劉 濤，孟凡龍，胡寶軍

(嫩江尼爾基水利水電有限責(zé)任公司，黑龍江齊齊哈爾161005)

洪水通常是指由暴雨、急驟融冰化雪、風(fēng)暴潮等自然因素引起的江河湖海水量迅速增加或水位迅猛上漲的水流現(xiàn)象。對(duì)水庫(kù)而言，洪水一方面讓水庫(kù)有機(jī)會(huì)增加其供水、灌溉、發(fā)電等效益;另一方面，它也給水庫(kù)帶來(lái)了挑戰(zhàn)，加大水庫(kù)的防洪壓力，并威脅水利樞紐的安全。

通過(guò)及時(shí)準(zhǔn)確的洪水預(yù)報(bào)，對(duì)水庫(kù)來(lái)水進(jìn)行預(yù)蓄預(yù)泄的預(yù)報(bào)調(diào)度，能解決上述2方面的矛盾，合理利用洪水，實(shí)現(xiàn)效益最大化。

洪水預(yù)報(bào)是預(yù)報(bào)調(diào)度的前提，其及時(shí)性和準(zhǔn)確性的高低直接影響調(diào)度結(jié)果的成敗。及時(shí)準(zhǔn)確的洪水預(yù)報(bào)在防洪搶險(xiǎn)、保證工農(nóng)業(yè)安全生產(chǎn)、充分利用水能水資源方面都有很大的作用。因此，積極開(kāi)展水庫(kù)洪水預(yù)報(bào)的研究具有重要的理論價(jià)值及現(xiàn)實(shí)意義。

本文研究了尼爾基水利樞紐的短期洪水預(yù)報(bào)，利用人工神經(jīng)網(wǎng)絡(luò)的BP模型，在MATLAB平臺(tái)上，由當(dāng)前尼爾基以上嫩江干流控制站庫(kù)漠屯站，及甘河控制站柳家屯站和科洛河控制站科后站三站實(shí)時(shí)流量值(以下稱“三站”)，預(yù)測(cè)未來(lái)24 h尼爾基水庫(kù)的入庫(kù)流量值(取阿彥淺站的流量值)。預(yù)見(jiàn)期為24 h。

1 流域概況

尼爾基水利樞紐位于嫩江干流的中游，在阿彥淺水文站下游32 km處的尼爾基鎮(zhèn)。壩址以上集水面積66 382 km2，占嫩江總流域面積的22.4%，多年平均徑流量104.7億m3，占嫩江流域的45.7%。

尼爾基水利樞紐控制流域?qū)俦睖貛Ъ撅L(fēng)氣候，冬季寒冷干燥，歷時(shí)長(zhǎng);夏季炎熱多雨，春季干燥多風(fēng)，蒸發(fā)量大，溫度低;秋季降溫急驟，歷時(shí)短。流域的水汽主要由太平洋供給，進(jìn)入夏季，太平洋季風(fēng)把海洋上的暖濕氣團(tuán)輸送到北方，暖濕氣團(tuán)向北推進(jìn)過(guò)程中與北方的冷空氣交綏，從而形成大面積的降水。流域多年平均降水量為400～500 mm，上游多于下游，山區(qū)多于平原。流域降水年內(nèi)分配極不均勻，主要集中在6—9月份占年降水量的80%以上，7～8月份雨量集中，占年降水量的50%以上，冬季降水量很少，僅占年降水量的5%以下。

暴雨是形成嫩江流域洪水的主要因素。暴雨多發(fā)生在7～8月份，形成暴雨的天氣系統(tǒng)有冷鋒、氣旋、低壓等，其中低壓是嫩江流域的主要天氣系統(tǒng)。一次降雨過(guò)程多為3 d左右，主要雨量集中在24 h以內(nèi)，約占3 d雨量的90%。有時(shí)幾個(gè)天氣系統(tǒng)接踵而至，可在數(shù)10 d內(nèi)產(chǎn)生多次降雨過(guò)程，表現(xiàn)為連綿陰雨天氣，但總降雨量大，從而造成洪水災(zāi)害。

2 研究資料及方法

2.1 資料選取

此次研究選取的資料是尼爾基水庫(kù)入庫(kù)控制站阿彥淺站1975—2003年間的56場(chǎng)洪水資料，及對(duì)應(yīng)的上游三站的洪水過(guò)程。(2003年以后，阿彥淺站被庫(kù)區(qū)淹沒(méi)，入庫(kù)流量實(shí)測(cè)值缺失，加之反推入庫(kù)波動(dòng)大，因此本次研究只針對(duì)2003年以前的徑流資料，詳細(xì)數(shù)據(jù)鑒于篇幅略。)

2.2 預(yù)報(bào)方法簡(jiǎn)介

人工神經(jīng)網(wǎng)絡(luò)也稱為神經(jīng)網(wǎng)絡(luò)，是由大量處理單元(神經(jīng)元)互連而成的網(wǎng)絡(luò)，是對(duì)人腦的抽象、簡(jiǎn)化和模擬，反映了人腦的基本特性。

按網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法，人工神經(jīng)網(wǎng)絡(luò)可以分為:單層前向網(wǎng)絡(luò)、多層前向網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)等。

本文選用了多層前向網(wǎng)絡(luò)，采用著名的誤差反向傳播算法(BP算法)，在MATLAB(矩陣實(shí)驗(yàn)室)平臺(tái)上進(jìn)行模擬和演算。通過(guò)不斷修正相關(guān)參數(shù)值，使網(wǎng)絡(luò)模型達(dá)到較好的預(yù)測(cè)效果，并將其應(yīng)用于尼爾基水庫(kù)短期洪水預(yù)報(bào)。

2.3 預(yù)報(bào)模型建立

選取資料中的42場(chǎng)洪水資料建立BP預(yù)報(bào)模型(其余14場(chǎng)洪水資料用于網(wǎng)絡(luò)模型測(cè)試)。

輸入層為上游三站的實(shí)測(cè)流量值。輸出層為24 h后尼爾基水庫(kù)入庫(kù)控制站阿彥淺的流量值。由于輸入層神經(jīng)元個(gè)數(shù)為3，相對(duì)較少，隱含層個(gè)數(shù)設(shè)計(jì)為1。

模型最終確定為輸入層、單隱含層、輸出層的3層BP神經(jīng)網(wǎng)絡(luò)模型。模型示意圖見(jiàn)圖1。

圖1 BP預(yù)報(bào)模型示意圖

Input包含 3 個(gè)神經(jīng)元，分別為 Q庫(kù)莫屯(t)，Q柳家屯(t)，Q科后(t-24);Output 包 含 1 個(gè) 神 經(jīng) 元，為Q尼爾基(t+24)。其中，

Q尼爾基(t+24)為尼爾基水庫(kù)t+24時(shí)刻入庫(kù)流量;Q庫(kù)莫屯(t)為庫(kù)漠屯站 t時(shí)刻流量;Q柳家屯(t)為柳家屯站t時(shí)刻流量;Q科后(t)為科后站t時(shí)刻流量。

2.4 模型訓(xùn)練

模型建立后，并不能立即投入使用，必須經(jīng)過(guò)訓(xùn)練達(dá)到要求后，才能在尼爾基水庫(kù)的短期預(yù)報(bào)中應(yīng)用。

模型訓(xùn)練過(guò)程是一個(gè)不斷調(diào)整權(quán)值和閾值的過(guò)程，通過(guò)修正，使模型收斂、實(shí)現(xiàn)其輸出誤差逐步減小，以滿足實(shí)際應(yīng)用的要求。

訓(xùn)練參數(shù)主要包含:訓(xùn)練目標(biāo)、訓(xùn)練次數(shù)及學(xué)習(xí)速率等。具體設(shè)計(jì)見(jiàn)表1。

表1 訓(xùn)練參數(shù)表

參數(shù)設(shè)置代碼為:

net.train Param.epochs=1000;

net.train Param.goal=0.00024;

LP.lr=0.1

利用訓(xùn)練函數(shù)trainlm的L-M優(yōu)化算法對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。訓(xùn)練結(jié)果見(jiàn)圖2、圖3。

圖2 網(wǎng)絡(luò)訓(xùn)練進(jìn)度圖

圖3 網(wǎng)絡(luò)訓(xùn)練成果圖

經(jīng)過(guò)41次訓(xùn)練，網(wǎng)絡(luò)趨穩(wěn)定，其誤差達(dá)到設(shè)定要求。網(wǎng)絡(luò)的收斂速度較快，說(shuō)明了輸入輸出間規(guī)律性很強(qiáng)，上游三站基本實(shí)現(xiàn)對(duì)尼爾基水庫(kù)入庫(kù)流量的控制約束。保存網(wǎng)絡(luò)以供測(cè)試(保存代碼:save net)。

接下來(lái)就需要對(duì)訓(xùn)練穩(wěn)定的網(wǎng)絡(luò)模型進(jìn)行預(yù)報(bào)檢驗(yàn)。

2.5 預(yù)報(bào)檢驗(yàn)

預(yù)報(bào)檢驗(yàn)采用資料中剩余14場(chǎng)洪水過(guò)程及對(duì)應(yīng)上游三站的流量。模型輸入層(Input)為上游三站的流量值，通過(guò)已訓(xùn)練完畢的網(wǎng)絡(luò)(網(wǎng)絡(luò)調(diào)出代碼:load net)，進(jìn)行運(yùn)算、預(yù)報(bào)，在網(wǎng)絡(luò)輸出端得出入庫(kù)流量的預(yù)測(cè)值。

預(yù)測(cè)、實(shí)測(cè)流量過(guò)程線對(duì)比見(jiàn)圖4。

圖4 預(yù)測(cè)、實(shí)測(cè)流量過(guò)程線對(duì)比圖

3 精度評(píng)定

根據(jù)水文情報(bào)預(yù)報(bào)規(guī)范相關(guān)規(guī)定，對(duì)洪水預(yù)報(bào)要素洪峰流量、峰現(xiàn)時(shí)間、洪水過(guò)程吻合程度進(jìn)行精度評(píng)定。方案各預(yù)報(bào)要素精度評(píng)定結(jié)果見(jiàn)表2。

洪水預(yù)報(bào)要素洪峰流量、峰現(xiàn)時(shí)間、洪水過(guò)程精度都達(dá)到甲級(jí)水平，因此，本短期洪水預(yù)報(bào)方案精度為甲級(jí)。

水文情報(bào)預(yù)報(bào)規(guī)范規(guī)定，洪水預(yù)報(bào)方案精度達(dá)到甲、乙兩個(gè)等級(jí)者，可用于發(fā)布正式預(yù)報(bào);方案精度達(dá)到丙等者，可用于參考性預(yù)報(bào);丙等以下者，只能用于參考性估報(bào)。

本方案精度達(dá)到甲級(jí)，可用于尼爾基水庫(kù)實(shí)際短期洪水預(yù)報(bào)。

表2 預(yù)報(bào)要素評(píng)定結(jié)果統(tǒng)計(jì)表

4 結(jié)語(yǔ)

1)利用上游三站的流量，預(yù)測(cè)24 h后尼爾基水庫(kù)入庫(kù)流量的神經(jīng)網(wǎng)絡(luò)模型穩(wěn)定、收斂快，基于該網(wǎng)絡(luò)的預(yù)報(bào)方案達(dá)到甲級(jí)水平，可用于尼爾基水庫(kù)短期洪水預(yù)報(bào)實(shí)際。

2)上游三站的流量跟尼爾基入庫(kù)流量間呈非線性關(guān)系，BP神經(jīng)網(wǎng)絡(luò)模型很好的實(shí)現(xiàn)了對(duì)該非線性問(wèn)題的映射、模擬，同時(shí)也有效避開(kāi)了常規(guī)算法繁瑣的數(shù)據(jù)處理過(guò)程。

3)方案模型采用BP學(xué)習(xí)算法，實(shí)現(xiàn)工作信號(hào)正向傳播，誤差信號(hào)反向傳播，大大提高網(wǎng)絡(luò)的適應(yīng)性，有效提高了尼爾基水庫(kù)短期洪水預(yù)報(bào)精度。

［1］高雋.人工神經(jīng)網(wǎng)絡(luò)原理:第2版［M］.北京:機(jī)械出版社，2007.

［2］水利部水利信息中心.SL250—2000水文情報(bào)預(yù)報(bào)規(guī)范［S］.北京:中國(guó)水利水電出版社，2000.

［3］葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB2007實(shí)現(xiàn)［M］.北京:電子工業(yè)出版社，2005.