[1]张建云, 王银堂, 贺瑞敏, 等.中国城市洪涝问题及成因分析[J].水科学进展, 2016, 27(4):485-491
[2]夏军, 张印, 梁昌梅, 等.城市雨洪模型研究综述[J]. 武汉大学学报(工学版), 2018(2):95-105.
[3]刘勇, 张韶月, 柳林, 等.智慧城市视角下城市洪涝模拟研究综述[J].地理科学进展, 2015, 34(4):494-504
[4]郑姗姗, 万庆, 贾明元.基于模型的城市暴雨积水点积水短时预测[J].地理科学进展, 2014, 33(7):949-957
[5]周午阳, 孙志民, 汤舒.深层隧道排水区域液位在线监测系统研究[J]. 中国给水排水, 2018(1):1-6.
[6]王晶晶, 杜士强.台州市信息化排水系统的框架及功能研究[J]. 中国给水排水, 2017(7):139-143.
[7]赵印.智慧城市排水管网(内涝)云服务系统设计及监测点优化布置[D]. 华南理工大学, 2017.
[8]赵冬泉, 李雪森, 唐兰贵, 等.SmartWater 智能在线液位监测预警系统介绍及应用[J]. 给水排水, 2015(9):95-100.
[9]Mounce S R, Shepherd W, Sailor G, et al.Predicting combined sewer overflows chamber depth using artificial neural networks with rainfall radar data[J].Water Science & Technology A Journal of the International Association on Water Pollution Research, 2014, 69(6):1326-33
[10]Li X F, Zhou F Y, Lodewyk S, et al.Applications of Artificial Neural Networks in urban water system.[C]// Watershed Management Conference. 2010:47-47.
[11]邵月红, 林炳章, 叶金印, 等.基于动态神经网络的降雨一径流模拟研究[J].大气科学学报, 2014, 37(2):223-228
[12]Chang F J, Chen P A, Lu Y R, et al.Real-time multi-step-ahead water level forecasting by recurrent neural networks for urban flood control[J].Journal of Hydrology, 2014, 517(1):836-846
[13]Yenming C, Chang L C, Mengjung T, et al.Dynamic neural networks for real-time water level predictions of sewerage systems-covering gauged and ungauged sites[J].Hydrology & Earth System Sciences, 2010, 14(7):2317-2345
[14]王建民.基于回声状态网络的非线性时间序列预测方法研究[D]. 哈尔滨工业大学, 2011.
[15]田中大, 高宪文, 李树江, 等.遗传算法优化回声状态网络的网络流量预测[J].计算机研究与发展, 2015, 52(5):1137-1145
[16]涂异, 汪金能, 朱曲平, 等.应用PSO-KELM模型预测水文时间序列[J]. 中国农村水利水电, 2018(7).
[17]蓝祝光, 黄铭.改进PSO-BP神经网络模型在海堤渗压监测中的应用[J]. 中国农村水利水电, 2017(1):148-151.
[18]阮小燕, 邱维.广州市猎德涌流域内涝成因及对策[J].中国给水排水, 2011, 27(4):18-21