水蚀预报模型的分析土壤侵蚀预报是土壤侵蚀研究的核心内容，同时也是进行水土流失监测、评价水土保持效益、合理布设水土保持措施的工具。
目前，国内外水蚀预报模型按照不同的分类依据，主要可以分为以下几种类型：(1)根据研究区范围大小，主要可以分为坡面模型(HillslopeModel)、流域模型(WatershedModel)和区域模型(RegionModel)。
坡面模型如USLE，小流域模型如LISEM，区域模型如SEMMED。
(2)根据模型建立的方法和对水蚀过程的模拟，可以分为经验预报模型(EmpiricalModel)、物理过程预报模型(Physically－basedModel)。
经验预报模型依据实际观测资料，采用数理统计分析的方法，建立坡面、流域或区域侵蚀产沙量与其主要影响因素之间的经验关系式，例如美国建立的通用水土流失方程USLE(U-niversalSoilLossEquation)、RUSLE(RevisedUniversalSoilLossEquation)［1-2］，我国建立的刘善建模型、江忠善模型、CSLE(ChineseSoilLossEquation)等［3-5］;物理过程预报模型是对整个事件或系统过程的模拟，以侵蚀产沙的基本物理过程为基础，利用水文学、水力学、土壤学、泥沙动力学以及其他相关学科的基本原理，根据降雨、下垫面状况等来描述土壤侵蚀产沙过程，通过对复杂的侵蚀产沙现象和过程的概化，建立模型的整体结构和微观结构，并用实际观测资料来优选和决定模型中的参数，如美国建立的WEPP(WaterErosionPredictionProject)［6］、澳大利亚建立的GUEST(GriffithUniversityErosionSystemTemplate)等［7］。
(3)根据是否反映时空差异，区分为集总式模型和分布式模型。
集总式模型以整个流域为预报对象，不反映其内部差异，而分布式模型则按照一定的方法将流域划分成一个个相对均质的网格，按照一定的数学法则来计算每个网格单元的侵蚀量，并将计算结果推演到流域出口，得到整个流域土壤侵蚀量。
水库中长期水文预报模型研究(Ⅱ)杨晓红【摘要】中长期水文预报模型库是水库中长期水文预报系统的核心.本研究面向预报对象,利用多要素预报法探索外界各种因素对水文预报对象的影响,分析预报对象与影响因子的相互联系及其变化的物理成因,利用数理统计方法建立了3个基于径流及其影响因子的成因统计关系的预报模型,分别为投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络模型,这些模型为有效进行水文对象的中长期预报提供了坚实的基础.【期刊名称】《甘肃科技》【年(卷),期】2011(027)018【总页数】4页(P67-69,119)【关键词】水文预报模型;水文预报对象【作者】杨晓红【作者单位】西安测绘信息技术总站,西安陕西710054【正文语种】中文【中图分类】P338水库长期水文预报系统建设必须符合国家有关信息技术和软件工程的设计规范和要求和国际通用标准，并且兼容水文气象部门的有关技术规范。
在预报方法上，则需要面向预报对象，以国内水文预报行业常用的成熟方法和国际上新研发出来的新方法相结合，从而达到最佳的预报效果，本文对投影寻踪回归、时间序列—马尔可夫分析、非线性动力系统学以及神经网络及小波分析模型进行详细介绍。
1)预测对象:选定的预报对象。
2)预测时效:月、季、年。
3)资料需求:与预报对象相对应的时间长度的水文气象特征量。
投影寻踪回归(简称pp回归)技术的实质是将高维数据通过线性组合方法转换为低维数据，在低维上对数据结构进行分析，以达到便于统计的目的。
PP回归模型采取一系列岭函数的“和”来逼近回归函数。
即式中:Gm(Z)表示第m个岭函数;为岭函数的自变量，它是P维随机变量x在方向上的投影;M为岭函数的个数。
pp回归是运用1984年Friedman教授编制的SMART［1］多重平滑回归计算软件。
SMART模型具有如下形式:式中及岭函数值Gm是模型的参数，模型中线性组合的项数为待定参数。
模型的核心采用分层分组迭代交替优化的方法最终估计出岭函数的项次Mu，岭函数Gm(Z)以及函数 ajm，bim。
