王 曄

（河北省廊坊水文水資源勘測局，河北 廊坊 065000）

1 概況

秦皇島市位于河北省東北部，處于東經(jīng)118°33"～119°51"、北緯39°24"～40°37"，東北接遼寧省綏中縣，西北臨河北省承德市，西靠唐山市的灤縣、遷安，南臨渤海[1]?？偯娣e7 802 km2，其中山區(qū)面積5 648 km2、平原面積2 154 km2。海岸線東起山海關(guān)金絲河口，西止昌黎縣灤河口，總長162.7 km，所轄海區(qū)20 m等深線以內(nèi)總面積2 114 km2[2]。

本次分析區(qū)范圍為秦皇島市沿海平原地區(qū)，涉及山海關(guān)區(qū)、海港區(qū)、北戴河區(qū)、撫寧區(qū)及昌黎縣平原區(qū)，面積為1 750.4 km2，海岸線東起山海關(guān)金絲河口，西止昌黎縣灤河口，總長162.7 km[3]。分析計算區(qū)分為4個分區(qū)，即湯石平原、北戴河新河平原、洋戴平原和灤東平原。

2 海水入侵分布特征

秦皇島海（咸）水入侵區(qū)東起山海關(guān)，西至昌黎灤河，形成東西長約125 km的入侵帶。本次分析將本區(qū)劃定為3處海水入侵區(qū)和1處海（咸）水入侵區(qū)，即湯石平原海水入侵區(qū)、北戴河新河海水入侵區(qū)、洋戴平原海水入侵區(qū)和灤東平原海（咸）水入侵區(qū)。

2.1 湯石平原海水入侵區(qū)

湯石平原海水入侵區(qū)自白塔嶺村南，穿越湯河，基本沿河北大街向東經(jīng)金源折向北至建設(shè)大街、首鋼板材有限公司，繼續(xù)向東經(jīng)東里莊、王莊村、卸糧口，穿沙河后向北至曉營再折向東南經(jīng)唐子寨至石河東岸的老龍頭南海村結(jié)束，地下水位埋深一般為2 m左右，部分地段3～5 m，Cl-濃度在271～985 mg/L，2011—2016年入侵面積為9.95～43.1 km2。

2.2 北戴河新河海水入侵區(qū)

北戴河新河海水入侵區(qū)南靠赤土山，北鄰海濱林場，地勢低平，海拔標高僅1.5 m左右，地下水位埋深一般小于 3 m，Cl-濃度在 319.1～638.2 mg/L，2011—2016年入侵面積為4.21～4.79 km2。

2.3 洋戴平原海水入侵區(qū)

洋戴平原海水入侵區(qū)自卜家營村西向東北方向經(jīng)南李莊、前朱建坨、西河南東，向北過洋河，后向東約1.8 km再折向東北經(jīng)蔣營村東、小王莊西、南新莊東至戴河左岸，地下水位埋深一般小于6 m，Cl-濃度在254～4 679 mg/L，2011—2016年入侵面積為28.4～55.9 km2。

2.4 灤東平原海（咸）水入侵區(qū)

灤東平原海（咸）水入侵區(qū)分界線大體由卜家營村西向西南方向至王家莊東，折向東南方向至薛營村，向西南方向經(jīng)丘營、茂道莊、牛官營東、瓦子坨東、潮河、聶莊、大韓莊、候里、西河南、后七里莊西、前高坨、大葛莊東、茹荷至灤河尼龍壩，與海岸平行的北東方向呈長條形分布，淺層地下水埋深一般大于2 m，最大處達到28 m，位于潮河以東約2 km處。灤東平原地下水位埋深大，是因為該地區(qū)大量的漁業(yè)、畜禽養(yǎng)殖及種植水稻等用水量大。Cl-濃度在252～15 020 mg/L，2011—2016年入侵面積為164.1～232.6 km2。

3 分析方法及數(shù)據(jù)調(diào)查

3.1 分析方法

分析區(qū)對海水入侵面積變化產(chǎn)生影響的主要因素為降水量、河道徑流量、地下水開采量和潮汐。由于秦皇島沿海地區(qū)潮位多年變化不大，所以本次計算認為潮水對分析區(qū)海水入侵的影響是一貫的，主要考慮前3個因素對入侵區(qū)面積變化的影響[4]。

為了確定這3個影響因素在不同時間段對海水入侵區(qū)入侵面積變化的影響程度，本次采用人工神經(jīng)網(wǎng)絡(luò)BP模型對試驗井地下水中Cl-含量進行擬合計算[5]，將3個影響因素作為輸入因子加入模型中，在擬合誤差達到設(shè)定精度后，根據(jù)計算的結(jié)果確定各個因素的影響程度。

3.2 數(shù)據(jù)調(diào)查

本次數(shù)據(jù)調(diào)查共收集10 a（2005—2015年）統(tǒng)計數(shù)據(jù)，涉及降雨量、河道徑流量、地下水開采量3個影響因素，統(tǒng)計周期均精確到月。其中，湯石平原72組數(shù)據(jù)，北戴河新河平原100組數(shù)據(jù)，洋戴平原108組數(shù)據(jù)，灤東平原108組數(shù)據(jù)。

為方便神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)訓練擬合和測試預測，擬定降雨量、徑流量以及地下水開采量作為輸入值，作為期望值的Cl-濃度每年包含1個（8、9、10月）或者2個（4、5、6月和8、9、10月）時段的統(tǒng)計數(shù)據(jù)。先按照每年12個月有相同的Cl-濃度進行訓練和測試，4個分析區(qū)共計150組數(shù)據(jù)。

4 Matlab模型的建立

使用Matlab計算軟件實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)BP模型主要用到newff、train和sim這3個神經(jīng)網(wǎng)絡(luò)函數(shù)。

4.1 newff函數(shù)

newff函數(shù)為BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置函數(shù)，其功能為構(gòu)建一個神經(jīng)網(wǎng)絡(luò)。函數(shù)形式為：

式中：net為訓練好的網(wǎng)絡(luò)；P為輸入數(shù)據(jù)矩陣；T為輸出數(shù)據(jù)矩陣；S為隱含層節(jié)點數(shù)；TF為節(jié)點傳遞函數(shù)；BTF為訓練函數(shù)；BLF為網(wǎng)絡(luò)學習函數(shù)；PF為性能分析函數(shù)；IPF為輸入處理函數(shù)；OPF為輸出處理函數(shù)；DDF為驗證數(shù)據(jù)劃分函數(shù)。一般使用過程中，設(shè)置前6個參數(shù)，后面4個參數(shù)采用系統(tǒng)默認參數(shù)。

4.2 train函數(shù)

train函數(shù)為BP神經(jīng)網(wǎng)絡(luò)訓練函數(shù)，其功能為用數(shù)據(jù)訓練BP神經(jīng)網(wǎng)絡(luò)。函數(shù)形式為：

式中：NET為待訓練網(wǎng)絡(luò)；Pi為初始化輸入層條件；Ai為初始化輸出層條件；tr為訓練過程記錄；其余變量含義同前。一般使用過程中，設(shè)置前3個參數(shù)，后面2個參數(shù)采用系統(tǒng)默認參數(shù)。

4.3 sim函數(shù)

sim函數(shù)為BP神經(jīng)網(wǎng)絡(luò)預測函數(shù)，其功能為用訓練好的BP網(wǎng)絡(luò)預測函數(shù)輸出。函數(shù)形式為：

式中：x為輸入測試數(shù)據(jù)；y為網(wǎng)絡(luò)預測數(shù)據(jù)；其余變量含義同前。

經(jīng)歸一化處理、剔除缺失信息后，取整個數(shù)據(jù)的前60%作為訓練集、后40%作為測試集，訓練迭代次數(shù)設(shè)計為5 000，具體訓練過程包括以下7個步驟。

（1）網(wǎng)絡(luò)初始化。根據(jù)系統(tǒng)輸入輸出序列（X，Y）確定網(wǎng)絡(luò)輸入層節(jié)點數(shù)n、隱含層節(jié)點數(shù)m、輸出層節(jié)點數(shù)l、輸入層連接權(quán)值Wij、隱含層連接權(quán)值Wjk、初始化隱含層閾值a和輸出層閾值b，給定學習速率和神經(jīng)元激勵函數(shù)。

（2）隱含層輸出。根據(jù)輸入向量X、輸入層連接權(quán)值Wij和隱含層閾值a，計算隱含層輸出H。其計算公式為：

式中：i為隱含層節(jié)點數(shù)；f為隱含層激活函數(shù)，本實驗中使用sigmoid函數(shù) f(x

（3）輸出層輸出。根據(jù)隱含層輸出H、隱含層連接權(quán)值Wjk和輸出層閾值b，計算BP神經(jīng)網(wǎng)絡(luò)預測輸出O。其計算公式為：

（4）誤差計算。根據(jù)輸出層輸出O和期望輸出Y，計算網(wǎng)絡(luò)預測誤差e。其計算公式為：

（5）權(quán)值更新。根據(jù)網(wǎng)絡(luò)預測誤差e，更新輸入層連接權(quán)值Wij、隱含層連接權(quán)值Wjk。其計算公式分別為：

式中：η為學習速率；其余變量含義同前。

（6）閾值更新。根據(jù)網(wǎng)絡(luò)預測誤差e，更新隱含層閾值a和輸出層閾值b。其計算公式分別為：

（7）判斷迭代是否結(jié)束，如果沒有，返回步驟（2）。

定義誤差率為（實際輸出-期望輸出）/期望輸出，經(jīng)統(tǒng)計，整個訓練過程小于20%和40%的比例如圖1所示。

圖1 訓練擬合成果

結(jié)合圖1，經(jīng)過統(tǒng)計分析可知，整個數(shù)據(jù)訓練擬合成果中，誤差率小于20%的數(shù)據(jù)占總統(tǒng)計數(shù)據(jù)的52%；小于40%的數(shù)據(jù)達到81%，由此判斷數(shù)據(jù)訓練成果是基本可靠的。

5 影響因素權(quán)重分析

5.1 權(quán)重分析

為得到降雨量、河道徑流量、地下水開采量對于海水入侵程度的影響，前人曾根據(jù)徑流形成機制做過很多的模型分析，本次則直接應用人工神經(jīng)網(wǎng)絡(luò)BP模型對它們進行非線性的分析計算，從而計算出各因素的影響權(quán)重。其計算方法如下。

（1）相關(guān)顯著性系數(shù)。其計算公式為：

（2）相關(guān)指數(shù)。其計算公式為：

（3）絕對影響系數(shù)。其計算公式為：

經(jīng)計算，各指標權(quán)值結(jié)果見表1。

表1 各指標權(quán)值計算結(jié)果

由表1可以看出，降雨量對地下水中Cl-影響權(quán)重最大，高達62.37%；其次是地下水開采量，為20.31%；最后是河道徑流量，影響權(quán)重為17.32%。

5.2 模型驗證

根據(jù)調(diào)查統(tǒng)計資料分析可知，2006年秦皇島市海水入侵范圍面積最大，自2010年開始逐漸減小，2016年達到最小。海水入侵范圍的年際變化與其間年降水量的年際變化基本一致，秦皇島市降水量2000—2004年達到研究系列最枯后開始逐漸增多，在2010年后達到最大值，而同期的河道徑流量和地下水開采量年際變化則相對較小。

通過降雨量變化趨勢與海水入侵范圍變化趨勢對比可以發(fā)現(xiàn)，21世紀10年代前分析區(qū)降雨量達到最低值，此時海水入侵范圍達到最大值；10年代后降雨量逐漸增大，海水入侵范圍則逐年減少，而河流徑流量和地下水開采量變化趨勢相較降雨量變化平緩，可見降雨量是影響海水入侵程度的最主要因素，由此也驗證了模型計算結(jié)果是符合實際的。