黃銳貞，陳曉宏，何艷虎, 于海霞

(1.中山大學(xué)水資源與環(huán)境研究中心，廣州 510275；2.華南地區(qū)水循環(huán)和水安全廣東普通高校重點(diǎn)實(shí)驗(yàn)室，廣州 510275； 3. 中山市火炬高技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)水利所，廣東 中山 528437)

河口位于海洋和河流的交接地帶，受海洋動(dòng)力和河流動(dòng)力的雙重影響，其區(qū)域通常交通便利，是人類生活、生產(chǎn)和貿(mào)易活動(dòng)頻繁的場(chǎng)所[1]。而咸潮上溯對(duì)于河口生態(tài)系統(tǒng)和河口地區(qū)的正常取水都會(huì)帶來(lái)較大的影響。影響咸潮上溯的因素有很多，其中上游徑流和海洋潮汐這兩個(gè)因素尤為重要[2]。而政府間氣候變化[3]專門(mén)委員會(huì)(IPCC)公布的第五次評(píng)估報(bào)告(AR5)中的第一工作組報(bào)告《氣候變化2013：自然科學(xué)基礎(chǔ)》指出，氣候變暖十分明顯，2003-2012年的平均溫度比1850-1900年的平均溫度上升了0.78 ℃。氣溫的上升使得冰川融化和海水溫度升高，從而導(dǎo)致了海平面的上升，進(jìn)而使得河口地區(qū)的潮位隨之增高，從而加劇了咸潮上溯的嚴(yán)重性[4]。河口地區(qū)咸潮上溯一方面令地下水水質(zhì)變壞，影響地下水的抽取利用，另一方面可能引起土地鹽漬化，影響周邊農(nóng)業(yè)生產(chǎn)[5,6]；同時(shí)使得河水咸度增加，水質(zhì)變壞，嚴(yán)重影響陸地淡水資源。因此，分析咸潮上溯的規(guī)律以及上游來(lái)水對(duì)河口含氯度的影響及其模擬預(yù)測(cè)對(duì)該地區(qū)的供水安全具有重要意義。

就河口區(qū)咸潮上溯問(wèn)題，國(guó)內(nèi)外已有較為豐富的研究成果。當(dāng)前國(guó)內(nèi)外主要采取一維或多維咸潮入侵?jǐn)?shù)值模型模擬河口含氯度變化，并耦合河口水動(dòng)力模型研究鹽度輸送的驅(qū)動(dòng)機(jī)制[7-11]。咸潮上溯的影響因素復(fù)雜多變，主要包含上游來(lái)水、潮汐、地形、風(fēng)以及海平面變化等[12-14]。在缺乏系統(tǒng)的實(shí)測(cè)含氯度數(shù)據(jù)及水文資料和大范圍的河口地形下，采用一維或多維數(shù)值模型來(lái)研究咸潮上溯對(duì)河口飲用水源地和生態(tài)環(huán)境的影響較為困難。而人工神經(jīng)網(wǎng)絡(luò)因其具有能夠捕獲要素中有關(guān)的非線性關(guān)系的能力，可解決因數(shù)據(jù)缺失所帶來(lái)的計(jì)算問(wèn)題，因此可用于部分資料缺失情況下的河口區(qū)含氯度的模擬預(yù)測(cè)。

珠江三角洲地區(qū)是我國(guó)重要的經(jīng)濟(jì)中心區(qū)域，珠三角河口區(qū)是周邊城市工農(nóng)業(yè)生產(chǎn)和人民生活的重要水源地。磨刀門(mén)水道作為珠江的重要入?？谥唬潲}度變化周期特征與潮汐周期特征基本一致，自有監(jiān)測(cè)記錄以來(lái)，最嚴(yán)重咸潮發(fā)生在2011年12月，受上游來(lái)水少和潮周期的影響，磨刀門(mén)水道取水口自12月4日起全線24 h含氯度超標(biāo)，其中珠海的平崗泵站連續(xù)10 d含氯度超標(biāo)，連續(xù)半月無(wú)法取水[15]，咸潮的發(fā)生嚴(yán)重影響到人類的基本生活和健康，也是學(xué)術(shù)界關(guān)注的熱點(diǎn)[16]。為此，鑒于珠三角磨刀門(mén)河口地區(qū)部分實(shí)測(cè)含氯度及河口地形數(shù)據(jù)的缺失，本文將運(yùn)用人工神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò)建立珠江磨刀門(mén)河口含氯度的預(yù)測(cè)模型，并分析模型的可靠性；利用訓(xùn)練好的含氯度預(yù)測(cè)模型模擬計(jì)算90%、97%上游來(lái)水頻率與下游5年一遇、10年一遇潮位和20年一遇潮位不同組合下的河口含氯度變化，分析上游來(lái)水和下游潮位變化對(duì)河口含氯度的影響，進(jìn)而為河口地區(qū)的供、取水安全以及為“壓咸”而進(jìn)行的上游水庫(kù)水量調(diào)度提供參考價(jià)值。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

珠江口地區(qū)東起深圳、西迄臺(tái)山、北至廣州、南達(dá)萬(wàn)山群島，包括珠江三角洲的大部分地區(qū)和內(nèi)陸架水域。其中磨刀門(mén)水道(見(jiàn)圖1)是珠江出海門(mén)口之一，是珠江口咸潮活躍的典型河段，其位于廣東省珠海市洪灣企人石，是西江徑流的主要出?？陂T(mén)。磨刀門(mén)水道全場(chǎng)33.35 km，縣境內(nèi)流域面積177.8 km2，過(guò)境流量523 億m3，枯水期漲潮最大流量為9 370 m3/s潮最大，洪水期漲潮最大流量為1.0 萬(wàn)m3/s，年輸沙量為2 700 萬(wàn)t。

圖1 磨刀門(mén)水道示意圖Fig.1 Schematic diagram of the Modaomen waterway

1999年之前，咸潮主要對(duì)中山市西江出?？诘奶怪捩?zhèn)造成影響；1999年以后，咸潮大幅上溯，開(kāi)始對(duì)城區(qū)及周邊地區(qū)造成影響[17]；到了2005年咸潮是近30年來(lái)最嚴(yán)重的，在中山市24個(gè)鎮(zhèn)區(qū)中，供水受咸潮不同程度影響的鎮(zhèn)區(qū)已達(dá)到18個(gè)[18]；而到了2011年，下游咸潮兇猛，平崗泵站已破2005年的咸情記錄[15]。

1.2 數(shù)據(jù)及來(lái)源

本文采用磨刀門(mén)水道中三水站+馬口站的前一天日平均徑流量、燈籠山站日平均潮位和平崗泵站日平均含氯度作為研究數(shù)據(jù)。數(shù)據(jù)均在2005年1、2、3、9、10、11和12月的實(shí)測(cè)資料中選取，總樣本個(gè)數(shù)為173個(gè)，用于神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和驗(yàn)證。其中1、2、3、9、10月的數(shù)據(jù)(某些天數(shù)的數(shù)據(jù)有缺失)作為第1組數(shù)據(jù)，樣本個(gè)數(shù)為134個(gè)，其用于模型的訓(xùn)練；而11和12月的數(shù)據(jù)(某些天數(shù)的數(shù)據(jù)有缺失)則作為第2組數(shù)據(jù)，樣本個(gè)數(shù)為39個(gè)，其用于模型的驗(yàn)證。

以上述三水站+馬口站的前一天日平均徑流量和燈籠山日平均潮位作為本文神經(jīng)網(wǎng)絡(luò)模型中的輸入，平崗泵站日平均含氯度作為模型的輸出。而由于各輸入輸出數(shù)據(jù)之間所屬范圍差別較大，直接使用觀測(cè)數(shù)據(jù)是網(wǎng)絡(luò)收斂緩慢甚至無(wú)法收斂，造成模型無(wú)法模擬，因此，為了使程序運(yùn)行時(shí)加快收斂，對(duì)數(shù)據(jù)中的平均徑流量數(shù)據(jù)和含氯度數(shù)據(jù)均除以1 000，而后使用premnmx函數(shù)對(duì)所有數(shù)據(jù)進(jìn)行歸一化處理；模型訓(xùn)練和驗(yàn)證后，對(duì)輸出數(shù)據(jù)運(yùn)用postmnmx函數(shù)進(jìn)行反歸一化處理[19]。

2 BP神經(jīng)網(wǎng)絡(luò)方法

近年來(lái)人工神經(jīng)網(wǎng)絡(luò)(ANN)在水文分析和水文預(yù)測(cè)中的應(yīng)用越發(fā)廣泛[20]，而且取得良好效果。而在這些應(yīng)用中，BP神經(jīng)網(wǎng)絡(luò)是較為有效的方法，且大部分采用三層網(wǎng)絡(luò)結(jié)構(gòu)以解決水文研究中的問(wèn)題[21]。本文采用的3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，該網(wǎng)絡(luò)結(jié)構(gòu)帶有1個(gè)輸入層、1個(gè)帶非線性轉(zhuǎn)換函數(shù)的隱含層和1個(gè)帶線性轉(zhuǎn)換函數(shù)的輸出層。本文對(duì)單隱含層的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行說(shuō)明[22]，假設(shè)BP神經(jīng)網(wǎng)絡(luò)的輸入矢量x∈Rn，其中x=(x0,x1,…,xn-1)T；設(shè)隱含層有n1個(gè)神經(jīng)元，其輸出為x′∈Rn1，其中x′=(x′0,x′1,…,x′n1-1)T；輸出矢量y∈Rm，其中y=(y0,y1,…,ym-1)T。從輸入層到隱含層，其權(quán)值為wij，閾值為θj；從隱含層到輸出層，其權(quán)值為w′jk，閾值為θ′k。各層神經(jīng)元的輸出為：

(1)

圖2 三層BP神經(jīng)網(wǎng)絡(luò)Fig.2 Three layers of BP neural network

訓(xùn)練中神經(jīng)網(wǎng)絡(luò)會(huì)隨機(jī)指定每個(gè)神經(jīng)元的初始權(quán)值和閥值，然后把隨機(jī)權(quán)重下得到的模型模擬值與目標(biāo)值作比較，通過(guò)不斷調(diào)整各層的權(quán)值和閥值，使得網(wǎng)絡(luò)輸出的模擬值與目標(biāo)值之間的均方誤差達(dá)到所給定的期望值。

3 結(jié)果分析

3.1 BP神經(jīng)網(wǎng)絡(luò)的模擬與驗(yàn)證

運(yùn)用MATLAB軟件對(duì)模型進(jìn)行編程，模型中的一層隱含層采用雙曲正切S形傳輸函數(shù)，輸出層則使用線性傳輸函數(shù)，其中訓(xùn)練函數(shù)為traingdm算法。在模型訓(xùn)練階段，根據(jù)第1組數(shù)據(jù)的輸入，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算的平崗泵站日平均含氯度與實(shí)測(cè)值進(jìn)行比較，在未達(dá)到理想的結(jié)果前不斷調(diào)整模型中的各個(gè)參數(shù)，直到計(jì)算值與實(shí)測(cè)值之間的均方誤差達(dá)到所設(shè)定的期望值。之后采用第2組數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。

設(shè)定模型的訓(xùn)練步數(shù)為50 000步，期望訓(xùn)練精度為0.05。經(jīng)過(guò)多次的參數(shù)調(diào)整，最后確定隱含層的節(jié)點(diǎn)數(shù)為16，模型訓(xùn)練后在第48 562步時(shí)就達(dá)到所設(shè)計(jì)的最小均方差(0.05)，可見(jiàn)隱含層節(jié)點(diǎn)數(shù)在這個(gè)設(shè)定下有利于網(wǎng)絡(luò)的收斂。

圖3為設(shè)定好的網(wǎng)絡(luò)模型計(jì)算的日平均含氯度與實(shí)測(cè)數(shù)據(jù)之間的比較，可以看出計(jì)算值與實(shí)測(cè)值符合良好，其相關(guān)系數(shù)為0.867 8。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練后的結(jié)果Fig.3 Curves of observed chlorinity and its calibration results

而后運(yùn)用第2組數(shù)據(jù)對(duì)訓(xùn)練后的模型進(jìn)行仿真驗(yàn)證，結(jié)果如圖4所示?？梢钥闯瞿Ｐ偷尿?yàn)證效果良好，其相關(guān)系數(shù)達(dá)到0.84。為進(jìn)一步驗(yàn)證模型的適用性，利用訓(xùn)練好的模型對(duì)2009年10-12月的含氯度進(jìn)行模擬，實(shí)測(cè)值與模擬值之間的相關(guān)系數(shù)為0.82，說(shuō)明了模型較好的適用性。

圖4 BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算與實(shí)測(cè)數(shù)據(jù)的比較Fig.4 Curves of observed chlorinity and its validation results

利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和驗(yàn)證的河口含氯度計(jì)算結(jié)果與實(shí)際含氯度之間的相關(guān)系數(shù)均在0.82以上， BP神經(jīng)網(wǎng)絡(luò)能夠較好地反映出上游徑流量、河口咸潮期潮位與含氯度三者之間的非線性關(guān)系。因此，根據(jù)徑流量和潮位數(shù)據(jù)，即能夠較準(zhǔn)確地模擬計(jì)算出相應(yīng)的含氯度。

3.2 徑流量的變化對(duì)含氯度的影響

運(yùn)用上述基于BP神經(jīng)網(wǎng)絡(luò)的珠江河口含氯度預(yù)測(cè)模型研究受調(diào)節(jié)的上游水電站的徑流量變化對(duì)河口含氯度的影響。對(duì)上游徑流量分別按升序和降序進(jìn)行排列，由于潮汐變化具有顯著的周期性，不同潮周期間潮位過(guò)程相近，因此計(jì)算時(shí)仍將潮位作為下游邊界條件[21]。利用上述訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模擬計(jì)算，結(jié)果如圖5所示。

圖5 上游徑流量升序與降序時(shí)含氯度的變化Fig.5 Chlorinity changes under upstream runoff sequences of ascending and descending

由圖5可以看出，上游徑流量與河口含氯度呈負(fù)相關(guān)關(guān)系：當(dāng)徑流量按升序排列時(shí)，含氯度呈下降趨勢(shì)；當(dāng)徑流量按降序排列時(shí)，含氯度呈上升趨勢(shì)。這反映了上游徑流量越大，河口含氯度越小，體現(xiàn)出上游徑流量的“壓咸”作用，與Liu[12]的研究成果一致，印證了咸潮入侵時(shí)期上游來(lái)水對(duì)減輕河口含氯度確保供水安全具有至關(guān)重要作用。表1為上游徑流量的原始值、升序、降序排列對(duì)河口含氯度影響的對(duì)比。

表1 不同排序的徑流量對(duì)含氯度的影響Tab.1 Effects of different sort of runoff to chlorinity

由表1可知，當(dāng)徑流量以降序排列時(shí)，最大含氯度為1 225 mg/L，有34 d的濃度是低于250 mg/L，即水質(zhì)達(dá)標(biāo)[12]，這比原始徑流量下的達(dá)標(biāo)天數(shù)多了8 d，也低于其最大含氯度2 029 mg/L。

對(duì)第2組數(shù)據(jù)(驗(yàn)證數(shù)據(jù)，共39 d)的上游徑流量分別按升序和降序進(jìn)行排列，下游潮位不變，運(yùn)用上述訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算?？梢钥闯?，對(duì)上游徑流量進(jìn)行排序泄水時(shí)，其水質(zhì)達(dá)標(biāo)情況均比實(shí)際徑流量好；當(dāng)上游徑流量以降序形式進(jìn)行泄水時(shí)，其結(jié)果最好，徑流量降序時(shí)水質(zhì)達(dá)標(biāo)的天數(shù)比實(shí)際情況的要多8 d，其最大含氯度為1 225 mg/L，也比實(shí)際情況的最大含氯度2 029 mg/L要小，這可能是因?yàn)閷?duì)于受咸潮入侵影響的河口區(qū)，前期徑流量較大時(shí)，會(huì)使河口段本底含氯度相對(duì)較小，這在一定程度上會(huì)減輕前期含量度對(duì)后期的影響。

3.3 不同來(lái)水頻率和潮位設(shè)計(jì)方案下的含氯度模擬預(yù)測(cè)

基于1989-2005年上游三水站+馬口站前一天徑流序列和1971-2004年燈籠山逐時(shí)潮位數(shù)據(jù)，設(shè)計(jì)以下6種邊界條件情形：90%來(lái)水頻率、5年一遇潮位；90%來(lái)水頻率、10年一遇潮位；90%來(lái)水頻率、20年一遇潮位；97%來(lái)水頻率、5年一遇潮位；97%來(lái)水頻率、10年一遇潮位；97%來(lái)水頻率、20年一遇潮位。運(yùn)用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)平崗泵站日平均含氯度進(jìn)行模擬計(jì)算，以分析不同來(lái)水頻率和潮位邊界情形下的含氯度變化，結(jié)果如表2所示。

表2 模型計(jì)算結(jié)果 mg/L

由表2可知，以上游90%來(lái)水頻率為例，在5年一遇潮位情形下，方案設(shè)計(jì)的結(jié)果(366.1 mg/L)較2005年實(shí)際河口含氯度(140.25 mg/L)[15]大，這是因?yàn)閷?shí)際數(shù)據(jù)的潮位(-0.215 m)比方案預(yù)測(cè)中的低，海水入侵程度較低，所以其含氯度比方案設(shè)計(jì)計(jì)算的結(jié)果要??；在十年一遇潮位(0.11 m)情形下，在2005年的實(shí)測(cè)數(shù)據(jù)中找出與其接近的數(shù)據(jù)，得到某天的平均潮位為0.112 m，平均徑流量為2 412 m3/s，河口含氯度362.17 mg/L，這組實(shí)測(cè)數(shù)據(jù)與方案90%來(lái)水頻率+10年一遇潮位的數(shù)據(jù)與計(jì)算結(jié)果(366.1 mg/L)相似，說(shuō)明本文神經(jīng)網(wǎng)絡(luò)模型的模擬效果較好?？梢钥闯觯涌谠O(shè)計(jì)潮位越高，上游來(lái)水越小，河口含氯度越大。

當(dāng)上游來(lái)水頻率為90%時(shí)，5年一遇潮位下的含氯度與10年一遇的含氯度相差10 mg/L左右；而當(dāng)上游來(lái)水頻率為97%時(shí)，5年一遇潮位下的含氯度與10年一遇的含氯度相差15 mg/L。由此可以看出當(dāng)上游徑流量較小時(shí)，下游潮位對(duì)河口含氯度的影響會(huì)比徑流量較大的影響要大。10年一遇潮位與20年一遇潮位亦是如此，表明當(dāng)上游徑流量較小時(shí)，下游潮位對(duì)于河口含氯度的影響程度較大。章文[14]等的研究也指出，磨刀門(mén)水道的含氯度在極端枯水期很大程度上受下游潮位變化幅度的影響。

同一設(shè)計(jì)潮位方案下，特枯來(lái)水年份(97%來(lái)水頻率)平崗泵站日平均含氯度較正常來(lái)水年份(90%來(lái)水頻率)平均增幅達(dá)到3.3倍。尤其是特枯來(lái)水年份，平崗泵站10年一遇潮位下日平均含氯度達(dá)到了1 500 mg/L。說(shuō)明枯水期上游來(lái)水的減少較大增加了咸潮上溯的風(fēng)險(xiǎn)，進(jìn)而造成了河口地區(qū)正常供取水的困難。

4 結(jié) 語(yǔ)

(1)本文建立的基于BP神經(jīng)網(wǎng)絡(luò)的含氯度模擬模型對(duì)平崗泵站的日平均含氯度模擬訓(xùn)練和驗(yàn)證的結(jié)果與實(shí)際含氯度之間的相關(guān)系數(shù)均在0.82以上，模型體現(xiàn)了較好的適用性，可用于磨刀門(mén)河口區(qū)含氯度的模擬預(yù)測(cè)。

(2)不同流量過(guò)程條件下日平均含氯度的模擬表明，采用水庫(kù)泄水來(lái)抑制潮汐河口水源地咸潮上溯，在泄水總量不變的情況下，按照徑流量降序來(lái)泄水更能有效地緩解咸潮上溯對(duì)水源地的影響。這對(duì)于河口地區(qū)的供水和取水安全及水庫(kù)泄水調(diào)度均具有重要的意義。

(3)不同來(lái)水頻率和潮位設(shè)計(jì)方案下的含氯度預(yù)測(cè)模擬結(jié)果表明：上游徑流量較小時(shí)，下游潮位對(duì)河口含氯度的影響會(huì)比徑流量較大的影響要大；同一設(shè)計(jì)潮位方案下，特枯來(lái)水年份(97%來(lái)水頻率)平崗泵站日平均含氯度較正常來(lái)水年份(90%來(lái)水頻率)平均增幅達(dá)到3.3倍。

值得指出的是，本文僅選取了影響河口含氯度的兩個(gè)主要因素：上游來(lái)水和下游潮位，以分析上游來(lái)水變化及其與不同潮位的組合對(duì)網(wǎng)河區(qū)河口含氯度的影響。實(shí)際上，除了上游來(lái)水和下游潮位，河口含氯度還受到風(fēng)向，河道地形變化，下游支流的交互作用以及其他因素的影響。例如，磨刀門(mén)水道下游的洪灣和賀洲水道關(guān)閉可導(dǎo)致20%咸潮入侵的減少[23]；在小潮或是落潮階段，更多咸潮由洪灣水道涌向磨刀門(mén)水道，這是此階段磨刀門(mén)水道上游咸潮入侵達(dá)到最大化的內(nèi)在動(dòng)力機(jī)制[24]。因此，河口含氯度的變化呈現(xiàn)出高度的非線性[12]，咸潮入侵的動(dòng)力機(jī)制及其對(duì)河口含氯度的影響機(jī)理較為復(fù)雜，仍需進(jìn)一步深入研究。

□

[1] 楊莉玲. 河口鹽水入侵的數(shù)值模擬研究[D]. 上海：上海交通大學(xué),2007.

[2] Lian JJ, He W, Ma C, et al. Guarantee rate of freshwater in a river mouth intruded by saltwater with respect to the joint impact of runoff and tide [J]. Journal of Hydroinformatics, 2015,17(6):917-929.

[3] IPCC: Climate Change 2013. The Physical Science Basis[Z].

[4] Ketabchi H, Mahmoodzadeh D, Ataie-Ashtiani B et al. Sea-level rise impacts on seawater intrusion in coastal aquifers: review and integration[J]. Journal of Hydrology, 2016,535:235-255.

[5] Colon-Rivera RJ, Feagin RA, West JB et al. Hydrological modification, saltwater intrusion, and tree water use of a Pterocarpus officinalis swamp in Puerto Rico [J]. Estuarine Coastal and Shelf Science, 2014,147:156-167.

[6] Vijay R, Mohapatra PK. Hydrodynamic assessment of coastal aquifer against saltwater intrusion for city water supply of Puri, India [J]. Environmental Earth Sciences, 2016,75:588.

[7] 孔 蘭,陳曉宏,杜 建,等. 基于數(shù)學(xué)模型的海平面上升對(duì)咸潮上溯的影響[J]. 自然資源學(xué)報(bào),2010,(7):1 097-1 104.

[8] 史英標(biāo),李若華,姚凱華. 錢(qián)塘江河口一維鹽度動(dòng)床預(yù)報(bào)模型及應(yīng)用[J]. 水科學(xué)進(jìn)展,2015,(2):212-220.

[9] Kernell G R. Selected streamflow statistics for stream gaging stations in Northeastern Maryland[R]. U.S. Department of the Interior. U.S. Geological Survey, Open-file Report, 2006.

[10] Kernell G R. The national streamflow statisics program: a computer program for estimating streamflow stistics for ungaged sites[M]. U.S. Geological Survey, 2007.

[11] BMJ Langland, JP Raffensperger, DL Moyer, et al. Changes in streamflow and water quality in Selected Nontidal basins in the Chesapeake Bay Watershed, 1985-2004[R]. U.S. Geological Survey Scientific Investigations Report, 2006.

[12] Liu BJ, Yan SL, Chen XH, et al. Wavelet analysis of the dynamic characteristics of saltwater intrusion - a case study in the Pearl River Estuary of China[J]. Ocean & Coastal Management, 2014,95:81-92.

[13] Yuan R, Zhu JR. The effects of dredging on tidal range and saltwater intrusion in the Pearl River Estuary [J]. Journal of Coastal Research, 2015,31(6):1 357-1 362.

[14] 章 文,劉丙軍,辛彥博，等. 珠江河口區(qū)鹽度變化周期特征分析----以磨刀門(mén)水道為例[J]. 熱帶地理,2013,33(1):28-33.

[15] 黃建華,黃庭輝,陳治家. 中山珠海咸潮兇猛[N]. 廣州日?qǐng)?bào),2011-12-20(A14).

[16] 林偉波. 甌江口鹽水入侵預(yù)測(cè)模式研究[J]. 中國(guó)農(nóng)村水利水電,2013,(3): 24-33.

[17] 胡 溪. 珠江口磨刀門(mén)水道咸潮入侵?jǐn)?shù)值模擬研究[D]. 北京：清華大學(xué), 2010.

[18] 周 琳,汪 進(jìn),萬(wàn) 飛,等. 面對(duì)咸潮----市供水有限公司努力抗咸保供水[N]. 中山日?qǐng)?bào)畫(huà)刊,2006-12-01(第6期27版).

[19] 朱 凱. 精通MATLAB神經(jīng)網(wǎng)絡(luò)[M]. 北京:電子工業(yè)出版社,2010.

[20] 胡鐵松,袁 鵬,丁 晶. 人工神經(jīng)網(wǎng)絡(luò)在水文水資源中的應(yīng)用[J]. 水科學(xué)進(jìn)展,1995,(1): 76-82.

[21] 劉國(guó)東,丁 晶. BP網(wǎng)絡(luò)用于水文預(yù)測(cè)的幾個(gè)問(wèn)題探討[J]. 水利學(xué)報(bào),1999,(1): 66 -71.

[22] 黃 麗. BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)及應(yīng)用研究[D]. 重慶：重慶師范大學(xué),2008.

[23] 胡 溪,毛獻(xiàn)忠. 珠江口磨刀門(mén)水道咸潮入侵規(guī)律研究[J]. 水利學(xué)報(bào),2012,(5): 529 -536.

[24] Gong WP, Wang YP, Jia JJ. The effect of interacting downstream branches on saltwater intrusion in the Modaomen Estuary, China[J]. Journal of Asian Earth Sciences， 2012,45:223-238.