日流量过程分维估计

探讨了日流量过程的分形特性，重点研究了分维估计方法．结果表明：分维数可以表征日流量过程的变化特性．分维估计方法较多，当前以计盒法为最好。  

径流长期分级预报的Kohonen网络方法

提出了径流长期分级预报一种新的模式识别方法。该方法不直接描述径流形成的物理机制，而是通过Ｋｏｈｏｎｅｎ自组织神经网络对历史样本（径流级别及其影响因子集）的学习，识别出蕴含在样本中径流级别与其影响因子之间的规律性。辽宁省大伙房水库基于气象因素的汛期径流预报实践，表明了该方法的可行性和有效性。  

人工神经前馈（BP）网络模型用作过渡期径流预测的探索

尝试应用人工神经网络预报兰诈站过渡期（５、６月）的月径流量，并将预报的评定，检验成果和传统的多元回归方法作了比较。研究表明：人工神经网络模型用作过渡期径流预报不仅可行，而且效果显著优于多元回归方法。  

水文水资源人工神经网络模型的研究

本文论述了在水文水资源中研究人工神经网络模型的意义，简介了国内外在这个领域的研究现状，最后指出当前的研究重点。  

基因算法在水科学中的应用

给出了基因算法（ ＧＡ） 的一种改进方案—ＡＧＡ，在日径流过程预测、水利工程收益率、水文建模、水环境优化、洪水灾害评价等不同类型的水科学优化问题应用中得到了良好的结果，说明了该方法的可行性、有效性和通用性，这为解决水科学复杂优化问题提供了强有力的技术支持，具有广泛的应用价值。  

集对分析在水文水资源中的应用研究及展望

扼要介绍了处理不确定性问题的新方法——集对分析。在此基础上，综述了集对分析在水文水资源系统中的应用研究现状。展望了集对分析在该领域的未来研究趋势和发展方向。将集对分析引入水文水资源科学，不但柘宽了应用范围，而且推动了集对理论本身的发展。  

多层前馈网络的联合梯度学习算法及其在水文预报中的应用

提出了径流长期分级预报的人工神经网络方法，给出了多层前馈网络的联合梯度算法。用辽宁大伙房水库的汛期长系列资料进行实例研究，取得了初步令人满意的结果。  

关于大流域洪量历时关系的探讨

根据在水现象中广泛存在的自相似性，将标度不变性引入洪量历时关系，对大流域洪量随历时变化的性质进行了研究，用全国不同流域，不同地理气候条件地区的17个水站的洪水资源，对洪量随因时的变化进行了研究，结果表明：在一定的历时范围内，大流域洪量随历时变化具有单标度性质，由洪量随历时变化的标度性质，建立了洪水强度历时公式。  

年最大洪峰序列统计混乱性的初步研究

现行洪峰频率计算的统计理论基础于洪峰流量独立随机变量，然而目前出现一种议论，认为洪峰序列有些情况下虽然无短滞进相关结构，但却存在着长滞时相关结构，这种奇特的特性可称做统计混乱性，混乱性无疑增加了估计参数的不确定性，并严重影响洪水风险分析的可靠性，本文根据中国部分河流长期观测资料，分析了洪峰序列的统计变化特性，结果表明，洪峰序列短滞时相关结构特性不明显，统计混乱性也不明显，在目前情况下可不予考虑。  

洪水变化的混沌特性和相空间预测

混沌理论不仅变认识洪水变化规律提供了新的观点，而且为洪水预测提供了新的途径，本文以金沙江屏山站洪水变化的分析为例，论述了洪水的混沌特性和相空间预测法。