针对当前河口地区洪水的危害性、防洪的重要性及感潮河段实时水位预报的主要问题和困难,论文研究了主要的河道洪水演算模型:基于完全圣维南方程组差分解的一维水动力学模型、BP神经网络模型。分析了这两种方法的优点和不足,指出一维水动力学虽然能比较好地模拟河道水流运动的状态,但是难以应用于资料缺乏的地区,神经网络则具有收敛速度慢且不稳定的缺点。因此如何构造一个稳定、简单、适用性比较强且具有一定精度的水位预报模型,在水文预报方法的研究当中具有重要的意义。 论文根据马斯京根法的基本原理,通过引进扩散波水位流量关系式,构造河道水位演算方法,并根据感潮河段水流运动的特点,将预报断面的洪水过程分解成上游洪水波和下游潮水波两种独立波,分别用水位演算方程对洪水波从上游向下游进行洪水波演算,对潮水波从下游向上游进行潮水波演算,以此建立了感潮河段双向波水位预报模型。 将模型分别应用在长江和曹娥江感潮河段上,在长江感潮河段上能得到较为理想的结果,但在曹娥江上的计算精度却比较低。在分析了模型的基本假定以及比较了曹娥江流域的地理、水文特征,河道断面特征和长江流域的不同后,发现平均河宽和比降的变化是其主要影响因素。对原模型结构进行了改进,通过对曹娥江的洪水进行模拟,得到了不错的结果。 对一维水动力学模型和神经网络模型在曹娥江感潮河段上的应用进行分析,并将其和双向波水位演算法的应用成果进行比较。比较结果显示双向波水位演算法在原始资料不足的情况下,能针对性地调整自身参数,得到一个比较好的计算结果,证明了其具有比较好的灵活度和适用性,而且其方法简便、物理概念清楚,值得进一步的研究和发展。