm

3.2 徑流量變化趨勢(shì)分析

統(tǒng)計(jì)沙河流域水平口站1961—2010年實(shí)測(cè)年徑流量資料，點(diǎn)繪逐年徑流量過(guò)程線，從中可以看出流域徑流量整體呈明顯減少趨勢(shì)，如圖2所示。結(jié)合流域年均降雨量資料，點(diǎn)繪年降雨量、年徑流量雙累積曲線，如圖3所示，確定產(chǎn)流變化轉(zhuǎn)折點(diǎn)［3］。由圖3可以確定，流域年降雨量、徑流量變化分3個(gè)不同階段，即1961—1979、1980—1998、1999—2010年。根據(jù)3個(gè)階段的資料點(diǎn)繪降雨、徑流深關(guān)系圖，如圖4所示。由圖4可以看出，隨著時(shí)間的推移，相同級(jí)別的降水量在3個(gè)不同階段產(chǎn)生的徑流深越來(lái)越小。

圖2 水平口站逐年實(shí)測(cè)徑流量過(guò)程線

圖3 水平口站年降雨量、年徑流量雙累積曲線

圖4 水平口站年降雨、年徑流關(guān)系

3.3 懸移質(zhì)輸沙量變化趨勢(shì)分析

輸沙量變化影響因素較多，主要有流域自然地理特征影響、降雨特性的影響、河道外形的影響及其他影響［4］。對(duì)于同一流域，影響因素主要是流域植被情況、降雨強(qiáng)度、水工建筑物運(yùn)用、河道整治及水保措施等影響。

統(tǒng)計(jì)沙河流域水平口站1961—2010年實(shí)測(cè)年輸沙量資料，點(diǎn)繪逐年輸沙量過(guò)程線，結(jié)合年徑流量過(guò)程線可以得出年輸沙量變化與年徑流量非常相似，呈現(xiàn)大水大沙、小水小沙或小水無(wú)沙情況，如圖5所示。

圖5 水平口站年徑流、年輸沙量過(guò)程線

圖6 水平口站累積年徑流量、累積年輸沙量關(guān)系

年徑流量和年輸沙量的雙累積曲線為檢驗(yàn)2個(gè)參數(shù)間關(guān)系一致性及其變化的常用方法。如果該站水沙關(guān)系不變，雙累積曲線應(yīng)呈線性增加；如果水流輸沙能力突然增大或減少，則雙累積曲線將出現(xiàn)向下或向上的拐點(diǎn)。年徑流量、年輸沙量雙累積曲線能很好地顯示徑流和泥沙的這種變化，與流域內(nèi)水庫(kù)興建和植被情況及水保工程情況相互印證，就能分析得出一個(gè)可信的結(jié)論，如圖6所示。由圖5可以看出，水平口站發(fā)生轉(zhuǎn)折的年份為1979、1999年。1970年開(kāi)始修建水庫(kù)直到1979年3座中小型水庫(kù)竣工，水庫(kù)截留大量泥沙；2000年以后降雨小，水窖增加，工業(yè)用水量增加，泥沙也相應(yīng)減少。

3.4 次雨洪過(guò)程特征值分析

由于受人力和時(shí)間等多種因素的限制，大面積、長(zhǎng)歷時(shí)的宏觀研究相對(duì)容易，但在此基礎(chǔ)上再進(jìn)行深層次和機(jī)理性的研究就明顯困難。由于眾多隨機(jī)因素的存在，暴雨的時(shí)間分布和空間分布每一次都不同，再加上下墊面也存在時(shí)季差異，因此盡可能地劃分小空間單元和時(shí)間長(zhǎng)度，才可能使所研究問(wèn)題的主要矛盾得以突顯。要研究對(duì)場(chǎng)次洪水、泥沙的影響因素，其場(chǎng)次洪水對(duì)應(yīng)的暴雨、洪水、泥沙資料的處理尤為關(guān)鍵［5］。

根據(jù)實(shí)測(cè)資料，選取前期影響雨量與本次降水之和比較接近的場(chǎng)次，計(jì)算該場(chǎng)降水的洪水總量及輸沙量，對(duì)比前面分析的3個(gè)不同產(chǎn)水、產(chǎn)沙時(shí)段各水文特征參數(shù)的變化，見(jiàn)表2。由表2可知，隨著年代的推移，降雨影響因素相近（降雨量、降雨強(qiáng)度及暴雨中心）情況下，流域徑流量、洪峰流量、最大含沙量及輸沙量呈減小趨勢(shì)；由于水利水保工程的逐步完善及植被率的提高，相同量級(jí)的暴雨產(chǎn)生的洪水總量減小，匯流歷時(shí)加長(zhǎng)。

表2 沙河流域水平口站場(chǎng)次洪水特征參數(shù)統(tǒng)計(jì)

4 流域治理及水利水保工程情況

水平口水文控制站以上流域建有中型水庫(kù)2座，小（1）型水庫(kù)1座，塘壩5處，攔河壩、蓄水閘、橡膠壩6處，機(jī)井7 728眼（其中，灌溉機(jī)井7 327眼，城鎮(zhèn)工業(yè)154眼，人飲機(jī)井238眼，城鎮(zhèn)供水9眼）；建成庫(kù)井灌區(qū)2個(gè)，總灌溉面積2.406萬(wàn)hm2，節(jié)水灌溉面積達(dá)1.662萬(wàn)hm2；打水窖2 979個(gè)，總?cè)莘e6.01萬(wàn)m3。

流域內(nèi)有過(guò)2次小流域治理。其中，一次是1991年曹家堡20.1km2小流域治理，水土流失面積16.2 km2，完成治理面積16.17 km2，通過(guò)整修梯田、壩地建設(shè)和采取造林和經(jīng)濟(jì)林建設(shè)等配套措施，林草覆蓋率98%，攔沙效益達(dá)到79.6%；一次是1993年侯家寨58.66 km2小流域治理，水土流失面積29.62 km2，完成治理面積28.35 km2，通過(guò)整修梯田、壩地建設(shè)和采取造林和經(jīng)濟(jì)林建設(shè)等配套措施，林草覆蓋率82%，攔沙效益達(dá)到86%。

5 徑流量及泥沙影響因素分析

5.1 分析方法

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks）是一種由大量簡(jiǎn)單的人工神經(jīng)元廣泛連接而成的，用以模仿人腦神經(jīng)網(wǎng)絡(luò)的復(fù)雜網(wǎng)絡(luò)系統(tǒng)［6］。人工網(wǎng)絡(luò)具有高維性、并行分布處理性、自適應(yīng)性、自組織、自學(xué)習(xí)等優(yōu)良特性，為一些傳統(tǒng)方法所難以解決的問(wèn)題提供了一條新途徑，已在人工智能、模式識(shí)別、自動(dòng)控制和信息處理等領(lǐng)域取得了顯著的應(yīng)用效果。

BP（Back Propagation）算法是人工神經(jīng)網(wǎng)絡(luò)中最重要的一種學(xué)習(xí)算法，其應(yīng)用最為廣泛。BP神經(jīng)網(wǎng)絡(luò)是一個(gè)包含輸入層、隱含層和輸出層的多層網(wǎng)絡(luò)，上下層之間各個(gè)神經(jīng)元之間實(shí)現(xiàn)全連接，即下層的每個(gè)單元都實(shí)現(xiàn)權(quán)連接，而每層各神經(jīng)元之間無(wú)連接。人工神經(jīng)網(wǎng)絡(luò)BP模型實(shí)際上是對(duì)一組樣本逐個(gè)進(jìn)行輸入、輸出計(jì)算，求出各連接權(quán)值和閾值修正量，接著計(jì)算出修正后的連接權(quán)值和閾值，反過(guò)來(lái)再重復(fù)進(jìn)行各節(jié)點(diǎn)輸入、輸出計(jì)算的一個(gè)循環(huán)訓(xùn)練過(guò)程。BP算法從本質(zhì)上講是把一組樣本的輸入輸出問(wèn)題變?yōu)橐粋€(gè)非線性優(yōu)化問(wèn)題，它使用了優(yōu)化技術(shù)中最普通的一種梯度下降算法，用迭代運(yùn)算求解權(quán)值相當(dāng)于學(xué)習(xí)記憶問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)BP模型結(jié)構(gòu)，如圖7所示。

圖7 人工神經(jīng)網(wǎng)絡(luò)BP模型結(jié)構(gòu)

根據(jù)預(yù)測(cè)要素和網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，節(jié)點(diǎn)作用選擇對(duì)數(shù)-S形（Sigmoid）函數(shù)，表達(dá)式為：

模型采用Excel平臺(tái)運(yùn)用VBA編程來(lái)實(shí)現(xiàn)計(jì)算。微軟Excel表格工具有著強(qiáng)大的計(jì)算功能，我們可以把已知的樣本數(shù)據(jù)、模型參數(shù)定位賦值到單元格中，然后利用Excel內(nèi)置函數(shù)將單元格和人工神經(jīng)網(wǎng)絡(luò)BP模型計(jì)算公式定位連接起來(lái)，建立能夠進(jìn)行一次性運(yùn)算的人工神經(jīng)網(wǎng)絡(luò)計(jì)算模板，最后運(yùn)用VBA代碼進(jìn)行迭代賦值，從而實(shí)現(xiàn)多次運(yùn)算。

建立神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的目的是確定評(píng)價(jià)指標(biāo)的權(quán)重，而神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的結(jié)果只是各神經(jīng)網(wǎng)絡(luò)神經(jīng)元之間的關(guān)系，想要得到輸入因素相對(duì)于輸出因素之間的真實(shí)關(guān)系，也就是輸入因素對(duì)輸出因素的決策權(quán)重，還需要對(duì)各神經(jīng)元之間的權(quán)重加以分析處理。為此，利用以下幾項(xiàng)指標(biāo)來(lái)描述輸入因素和輸出因素之間的關(guān)系。

相關(guān)顯著性系數(shù)為：

相關(guān)指數(shù)為：

絕對(duì)影響系數(shù)為：

上述公式中：i為神經(jīng)網(wǎng)絡(luò)輸入單元，i=1，…，m；j為神經(jīng)網(wǎng)絡(luò)輸出單元，j=1，…，n；k為神經(jīng)網(wǎng)絡(luò)的隱含單元，k=1，…，p；ωjk為輸入層神經(jīng)元i和隱含層神經(jīng)元k之間的權(quán)系數(shù)；ωjk為輸入層神經(jīng)元j和隱含層神經(jīng)元k之間的權(quán)系數(shù)。絕對(duì)影響系數(shù)S就是評(píng)價(jià)因素的權(quán)重［7］。

5.2 對(duì)徑流量影響因素分析

分析水平口水文站資料，選取年降水量、地下水埋深、植被覆蓋率、人類工農(nóng)業(yè)用水4個(gè)指標(biāo)作為輸入層輸入因子來(lái)進(jìn)行擬合計(jì)算。根據(jù)本站及屬站資料計(jì)算出流域平均年降水量，其他數(shù)據(jù)來(lái)自統(tǒng)計(jì)資料。為了確定不同時(shí)期相關(guān)因素對(duì)徑流的影響程度，按照前節(jié)徑流分析結(jié)果參照轉(zhuǎn)折點(diǎn)將水平口水文站徑流系列分為3段：1961—1979、1980—1998、1999—2010年。

經(jīng)過(guò)對(duì)1961—1979年段徑流及雨量對(duì)比分析，可見(jiàn)當(dāng)時(shí)的徑流主要受降水量影響，年徑流變化趨勢(shì)與年降水量變化趨勢(shì)一致。其中，最大年1964年年降水量1 124.6mm，年徑流為4.099×108m3；1961年年降水量550.5mm，年徑流僅為0.801 1×108m3。

1980—1998、1999—2010年段，由于流域內(nèi)建設(shè)了水利工程及水保工程，降水量就不是徑流量影響的單一因素，這里采用人工神經(jīng)網(wǎng)絡(luò)BP模型進(jìn)行擬合計(jì)算，計(jì)算結(jié)果及權(quán)重分析結(jié)果見(jiàn)表3-4。

根據(jù)以上計(jì)算結(jié)果，1980—1998年段地下水埋深和工農(nóng)業(yè)用水2項(xiàng)指標(biāo)共占權(quán)重0.507，1999一2010年段工農(nóng)業(yè)用水1個(gè)指標(biāo)就占權(quán)重0.393 6，加地下水埋深權(quán)重合占0.621 6。可見(jiàn)，由于建設(shè)了水利工程、水保工程，工農(nóng)業(yè)用水大大增加，人類活動(dòng)用水已成為影響徑流的主要因素。

5.3 對(duì)沙量影響因素分析

影響產(chǎn)沙的因素很多，實(shí)際計(jì)算中考慮因素過(guò)多模擬是十分困難的。根據(jù)本次計(jì)算的實(shí)際情況，確定將最大1 d降水量、植被覆蓋率、水土保持治理面積、水利工程控制面積4個(gè)指標(biāo)作為輸入層輸入因子來(lái)進(jìn)行擬合計(jì)算，通過(guò)模型計(jì)算得4個(gè)指標(biāo)對(duì)輸沙量影響權(quán)重。依據(jù)2005年前系列，利用模型預(yù)測(cè)2006—2010年在沒(méi)有水利水保工程影響情況的輸沙量，從而得出水利水保工程對(duì)流域沙量減少起到的作用。

表3 水平口站1980—1998年段人工神經(jīng)網(wǎng)絡(luò)BP模型權(quán)值及閾值計(jì)算結(jié)果

表4 水平口站1999—2010年段人工神經(jīng)網(wǎng)絡(luò)BP模型權(quán)值及閾值計(jì)算結(jié)果

由于本流域多為暴雨性洪水，暴雨對(duì)河道輸沙量影響巨大，故選取最大1 d降雨量作為分析本流域洪水特征值的影響因子。次洪對(duì)應(yīng)最大1 d降雨量雨強(qiáng)的大小決定了降水的產(chǎn)流方式是超滲產(chǎn)流還是蓄滿產(chǎn)流，當(dāng)為超滲產(chǎn)流時(shí)攜帶的地表泥沙更多地進(jìn)入河道，從而加大河道輸沙量。

選取水平口水文站1961—2010年輸沙量系列，將最大1 d降水量、植被覆蓋率、水土保持治理面積、水利工程控制面積4個(gè)指標(biāo)作為輸入層輸入因子來(lái)進(jìn)行擬合計(jì)算，得出水利工程控制面積對(duì)輸沙量影響權(quán)重最大，達(dá)到36.7%；其次為水土保持治理面積，為25.2%。經(jīng)模型預(yù)測(cè)2006—2010年輸沙量，水利水保工程對(duì)減少泥沙量起到了重要作用，實(shí)測(cè)沙量?jī)H為無(wú)水利水保工程時(shí)預(yù)測(cè)沙的的7.4%，詳見(jiàn)表5。

6 結(jié)論及建議

（1）1961—1979年段徑流主要受降水量影響，年徑流變化趨勢(shì)與年降水量變化趨勢(shì)一致。其中，最大年1964年年降水量1 124.6 mm，年徑流為4.099×108m3；1961年年降水量550.5mm，年徑流僅為0.801 1×108m3。

1980—1998、1999—2010年段，由于流域內(nèi)建設(shè)了水利工程及水保工程，增加了土壤含蓄水能力，改變了流域產(chǎn)匯流歷時(shí)。水利水保工程對(duì)徑流量的影響日益明顯，尤其在1980年后的30年間尤為顯著。降水量已經(jīng)不是徑流量影響的單一因素。1980—1998年段地下水埋深和工農(nóng)業(yè)用水2項(xiàng)指標(biāo)共占權(quán)重0.507，1999—2010年段工農(nóng)業(yè)用水1個(gè)指標(biāo)占權(quán)重0.393 6，加地下水埋深權(quán)重合占0.621 6。可見(jiàn)，由于建設(shè)了水利工程、水保工程，工農(nóng)業(yè)用水大大增加，人類活動(dòng)用水已成為影響徑流的一個(gè)主要因素。

（2）依據(jù)2005年前系列，利用模型預(yù)測(cè)2006—2010年在沒(méi)有水利水保工程影響情況的輸沙量，從而得出水利水保工程對(duì)流域沙量減少起到的作用。

由于本流域多為暴雨性洪水，暴雨對(duì)河道輸沙量影響巨大，故選取最大1 d降雨量作為分析本流域洪水特征值的影響因子。次洪對(duì)應(yīng)最大1 d降雨量雨強(qiáng)的大小決定了降水的產(chǎn)流方式是超滲產(chǎn)流還是蓄滿產(chǎn)流，當(dāng)為超滲產(chǎn)流時(shí)攜帶的地表泥沙更多地進(jìn)入河道，從而加大河道輸沙量。

1961—2010年段水利工程控制面積對(duì)輸沙量影響權(quán)重最大，達(dá)到36.7%；其次為水土保持治理面積，為25.2%。經(jīng)模型預(yù)測(cè)2006—2010年輸沙量，水利水保工程對(duì)減少泥沙量起到了重要作用，實(shí)測(cè)沙量?jī)H為無(wú)水利水保工程時(shí)預(yù)測(cè)沙的的7.4%。

建議充分利用現(xiàn)有的水利水保工程，發(fā)揮現(xiàn)有工程的最大效益。相關(guān)部門繼續(xù)加強(qiáng)水利水保工程建設(shè)，提高流域水資源涵養(yǎng)能力。雖然水利水保工程對(duì)減少水土流失及增加地下水儲(chǔ)量起到了積極作用，但通過(guò)地下水水位井監(jiān)測(cè)數(shù)據(jù)分析，并沒(méi)有提高地下水儲(chǔ)量［8］。這就要求各級(jí)政府在進(jìn)行水土保持工作的同時(shí)，加強(qiáng)對(duì)地下水開(kāi)采監(jiān)督工作，多開(kāi)發(fā)利用地表水，控制地下水開(kāi)采。同時(shí)，加強(qiáng)尾礦排放管理，做好鐵選廠尾礦水保措施，嚴(yán)防尾礦砂在河道中發(fā)生淤積，影響行洪安全。

表5 水平口站人工神經(jīng)網(wǎng)絡(luò)BP模型權(quán)值及預(yù)測(cè)計(jì)算結(jié)果

［1］劉玉偉.于橋水庫(kù)入庫(kù)水量變化趨勢(shì)分析[J].水資源保護(hù)，2009，（5）：54-57.

［2］楊誠(chéng)芳.地表水資源與水文分析［M］.北京：水利水電出版社，1992：230-265.

［3］冉大川，劉斌，付良勇，等.雙累積曲線計(jì)算水土保持減水減沙效益方法探討[J].人民黃河，1996，（6）：21-24.

［4］徐建華，李曉宇，陳建軍，等.黃河中游河口鎮(zhèn)至龍門區(qū)間水利水保工程對(duì)暴雨洪水泥沙影響研究［M］.鄭州：黃河水利出版社，2009：162-180.

［5］芮孝芳.關(guān)于降雨產(chǎn)流機(jī)制的幾個(gè)問(wèn)題的討論[J].水利學(xué)報(bào)，1996，（9）：22-26.

［6］鄒文安，劉文博，王鳳.人工神經(jīng)網(wǎng)絡(luò)模型在枯季徑流量預(yù)測(cè)中的應(yīng)用[J].水資源研究，2008，（3）：45-47.

［7］孫會(huì)君，王新年.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)確定評(píng)價(jià)指標(biāo)的權(quán)重[J].山東科技大學(xué)學(xué)報(bào)，2001，（3）：84-86.

［8］趙宏亮，李志軍.唐山市平原區(qū)淺層地下水動(dòng)態(tài)及趨勢(shì)預(yù)測(cè)［J］.河北煤炭，2009，（2）：36-39.

Exp loreand Analysison Effect Factor of Shahe Runoff and Sediment Discharge Change

YOU Jin-guo
（Hydrology andWater ResourcesSurvey Bureau of Tangshan in HebeiProvince，Tangshan 063000，China）

Through analyzing hydrologic data observed at Shuipingkou station，the rainfall and sediment discharge decreased in Shahebasin.Water production and sedimentyield in thebasin can be divided into3 differentperiods.With principle ofwater balance and themechanism for sediment yield，combining implementing situation ofwater-soil conservation project，the BP artificial neural network established to analyzing the influence degree of runoff and sediment at different stagesby related factors.

water-soilconservation project；runoff；sedimentdischarge

TV121；TV143

A

1004-7328（2014）03-0044-06

10.3969/j.issn.1004-7328.2014.03.017

2014-01-13

尤金國(guó)（1957-），男，高級(jí)工程師，主要從事水文水資源及水環(huán)境研究工作。