首先，我们需要根据给定的数据建立一个数学模型来研究黄河水的含沙量与时间、水位、水流量的关系。我们可以使用多元线性回归模型来实现这个目标。

解析：

1. 导入数据
2. 提取特征变量（时间、水位、水流量）和因变量（含沙量）
3. 划分训练集和测试集
4. 建立多元线性回归模型
5. 训练模型
6. 预测含沙量
7. 评估模型性能

代码实现：

% 导入数据
data = readtable('附件1.xlsx'); % 读取附件1中的数据
data_section = readtable('附件2.xlsx'); % 读取附件2中的数据
data_point = readtable('附件3.xlsx'); % 读取附件3中的数据

% 提取特征变量和因变量
X = [data.时间， data.水位， data.水流量];
Y = data.含沙量；

% 划分训练集和测试集
cv = cvpartition(size(X, 1), 'HoldOut', 0.2);
idx = cv.test;
X_train = X(~idx, :);
Y_train = Y(~idx);
X_test = X(idx, :);
Y_test = Y(idx);

% 建立多元线性回归模型
mdl = fitlm(X_train, Y_train);

% 训练模型
mdl = fitlm(X_train, Y_train);

% 预测含沙量
Y_pred = predict(mdl, X_test);

% 评估模型性能
R2 = 1 - sum((Y_test - Y_pred).^2) / sum((Y_test - mean(Y_test)).^2);
RMSE = sqrt(mean((Y_test - Y_pred).^2));
fprintf('R2: %.4f, RMSE: %.4f
', R2, RMSE);

通过以上代码，我们可以得到黄河水的含沙量与时间、水位、水流量的关系，并评估模型的性能。