发布时间：2023-12-22 11:35:26
绪论：一篇引人入胜的网络暴力的实质，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
中图分类号:DF6文献标志码:A文章编号:1673-291X(2009)24-0107-02
科技的发展也导致了新型经济犯罪的发生,随着中国经济的高速发展和网络技术不断进步,网络环境下侵犯知识产权的犯罪日益增多,严重侵害了知识产权权利人的合法利益,影响了网络环境的正常秩序。而立法的空白、惩治的不力是导致侵犯网络知识产权犯罪案件屡屡发生的重要因素,尤其是刑事法未能有效的发挥其保障法的功能,未能有效遏制犯罪分子对网络知识产权的侵害。
一、侵犯网络知识产权犯罪的含义与构成特征
侵犯网络知识产权犯罪,是指以互联网为工具而实施的严重危害他人知识产权的行为。如果某项知识产权的载体仅仅存在于网络上,则侵犯网络知识产权犯罪也包括以承载知识产权的网络为攻击目标的犯罪活动。从广义上讲,侵犯网络知识产权犯罪既是工具犯又是对象犯,但更主要的是工具犯,在形式上属于传统犯罪的网络化。
侵犯网络知识产权犯罪因其调整的范围有所不同,具有区别于传统侵犯知识产权罪的构成特征[1]:
1.客体特征。侵犯网络知识产权犯罪的客体是复杂客体,一方面侵犯了知识产权权利人的利益;另一方面侵犯了知识产权管理制度和市场经济秩序。除此以外,侵犯网络知识产权犯罪还侵犯了国家对网络的正常管理秩序。网络的发展要求国家建立相应的管理制度,规范网络活动,进而保护数据,便于人们进行正常的信息交流,以保障正常的经济秩序。国家通过制定有关网络管理方面的法律法规,形成对网络活动的管理制度,违反这些规定必然扰乱市场经济秩序,在网络上实施侵犯知识产权的行为破坏了国家对网络的正常管理秩序。
侵犯网络知识产权犯罪的犯罪对象是与受国家法律保护的他人依法所享有的知识产权有关的科学技术及其他知识成果。
2.客观方面特征。侵犯网络知识产权犯罪在客观方面表现为未经权利人许可,通过互联网侵犯其知识产权且情节严重的行为。除了经知识产权权利人许可或法律另有规定之外,其他任何人均不得享有或使用该知识产权权利,行为人未经权利人许可,在互联网上非法使用其权利的,如果行为的危害性具有严重性,就有可能构成犯罪。
侵犯网络知识产权犯罪与传统侵犯知识产权犯罪都不是行为犯,而是结果犯或情节犯。与非网络环境下的侵犯知识产权行为相比,侵犯网络知识产权的行为因其侵权方式发生了很大的变化,致使其产生的社会危害性要大得多,在司法实践中如何具体掌握网络环境下“情节严重”的标准,应当参照有法律解释权的国家权力机关或者具有适用法律解释权的国家司法机关所作出的解释或根据案件的具体情况,结合审判中的实践进行具体分析处理。
3.主体特征。侵犯网络知识产权犯罪的主体是一般主体,自然人和单位均可构成,其中单位包括网络服务商,这是侵犯网络知识产权犯罪与传统侵犯知识产权罪的又一不同之处。
4.主观方面特征。侵犯网络知识产权的犯罪多数是由故意构成,只有侵犯商业秘密的行为可以由过失构成。对故意犯罪而言,尽管不能排除网络上侵犯知识产权罪的贪利型目的,但与传统侵犯知识产权犯罪不同的是,许多侵犯网络知识产权犯罪的行为人主观上都不具有直接的营利目的。因此,“以营利为目的”不能成为该种犯罪的必要要件。
二、中国网络知识产权刑事法律保护的缺陷
目前网络知识产权作为知识产权的一种特殊形式, 在世界范围内得到了承认和保护。中国现行的网络知识产权刑法保护手段存在着一定的缺陷和不足, 体现在目前中国网络知识产权刑事法律保护立法模式存在着一定的弊端。我们应重视和完善中国网络知识产权刑法保护的立法,以适应当前打击网络知识产权犯罪的需要。
中国对侵犯知识产权犯罪立法采取的是集中型的立法模式,在这种立法模式下,维护法律的长期稳定性是必然的选择。但知识经济时代的重要特征就是世界科学技术的迅猛发展和经济全球化进程的加快,知识产权刑事法律保护中的新情况、新问题层出不穷,随着时间的推移,这种相对僵化的立法模式对新情况的反映能力不足,容易造成保护知识产权的刑事法律滞后于社会生活的变迁。
技术进步历来就是一把双刃剑,一方面为作品创作、传播提供了更有利的工具,另一方面也为未经授权侵犯作者权利的复制和传播带来了便利。因而,知识产权的刑事法律保护在给科技发展提供主要动力和坚强保护的同时,也必然不断地面临新技术带来的挑战。尤其是网络技术的飞速发展,信息传播市场的全球自由化更是使得知识产权刑事保护中的新情况、新问题层出不穷。例如,域名的刑事法律保护、网络环境中著作权的刑事法律保护、电子商务中知识产权犯罪刑事管辖权的确定以及刑事证据的取得等等。所以,应审时度势地对知识产权立法进行及时修改、完善。德国、法国等国结合刑法典和知识产权法规对知识产权犯罪行为进行刑事处罚的结合型模式,在维护刑法典的权威性与稳定性的同时,能够兼顾侵犯知识产权犯罪的新情况、新问题,及时对刑事法律的有关规定进行修订与补充,从而合理地组织对侵犯知识产权犯罪的刑事反应,无疑更能适应网络时代对知识产权刑事法律保护的要求[2]。
三、网络环境下知识产权刑法保护的立法模式
1.附随型立法模式及其完善。在互联网迅猛发展的形势下,现行刑法关于侵犯知识产权犯罪条款中的某些规定逐渐显现出不合时宜和无能为力,刑法典的更新速度落后于技术进步的速度,不利于对网络知识产权的切实保护。
为此应当在考虑刑法典稳定性的同时,使涉及网络知识产权的刑事法律规定适应社会变迁的步伐,重视采用特别刑法的形式规范侵犯网络知识产权犯罪行为,可以借鉴德、法等国结合刑法典和知识产权法规对侵犯网络知识产权犯罪行为进行刑事处罚的结合型模式,这样在维护刑法典的权威性与稳定性的同时,又兼顾了侵犯网络知识产权犯罪的新情况、新问题,能够及时对刑事法律的有关规定进行修订与补充,适应网络知识产权刑事法律保护的要求。
在目前的立法实践中,中国网络知识产权刑事法律保护模式应在坚持刑法基本原则的前提下,除在刑法典中以空白罪状、简单罪状的方式集中规定侵犯网络知识产权罪以外,还可以通过对专利法、商标法、著作权法等单行网络知识产权法规中与侵犯网络知识产权罪有关的附属刑法规范的修订,充分发挥附属刑法的作用,提高网络知识产权刑事法律保护的创新性和及时性[3]。
不过我们也应看到,附随型立法模式虽然能够起到提示的作用,但这种附随型的刑法规范是以刑法规定为前提和基础的,一旦刑法本身没有相应的条款,那么由于受罪刑法定原则的制约,附随型的刑法规范就会被束之高阁,无法具体适用[4]。
因此,采用附随型立法模式必须注意刑法典与各附随立法的衔接,由刑法典统一对侵犯知识产权罪的罪状及法定刑作出规定,而由附属刑法规定需要追究刑事责任的范围,即对于需要作为犯罪处理的,则规定“构成犯罪的,依法追究刑事责任”。这种结合模式的长处是,既顾及了刑法典集中统一规定的优点,又考虑到了侵犯知识产权罪是法定犯的特点,避免了单一立法模式的不足。当然,必须说明的是,中国有关行政法规和经济法规中,通常没有如国外法律中有罪状及法定刑的规定,虽不是严格意义上的刑法规范,但仍然应看做一种立法形式。因为刑法所有规定的侵犯知识产权罪实际上均必须以违反专利法、商标法、著作权法等法律法规为前提,这是由法定犯原理所决定的。就此而言,对侵犯知识产权罪等法定犯不可能仅有刑法规定,而没有行政法的相应规定,否则也就不成其为法定犯了。
2.专门性立法模式的可能性。在不突破现有刑法语言含义的范围之内,部分侵犯网络知识产权的犯罪行为是可以在现行的刑法框架内被惩治的。但是,时代在不断的发展,新的侵犯知识产权犯罪形态、尤其是网络犯罪形态还在不断的涌现,刑法注定面临着需要不断完善的过程,否则便无法有效地对知识产权进行保护,也无助于刑法正义理念的实现。
针对侵犯网络知识产权犯罪,中国并没有一部专门的刑事法律予以规定, 目前的立法形式由于没有考虑到侵犯网络知识产权犯罪的特殊性,并不能对网络知识产权给予充分的保护。在2004年的最高人民法院、最高人民检察院《关于办理侵犯知识产权刑事案件具体应用法律若干问题》的解释司法解释中触及到了网络知识产权,但也只有一款提到了网络知识产权,这对于遏制日益猖獗的侵犯网络知识产权犯罪无疑是力不从心的。
虽然侵犯知识产权犯罪集中立法模式有利于充分揭示侵犯知识产权犯罪的共性特征,便于综合比较分析各种侵犯知识产权犯罪之间的区别与联系,从而实现侵犯知识产权犯罪罪刑设置的系统化,增强刑法的威慑力,但是对网络知识产权个性的忽视可能会导致对侵犯网络知识产权犯罪的放纵,实践中网络知识产权的新领域如域名、网络著作权的刑事法律保护等新情况、新问题在现行的刑罚框架内并不能得到充分有效的解决[5]。
为此,有必要考虑网络知识产权刑法保护形式的改革,在时机成熟时,制定专门规范侵犯网络知识产权犯罪的特别刑法,以加强对网络知识产权的保护力度。
参考文献:
[1]陶月娥.论侵犯网络知识产权犯罪[J].辽宁警专学报,2005,(6):50.
[2]田宏杰.论中国知识产权的刑事法律保护[J].中国法学,2003,(2):147.
基金项目：海南省教育厅高等学校科学研究项目（Hjsk2011-109）
新媒体是在数字技术、网络技术、移动技术支撑下出现的媒体形态，通过互联网、无线通信网、有线网络等渠道向用户提供各种信息。新媒体具有个性化、开放性、共享性和互动性强特点，使用不受时间和空间限制，深受大学生喜欢并深刻地影响着大学生的生活。面对新媒体语境下大学生思想行为出现的新情况、新问题，如何积极利用新媒体的优势，因势利导，占领网络思想阵地，有效推进思想政治教育进网络是摆在当前高校和高校思想政治教育工作者面前的重要课题。
1.提高认识，构筑思政教育进网络的思想保障
2008年6月，总书记视察人民网时，指出“互联网已成为思想文化信息的集散地和社会舆论的放大器，我们要充分认识以互联网为代表的新兴媒体的社会影响力”。党的十七大报告强调指出：“加强网络文化建设和管理，营造良好网络环境。”网络作为一种文化正在崛起，特别是新媒体的普及使用，网络已经成为大学生获取资讯、展示个性、人际交往的重要载体，受到大学生的广泛青睐。随着网络背景下的新媒体技术的进步和表现形式的不断更新，它对大学生思想观念和行为方式产生着潜移默化的影响。学院将思政工作放在与学院发展的同等位置上，针对新媒体时代背景下高校思想政治工作面临的新情况和新要求，全院上下凝聚形成了利用网络、因势利导，进一步增强用占领高校思想文化阵地的政治意识，提高对思想政治教育进网络重要性和紧迫性的认识。
2.加强领导，构筑思政教育进网络的组织保障
学院高度重视思政教育进网络工作，成立了思政教育进网络领导机构，由学院领导担任机构负责人，机构成员包括学院宣传部、学生处、团委、保卫处、网络中心、实训中心等部门负责人和各系部党总支书记，领导机构对全院的思政教育进网络工作进行总体规划和部署，健全的组织机构为全院上下一致、齐抓共管的局面打下坚实基础，确保了相关工作的顺利开展。
3.拓宽领域，构筑思政教育进网络的阵地保障
学院根据教育环境和教育对象的变化情况，充分运用网络手段拓展思想政治教育的领域和视野，用正确、积极、健康的思想文化占领网络阵地。目前，学院已经成功搭建了四个网络平台，形成了全方位、全覆盖的网络思政教育系统。
3.1搭建网络教育平台
始终坚持“建好思政网站，加强网络管理，引导网上舆论”的“建、管、导”相结合的工作思路，构建了系统的网络思想教育体系，使网络思想政治教育经常化、制度化，做到了认识到位，制度完善，工作落实。学院建立了“学工在线”、“经贸青年”、“经贸论坛”等思政教育网站，强化具有鲜明的经贸类职业教育特色和思想政治教育特色的校园网站建设。聘请具有坚定政治立场的学生干部担任网站管理人员或版主，教师也以网民身份参与各种网络讨论，对学生网民进行正面引导。广大教师还积极地将自己所开设的个人主页或博客向学生公布，方便学生浏览、留言和交流。这一系列措施为学生创造网络沟通、学习平台，又能有效对这些平台进行掌控，对学生进行正确的方向引导。
3.2搭建网络交流平台
目前，学院已经建立了“校―系―班”三级微博，学工处、团委、就业指导中心等学生工作部门也开通了官方微博，三级组织微博确保了信息传递的畅通和交流的双向互动。学院学工系统建立了微博和QQ群，学院团组织、学生团体等已相应建立了QQ群和微博等。由各级学工干部、辅导员或学生干部担任管理员，及时各种信息，积极参与网络沟通和适时监控，密切关注各种网络舆情。通过这种方式，提高了师生信息的通达度和信息反馈的及时性，也便于师生之间的沟通、交流。
为帮助更多的同学在走出校门，踏上社会后能得到更好的发展，学院各系部还以网络为平台，将已就业的同学按区域划分，时刻保持联系。通过网上交流，互通信息，帮助他们解决工作中遇到的难题，让他们健康成长。目前，学院部分专业已在珠江三角洲、浙江等地建起了网络校友交流平台。
3.3搭建网络监督平台
每年奖、助学金评定、“推优入党”、总结表彰等都在网络上进行公示，学生在对学工工作进行监督的同时也是在了解和认识学院的先进榜样，这些信息对学生本身就是德育教育的真实“教材”，对学生的激励和鞭策作用极大。如学院每年举行一届的经贸自强之星评选，就充分利用了网络监督平台，学院将20名自强之星候选人的先进事迹在网上公布，并开通网络投票平台，学生参与投票的过程也是学习先进典型的过程，反响良好。
3.4搭建网络投诉平台
在实践过程中，学院党委充分利用党委信箱、院长信箱、纪检信箱和学院网上的“意见与投诉”网页等多种渠道，搭建投诉意见直通平台，让师生投诉有门，让意见畅通无阻。这种方式使学校能第一时间掌握学生的实际问题，又能对个别学生实施个性化的德育教育和心理引导。
4.健全机制，构筑思政教育进网络的制度保障
4.1网络监控制度
学院制定网络值班制度，安排思政工作者进行网络值班，监控校内各类微博、论坛及QQ群信息，通过网络舆情分析学生思想动态，适时处理各类网上“突发事件”，并将值班情况纳入年终考核。
4.2应用激励制度
学院鼓励教师利用网络开设博客、空间等个人话语阵地，开通微博、飞信、QQ等新媒体平台，确保教育工作 “线上线下”的全覆盖。学院将微博信息质量、数量、粉丝数和关注数等作为对思政教育工作者开展成效的评估依据，年度评委将其纳入计量指标。
5.强化队伍，构筑思政教育进网络的人才保障
培养和建设一支既具有较高的政治理论水平、熟悉思想政治工作规律，又能有效地掌握网络技术、熟悉网络文化特点，能够在网络上进行思想政治工作的专兼职队伍，是思想政治教育进网络工作的人才保证，也是做好这项工作的关键所在。学院抓好了三支队伍的建设：
5.1强化学工队伍建设
加强包括学工干部、团干部、辅导老师、班主任等学工管理队伍的思想教育，提高其利用网络加强思想政治教育的自觉性，强化管理队伍的心理学、网络知识和新媒体应用技能培训，为学院思想政治教育进网络提供最坚实的人员保障。
5.2强化技术队伍建设
网络技术队伍包括网络中心、实训中心相关工作人员。通过教育培训，增强技术人员的政治意识、育人意识、服务意识，提高服务水平和质量，既要懂技术，还要懂思想教育，为学校思想政治教育进网络的技术保障队伍，确保网络安全。
5.3强化学生干部队伍建设
发挥学生组织“自我教育、自我服务、自我管理”的功能，学生干部不仅是思政教育进网络的受益者，也是该项工作的参与者。加强学生干部的思想政治理论教育和网络技术教育，使其能正确运用网络技术进行思想政治教育。
在学院党委的正确领导下，学院不断深化思想政治教育进网络工作，学院师生以积极的进取精神和强烈的责任意识，抢占思想政治教育阵地，使网络思想政治教育不断深化，更加贴近学生、贴近生活、贴近实际，有效地推动了大学生思想政治教育工作。
参考文献：
[1]郑为超.大学生网络思想政治教育探讨[J].淮南工业学院学报（社会科学版），2002，（1）
[2]郭天平，韦柳琴．思想政治教育进网络的实现途径及方法[J].重庆邮电学院学报（ 社会科学版），2004，（ 3 ）
[3]张雯婷.新媒体时代大学生思想政治教育方法的创新策略探析[J].学习与实践，2010，（10）
[4]代永建，王峰.新媒体技术对当代大学生的思想影响及启示[J].经济与社会发展， 2011，（10）
洪水预报作为非工程性防洪措施正日益受到重视，准确及时的洪水预报为防洪决策提供了科学的依据.人工神经网络模拟了人类大脑的结构及其功能，从而具有对模糊信息或复杂的非线性关系进行识别与处理的能力[1，2].
早期关于人工神经网络在水文水资源系统中的应用与研究的进展情况，文献[3]有较为详细、系统的介绍.其中，关于洪水预报的研究成果，大多处于如何应用人工神经网络算法进行洪水预报的阶段，即如何将洪水预报的实际问题概化成人工神经网络可以识别的算法模型.近期的研究成果表明，研究的问题更加深入，如LINDA SEE(1999)[4]将洪水过程分为上升段、洪峰段和下降段三部分，分别建立相应的预报模型，充分考虑了不同阶段的洪水过程其演进规律的差异.Fi-John Chang(1999)[5]引入洪峰预报误差和峰现误差作为洪水预报精度的评价标准，对于洪峰预报精度给予了高度的重视.能否保证较高的洪水峰值的预报精度，是将人工神经网络的实时洪水预报技术实际应用的关键性问题.
本文在总结大量实践经验的基础上[6，7]，提出了一种能够进行峰值识别的改进BP算法(Error Back Propagation with Peak Recognizer，简称BPPR).该算法在修改网络权重时偏重大值，即大值误差对权重的修改起主要作用.这种改进的BP算法使人工神经网络洪水预报模型对洪峰峰值的预报精度显著提高，从而保证了洪峰预报的可靠性.
1人工神经网络的峰值识别理论
洪水预报主要是为防汛服务的，通常对洪峰时段的水位(或流量)的准确预报尤为重要.但是，对于经典的BP算法，网络训练是根据全局误差修改网络权重的，这种权重修改方法很难控制洪峰水位(或流量)的训练精度，训练后的网络权重所贮存的信息很可能更多地反映了样本数量较大的中、低水位(或流量)的变化规律.所以，经过训练的网络对中、低水位(或流量)的预报精度相对较高，而对洪峰的预报精度往往低一些.如何提高人工神经网络模型对洪峰水位(或流量)的预报精度，是人工神经网络理论应用于洪水预报的关键问题之一.
本文是在结合实际课题广泛研究的基础上，提出了一种能够提高网络模型峰值识别精度的改进BP算法.
1.1 峰值识别的基本思想 经典BP算法的训练过程由信号的正向传播与误差的逆向传播两个过程组成.其中，误差的逆向传播是基于网络全局误差并按“误差梯度下降”的原则对网络权重进行修改.如果对原来基于“全局误差”的权重修改原则进行合理调整，使权重的修改倾向于减小输出值较大样本的网络映射误差，这是峰值识别原理的基本思想，其实质是在误差逆向传播的网络权重修改过程中，遵循了侧重于“峰值样本误差”的权重修改原则.
1.2峰值识别的算法峰值识别理论的实现方法，是在引入动量项和采用学习率自适应调整的改进BP算法[4]的基础上，对峰值样本的网络误差引入合理的修正系数，使网络的权重向着使峰值训练误差减小的方向修改.
首先，从经典BP算法开始.设有输入为x1(t)、x2(t)、…、xn(t)的n维输入，输出为xL1(t)、xL2(t)、…、xLm(t)、的m维输出和若干隐层组成的多输入、多输出人工神经网络模型.这里的t为样本序列号，这样的样本共有P对.
第l层中第i个神经元节点所接收到的上一层输入总和为
式中：Nl为第l层神经元节点总数；w(l)ij为第l层i节点与第l-1层j节点之间的连接权重；θ(l)i为第l层i节点的阈值.
第l层中第i个神经元节点的输出为
x(l)i(t)=f（y(l)i(t)）=1/1+exp(-σy(l)i(t)) (1≤l≤L，1≤i≤Nl) （2）
式中：f()为转移函数，这里采用的是对数型的单极性Sigmoid函数；σ为决定Sigmoid函数压缩程度的系数.该系数越大，曲线越陡；反之，曲线越缓.
则，当训练次数为k时，网络输出层及隐层的误差信号可表示为
式中：d(L)i(t)为训练样本的期望输出.
那么，网络权重的修改公式为
式中：η(k)为训练次数为k时的学习率；α为动量项系数.
以上为经典BP算法的基本内容.基于峰值识别的思想，实现网络误差修正倾向于输出样本的较大值，定义误差修正系数ξ
ξi=di(L)(t)/d(L)max(t) （7）
式中：d(L)max(t)为训练样本期望输出的最大值.
为了进一步提高神经网络模型的训练速度，改善网络峰值识别的精度，可以在上述修正系数的基础上，增设误差修正放大系数μ.那么，加入误差修正系数ξ及误差修正放大系数μ后，当训练次数为k时，网络输出层误差信号的向量表达式如下
应用该算法进行网络训练，能够使峰值误差修正占优，从而提高网络对峰值的映度.
2 应用实例
2.1 工程概况及基本模型 珠江流域西江段的水系关系比较复杂，如图1所示.从柳州站、迁江站、南宁站或贵港站预报梧州站洪水目前还是一个难题.结合现有的研究成果，介绍洪水预报峰值识别理论的有效性.选取珠江流域从对亭站、柳州站、迁江站、南宁站预报江口站洪水的江口站洪水预报模型，分别以BP算法与引入峰值识别理论的BPPR算法进行网络训练.以多年实测记录数据为训练样本，并采用下一年的记录数据为测试样本，即以1988、1992～1994、1996～1998各年的水位(流量)资料为训练样本，以1999年水位(流量)资料作为测试样本.
图1 珠江流域西江段主要水情站及洪水平均传播时间示意
*传播时间单位：h
传统相应水位的洪水预报方法是根据天然河道洪水波的运动原理，分析洪水波在运动过程中，波的任一相位自上游水情站传播到下游水情站的相应水位及其传播时间的变化规律，寻找其经验关系，以此进行洪水预报[8].人工神经网络对信息的分布存储、并行处理以及自学习的能力，决定了它具有对模糊信息和复杂非线性关系的识别与处理能力.网络的训练学习过程，就是网络认知事物内在规律的过程.构造基于人工神经网络洪水预报模型的首要问题，是如何将洪水过程合理地概化成人工神经网络可以映射的输入、输出关系.
以上游干流和主要支流水情站的水位(流量)资料作为网络模型的输入，以下游水情站所形成的相应水位(流量)作为网络模型的输出；同时，将下游同时水位(流量)作为网络模型的输入，以模拟下游初始水位的影响.洪水自上游水文站至下游水文站的传播时间就是网络对洪水的预见期.
本题中所建立的江口站洪水预报模型中，作为江口站的上游水文站共有对亭、柳州、迁江和南宁等站，其中的迁江站处于干流河道.值得一提的是，对亭站方向的来水属山区洪水，特点为量小、峰高、历时短，洪水过程线陡起陡落，其结果是水位的变化非常大，而实际的流量又很小，这无疑会影响水位预报模型的识别精度.为了减少这种小支流的干扰，在建立水位预报模型时，未将对亭站的水位作为输入项.在建立流量预报模型时，为了保证水量的总体平衡，仍将对亭站的流量作为一项输入.
以3h为一个间隔时段进行洪水数据采集来组织样本，以干流迁江站t时刻水位(流量)、对亭站(t-3)时刻流量、柳州站(t-3)时刻水位(流量)、南宁站(t-8)时刻水位(流量)和江口站t时刻水位(流量)作为网络的输入，江口站(t+T)时刻的水位(流量)为网络的输出.其中，T为网络的预见期，即洪水自上游迁江站传播到江口站的时间，亦为峰现时间.在组织样本时，采用洪水在各站间的实测传播时间，但网络预报的预见期为平均预见期，即T=9时段，约28h(洪水在各站间的传播情况见图1).图2为江口站洪水预报模型的网络拓扑结构图.
图2 江口站洪水预报模型的网络拓扑结构
在网络结构设计中，输入与输出节点数由实际问题而定，而隐层数及隐层节点数是网络设计中的关键问题.在实际问题中，常常无法估计问题的真实复杂程度，通常采用双隐层.关于隐层节点数目的确定，直接关系到能否成功地解决问题.实际上，隐层节点数决定于训练样本的多少、样本噪音的大小以及所面对问题的复杂程度.若隐层节点数太少，网络映射能力不足；若隐层节点数太多，不仅增加网络的训练时间，还会引发所谓“过度吻合”问题，即虽然增加了训练精度，但是由于网络过多地获得了样本的个性特征，而掩盖了样本的共性特征，从而造成预报精度的下降.目前的研究成果，还不能在理论上提供一套科学的推导方法，试算法是可靠的常规方法.本题经多次试算，合理的拓扑结构为：水位预报模型(4-40-20-1)，流量预报模型(5-40-20-1).
图3 水位预报模型中BP算法与BPPR算法映结果比较
网络模型的初始权重在(-1，1)之间随机产生，动量项系数α取0.9.初始学习率η0在基本BP算法中取0.001，在BPPR算法中取0.0005，初始学习率往往会因不同网络模型而不同.BPPR算法的峰值误差修正放大系数μ取2.0.水位模型的训练停止条件为平均映射误差l≤0.20m，流量模型的训练停止条件为平均映射误差q≤500m3/s.
2.2 计算成果 分别采取BP算法与BPPR算法进行网络模型的训练，两种算法对于峰值水位(流量)的映射情况见图3、图4.以完成训练的网络模型对1999年的洪水情况进行测试预报，预报结果见图5、图6.
图4 流量预报模型中BP算法与BPPR算法映射结果比较
2.3 成果分析 图3、图4反映了完成训练的网络模型对训练样本中洪峰水位与流量的映射情况，从图中可以看到，BP算法对于洪水演进规律具有很高的映度，引入峰值识别理论的BPPR算法能够进一步提高网络对洪水峰值的映度，这种作用对于较高洪峰识别效果更为明显.
图5 1999年水位预报结果比较
图6 1999年流量预报结果比较
图5、图6为网络模型对1999年洪水主洪峰的预报情况.在水位预报模型中，BP算法对洪峰的预报误差为0.13m(低于实测值)；BPPR算法的预报误差为-0.05m(高于实测值).在流量预报模型中，BP算法对洪峰的预报误差为291m3/s；BPPR算法的预报误差为-83m3/s.
这里所采用的峰值误差修正放大系数μ实质上与样本集中大值样本所占的比例有关，大值样本所占比例越小，μ的取值越大；反之，则小.在实际操作中，ξμ是作为一个参数进行权重调节计算的，所以μ的取值又受样本集中最大值和最小值间比例关系的限制.
如果放大系数选取过大，网络训练容易失稳，造成训练误差增大；反之，网络权重的修改难以体现洪峰样本的贡献.具体取值由实际问题而定，在珠江流域的洪水预报模型中，放大系数的取值范围为1.5～2.5.
从网络模型的训练识别和测试预报两方面的研究成果来看，人工神经网络对于洪水演进规律的识别具有较高的精度，能够模拟洪水的动态过程，其中，引入峰值识别理论的BPPR算法有利于提高模型对峰值的映射与预报精度，效果明显.这些改进效果对于水文水资源预报中，可能效果并不十分显著，但在防汛中，水位预报对防洪决策至关重要，往往十几厘米的误差，直接影响到防洪方案的决策.因此，峰值识别理论对基于BP算法的洪水预报模型来讲，具有重要意义.
3 结束语
基于人工神经网络的洪水预报方法作为防洪减灾领域一种新的研究途径，将智能化思想引入到对洪水过程的计算模拟，更能反映洪水复杂非线性的动态演进规律.研究结果表明，人工神经网络算法能够很好地映射洪水的演进规律，做到对洪水实时的监测与预报，预报精度较高.
