上游來(lái)水與下游潮位對(duì)河口含氯度的影響
----以磨刀門河口為例

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。磨刀門水道作為珠江的重要入?？谥?，其鹽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。其中磨刀門水道(見(jiàn)圖1)是珠江出海門口之一，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。磨刀門水道全場(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?，河口設(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水道，這是此階段磨刀門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.