原秀紅

(遼寧省鞍山水文局，遼寧 鞍山 114000)

水文地質(zhì)模型是考慮不確定性因素、空間變化和模型結(jié)構(gòu)參數(shù)等方面的模型，該模型的建立運行需用到多門學(xué)科技術(shù)，如計算機技術(shù)、遙感技術(shù)以及地理信息處理技術(shù)等[1]。其中模型參數(shù)的優(yōu)化一般采用人工試錯法、自動優(yōu)化法或者人機結(jié)合優(yōu)化法，優(yōu)化方法不同，其運行計算方法不同。人工試錯法是以操作者對模型的結(jié)構(gòu)組成和運行原理的理解為基礎(chǔ)，依靠自身經(jīng)驗對模型參數(shù)進(jìn)行優(yōu)化選擇，隨機性較大，一般不建議使用；自動優(yōu)化法可通過系統(tǒng)自身運行對參數(shù)進(jìn)行分布式模擬，但對于大流域中數(shù)千萬個數(shù)據(jù)進(jìn)行優(yōu)化時，花費時間較長，效率較低；人機結(jié)合優(yōu)化法是考慮了上述兩種方法的優(yōu)點，將操作者的知識、經(jīng)驗和自動優(yōu)化技術(shù)相結(jié)合，快速提高參數(shù)優(yōu)化運算速率[2]。文章運用ArcView3.2軟件建立WetSpa分布式水文預(yù)測模型，利用PEST自動率定程序?qū)μ雍恿饔?995～2004年日徑流量進(jìn)行模擬和驗證。

1 模型簡介

由意大利John Doherty博士研制而成的PEST是獨立的參數(shù)估計和不確定性分析軟件，該軟件成功應(yīng)用于機械、航空、物理以及水文等領(lǐng)域。PEST計算軟件其原理是在率定過程中對參數(shù)敏感性進(jìn)行區(qū)分，通過人工選定合適的初始參數(shù)，將敏感性參數(shù)進(jìn)行快速的自動優(yōu)化的計算方法。WetSpa模型可對研究流域流經(jīng)、地下水徑流量、供水量、氣象變化、水資源污染以及降雨等因素對水文地質(zhì)變化強化情況進(jìn)行模擬分析[3]。模型模擬基礎(chǔ)是以Arc Wiew3.2系統(tǒng)為模擬平臺，通過運行PEST模擬預(yù)測軟件將流域內(nèi)的地形地貌、地下水徑流、降雨及蒸發(fā)、供水量等參數(shù)輸入系統(tǒng)。

目標(biāo)函數(shù)是通過PEST經(jīng)過較少次數(shù)的循環(huán)率定將參數(shù)函數(shù)進(jìn)行非線性計算求得的優(yōu)化函數(shù)，是模擬值與觀測值之間的差異函數(shù)，可通過下式進(jìn)行求解：

φ=[c′-c0-J(b-b0)]TQ[c′-c0-J(b-b0)]

(1)

式中，c′—矩陣模擬值；c0—矩陣觀測值；J—矩陣雅克比；b—循環(huán)矩陣參數(shù)；b0—初始參數(shù)值。

其中循環(huán)矩陣參數(shù)b可通過下式求得：

bk+1-b2k=(JTQJ)-1JTQ(ck′-c0)

(2)

式中，k—循環(huán)次數(shù)。

參數(shù)敏感性分析是模型不確定性量化的重要過程，排除非敏感性參數(shù)，識別出關(guān)鍵參數(shù)將減少不確定性對模擬結(jié)果的影響，可避免因參數(shù)過多造成的優(yōu)化效率降低的問題，明顯縮短模擬時間。參數(shù)i在PEST率定過程中的敏感性分析計算方程如下：

(3)

式中，si—敏感系數(shù)；m—觀測值個數(shù)。

表2 參數(shù)相關(guān)系數(shù)矩陣

2 研究流域與參數(shù)設(shè)置

2.1 研究流域基本情況

位于我國遼寧省東部的太子河流域，其大氣環(huán)境屬于溫暖帶濕潤半濕潤氣候區(qū)，氣候適宜，冬冷夏涼，平均溫度為5～10℃，全年降水量充足，約860mm，其中71.2%降雨量集中在6～8月[4]。太子河全長413km，流經(jīng)本溪、遼陽以及鞍山等市，面積約為13880km2。研究流域內(nèi)土地類型主要有黑土、棕土壤、麻黃壤、頁紅壤以及山地灌木叢草甸土等，土地覆蓋有落葉闊葉林、山地森林、灌木草叢等類型，利用WetSpa模型對土壤類型和土地利用類型進(jìn)行重新分類。研究流域內(nèi)有本溪、雞冠山、西大窯、望水臺、馬寨、鞍山、營口等7個降雨量觀測站。WetSpa分布式水文預(yù)測模型以泰森多邊法求得流域內(nèi)各點的降雨過程，然后輸入各站點的實際降雨量資料進(jìn)行對比分析[5]。

2.2 參數(shù)設(shè)置

模型運行需對敏感性和非敏感性參數(shù)進(jìn)行分區(qū)，再對每個子流域的全局參數(shù)進(jìn)行設(shè)置。其中需要進(jìn)行率定優(yōu)化的參數(shù)有土壤中水流縮放因子Ci，地下水退水系數(shù)Cg、土壤初始含水量與蓄水容量比值Kss、蒸發(fā)修正系數(shù)Kep、地下水初始儲水深度G0、地下水最大儲水深度Gmax、降雨強度對地表徑流系數(shù)影響指數(shù)Knm、降雨強度邊界Pmax，另外還有三個與降雨強度有關(guān)的參數(shù)。

3 WetSpa模型的研究應(yīng)用

3.1 模型模擬

首先需要進(jìn)行人工率定以確定上述8個參數(shù)的初始值，然后采用PEST軟件進(jìn)行快速自動率定，采用1995～2004年遼河流域日徑流量對參數(shù)進(jìn)行率定和驗證，各參數(shù)率定前后敏感性排序見表1。由經(jīng)驗可知降雨強度變化對地表徑流系數(shù)影響指數(shù)Knm影響作用較大，降雨強度越小，敏感度越高；初始狀態(tài)土壤含水量對Kss影響較小且僅對初始模擬狀態(tài)有影響。PEST軟件還將與參數(shù)相關(guān)的系數(shù)矩陣進(jìn)行了率定，率定結(jié)果見表2。

表1 參數(shù)率定前后值及敏感性排序

由表2可知，Kep受Gmax變化而變化，二者相互作用明顯，可通過固定一個值來率定另一個值的方法進(jìn)行率定。

3.2 模型運行和率定

一般情況下，模型不能直接對參數(shù)進(jìn)行測量估計，尤其是對于一些沒有函數(shù)關(guān)系的特殊參數(shù)，故在模型模擬前需對影響模擬結(jié)果的敏感性參數(shù)進(jìn)行率定，以提高參數(shù)與實測結(jié)果之間的適應(yīng)關(guān)系[6]。文章采用WetSpa模型通過人工試錯和自動優(yōu)化法對太子河流域日徑流量進(jìn)行模擬，分析實測值與模擬值和徑流過程線誤差變化影響因素，然后用流量相對誤差CR1、模型可靠度CR2、確定性系數(shù)CR3、Nash- Sutcliffe對數(shù)系數(shù)CR4，以及改進(jìn)的Nash- Sutcliffe系數(shù)CR5對預(yù)測結(jié)果進(jìn)行分析。各參數(shù)計算方法如下：

(1)流量相對誤差CR1：

表3 率定期內(nèi)徑流量模擬結(jié)果

表4 驗證期內(nèi)徑流量模擬結(jié)果

(4)

式中，CR1—徑流量模擬值與實測值相對誤差；QSi—徑流量模擬值；QOi—徑流量模擬值。

由此可知，流量相對誤差CR1越小，表示徑流量模擬值與實測值越接近，模型模擬效果越好。

(2)模型可靠度CR2：

(5)

由上式可知，CR2結(jié)果越接近于1，則表明模型可靠度越高。

(3)確定性系數(shù)CR3:

(6)

由公式(6)可知，CR3為1時，模型模擬效果最好。

(4)Nash- Sutcliffe對數(shù)系數(shù)CR4:

(7)

式中，CR4—小流量擬合度，值為1時效果最佳；ε—任意小于實測流量值，且不為0。

(5)改進(jìn)的Nash- Sutcliffe對數(shù)系數(shù)CR5:

(8)

式中，CR5—大流量擬合度，值為1時效果最佳。

文章應(yīng)用WetSpa分布式水文預(yù)測模型對太子河流域日徑流量進(jìn)行模擬驗證，并結(jié)合了PEST自動率定法和人工試錯法對流域內(nèi)各參數(shù)進(jìn)行敏感性分析，對敏感性系數(shù)進(jìn)行排列分析，選擇對研究流域影響較為顯著的敏感性參數(shù)對日徑流量過程進(jìn)行模擬[7]。文章以1995～1999年為模型率定期，以2000～2004年為模型驗證期，率定期和驗證期內(nèi)徑流量模擬值與實測值各項結(jié)果指標(biāo)見表3和表4。

由表3和表4可知，率定期內(nèi)實測日徑流量值為1365.34～1836.85m3·s-1，而隨著時間的增加，在驗證期內(nèi)，實測平均日徑流量略低于率定期，表明太子河流域水徑流量有減少趨勢，應(yīng)加強對太子河流域水資源供水及使用情況監(jiān)測。而模擬徑流量基本與實測徑流量保持一致，1995～2004年呈現(xiàn)出略微減少趨勢。在研究流域內(nèi)率定期和驗證期相對誤差均小于10%，以PEST軟件聯(lián)立的WetSpa模型具有可靠的精確性，與實際日徑流量觀測值保持一致性。1995～1999年率定期內(nèi)驗證模型可靠性中相對誤差CR1范圍在-0.185～0.153之間，模型可靠度CR2和確定性系數(shù)CR3在0.874～1.164和0.584～0.725之間，評價指標(biāo)結(jié)果良好。Nash-Sutcliffe對數(shù)系數(shù)CR4和改進(jìn)的Nash-Sutcliffe對數(shù)系數(shù)CR5在0.712～0.792和0.638～0.736之間。率定期和驗證期可靠性參數(shù)值整體吻合性較好，但模擬值徑流量一般小于實測值，其原因可能為初始參數(shù)設(shè)置不當(dāng)引起的敏感性分析存在一定的誤差。在2000～2004年驗證期內(nèi)各評價指標(biāo)較好，PEST模型模擬值與實測值變化趨勢保持一致性，同時為了將率定期和驗證期對比分析更加直觀準(zhǔn)確，文章選取率定期內(nèi)1996年和驗證期內(nèi)2004年日徑流量進(jìn)行對比分析，如圖1和圖2所示。

圖1 率定期1996年日徑流量模擬值與實測值

圖2 驗證期2004年日徑流量模擬值與實測值

由圖1和圖2對比分析可知，通過采用PEST軟件建立的WetSpa中長期水文預(yù)測模型，日徑流量模擬值和預(yù)測值整體效果為驗證期優(yōu)于率定期。一方面這可能與資料收集數(shù)據(jù)精度有關(guān)，由于率定期時間離目前較遠(yuǎn)造成可追述性數(shù)據(jù)相對較少，進(jìn)而引起不確定性參數(shù)取值范圍變大；另一方面可能是在率定過程中，各敏感性參數(shù)之間函數(shù)關(guān)系不確定，造成參數(shù)優(yōu)化個數(shù)增加，進(jìn)而降低了模型的優(yōu)化效率和準(zhǔn)確性。同時分布式水文預(yù)測模型精確度受降雨量以及環(huán)境氣候變化影響較大，并且在研究流域內(nèi)生產(chǎn)生活用水、工業(yè)用水和農(nóng)業(yè)灌溉等隨季節(jié)性變化徑流量波動較大造成在短時間周期內(nèi)，預(yù)測結(jié)果與實測值出現(xiàn)一定的偏差，但并不影響在整個率定期和驗證期內(nèi)的整體變化趨勢。

4 結(jié)論與展望

以ArcView3.2為操作平臺建立的WetSpa分布式水文模型在率定期和驗證期的模擬結(jié)果表明，模型在研究流域內(nèi)的各項適用性指標(biāo)較好，模擬值與實測值吻合性較高，但模擬值偏大。

水文預(yù)測模型需要氣象、土地類型、地下水供水以及地質(zhì)構(gòu)造等多種數(shù)據(jù)的支撐，同時還要運用大量的經(jīng)驗公式和計算機軟件輔助，影響參數(shù)較多，各參數(shù)之間關(guān)系復(fù)雜等使目標(biāo)預(yù)測復(fù)雜困難。計算機、人工智能、互聯(lián)網(wǎng)進(jìn)一步的發(fā)展，為分布式水文模型的進(jìn)一步發(fā)展提供技術(shù)保障，各個問題將迎刃而解。

[1] 舒曉娟, 陳洋波, 黃鋒華, 等. PEST在WetSpa分布式水文模型參數(shù)率定中的應(yīng)用[J]. 水文, 2009(10): 45- 49, 29.

[2] 馬宇, 王淑偉. 遼寧省水資源現(xiàn)狀分析及保護(hù)措施研究[J]. 水利規(guī)劃與設(shè)計, 2015(11): 42- 44.

[3] 梁忠民, 戴榮, 王軍, 等. 基于貝葉斯模型平均理論的水文模型合成預(yù)報研究[J]. 水力發(fā)電學(xué)報, 2010(02): 114- 118.

[4] 王巍巍. 錦州市地下水水質(zhì)現(xiàn)狀與變化趨勢研究[J]. 水利技術(shù)監(jiān)督, 2016(05): 59- 62.

[5] 王志民, 于福蘭, 劉志芬, 等. 阜新市地表水資源質(zhì)量評價[J]. 東北水利水電, 2003(09): 38- 39.

[6] 高素麗. 遼陽市水資源開發(fā)利用和管理保護(hù)對策[J]. 水土保持應(yīng)用技術(shù), 2011(04): 45- 47.

[7] 楊錦華. 佛寺水庫水源飲水安全與水環(huán)境保護(hù)[J]. 水利技術(shù)監(jiān)督, 2006(03): 50- 52.