劉瑞寧,羅征文

(1.青海省西寧市湟中區(qū)云谷川水庫管理所,青海 西寧 810001; 2.青海省九○六工程勘測設(shè)計(jì)研究院,青海 西寧 810001)

0 引 言

現(xiàn)階段,中國部分小型水庫建成時間較長。在建設(shè)過程中,由于當(dāng)時經(jīng)濟(jì)水平與工程技術(shù)發(fā)展不夠完善,且建成后長期未進(jìn)行運(yùn)營維護(hù),年久失修,部分地區(qū)的小型水庫安全性較差,容易引發(fā)洪澇等災(zāi)害,使水庫周邊居民的生命財(cái)產(chǎn)安全存在較大的隱患[1]。截至2020年,中國出現(xiàn)垮壩失事事故的水庫共計(jì)4 682座,其中,包括小型水庫4 427座,占水庫失事事故總數(shù)的94.55%[2]。科學(xué)合理的水庫應(yīng)急管理風(fēng)險評估方法能夠有效改善這一問題[3]。有研究學(xué)者基于支持向量機(jī)原理,針對小型水庫安全風(fēng)險進(jìn)行評估,構(gòu)建支持向量機(jī)模型,選取小型水庫安全風(fēng)險指標(biāo),對水庫數(shù)據(jù)進(jìn)行處理,基于災(zāi)害通告和支持向量機(jī)對水庫等級進(jìn)行劃分,實(shí)現(xiàn)對水庫安全風(fēng)險等級的評判[4]。然而,在實(shí)際應(yīng)用過程中,容易受到致災(zāi)因子數(shù)據(jù)誤差的影響,使水庫運(yùn)行安全風(fēng)險的評判精度降低,影響了小型水庫除險加固工作。傳統(tǒng)方法存在容易受到致災(zāi)因子數(shù)據(jù)誤差的影響,而出現(xiàn)評估精度低的問題。BP神經(jīng)網(wǎng)絡(luò)算法能夠?qū)W習(xí)和適應(yīng)非線性的復(fù)雜關(guān)系,對于水庫管理風(fēng)險存在的非線性問題具有良好的泛化能力,可對未知數(shù)據(jù)進(jìn)行預(yù)測和分類。本文在傳統(tǒng)水庫管理風(fēng)險評估方法的基礎(chǔ)上,引入BP算法,針對小型水庫的發(fā)展現(xiàn)狀與特征,提出了對應(yīng)的應(yīng)急管理風(fēng)險評估方法,為提高小型水庫的安全性與風(fēng)險評估的準(zhǔn)確性提供保障。

1 水庫運(yùn)行影響因素與應(yīng)急管理風(fēng)險因素

小型水庫在運(yùn)行過程中,容易受到多方面風(fēng)險因素的影響,降低了水庫運(yùn)行的安全性與穩(wěn)定性。主要風(fēng)險因素包括自然影響因素與人為影響因素。自然影響因素主要為極端天氣引起的暴風(fēng)、暴雨,還有多種地質(zhì)災(zāi)害,比如泥石流、山體滑坡、地震等。人為影響因素主要分為前期影響因素和后期影響因素。前期人為影響因素主要是指在水庫建造過程中使用的建造材料、施工工藝等方面出現(xiàn)瑕疵,對水庫施工質(zhì)量造成一定程度的影響;后期的人為影響因素是指在水庫附近進(jìn)行的工程建設(shè)導(dǎo)致地基沉降、向水庫庫區(qū)棄水棄渣影響水庫正常運(yùn)行等。

當(dāng)水庫存在一定運(yùn)行風(fēng)險后,需要進(jìn)行應(yīng)急管理。為了提高小型水庫的應(yīng)急管理能力,應(yīng)確定應(yīng)急管理過程中存在的風(fēng)險因素,主要包括水質(zhì)風(fēng)險、水量風(fēng)險和應(yīng)急風(fēng)險。水質(zhì)風(fēng)險為突發(fā)水污染泄漏程度;水量風(fēng)險為上游來水流量預(yù)警程度、備用水源應(yīng)急能力;應(yīng)急風(fēng)險為應(yīng)急處置執(zhí)行程度、預(yù)報預(yù)警精度、應(yīng)急預(yù)案完備程度。

2 基于BP算法的應(yīng)急管理風(fēng)險評估方法設(shè)計(jì)

2.1 BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評估模型構(gòu)建

為了實(shí)現(xiàn)對小型水庫應(yīng)急管理風(fēng)險的準(zhǔn)確評估,首先,構(gòu)建小型水庫應(yīng)急管理風(fēng)險評估體系,將水質(zhì)風(fēng)險、水量風(fēng)險和應(yīng)急風(fēng)險作為一級評估指標(biāo),將突發(fā)水污染泄漏程度、上游來水流量預(yù)警程度、備用水源應(yīng)急能力、應(yīng)急處置執(zhí)行程度、預(yù)報預(yù)警精度、應(yīng)急預(yù)案完備程度作為二級評估指標(biāo)。然后,采用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建小型水庫應(yīng)急管理風(fēng)險評估模型。BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò),每層神經(jīng)網(wǎng)絡(luò)都由神經(jīng)元構(gòu)成,單獨(dú)的每個神經(jīng)元相當(dāng)于一個感知器,具有高度自學(xué)習(xí)和自適應(yīng)的能力,能夠提高對水庫運(yùn)行應(yīng)急管理的評判精度。最后,采用梯度下降的原理,通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)誤差平方和最小,實(shí)現(xiàn)對小型水庫應(yīng)急管理風(fēng)險評估模型的訓(xùn)練[5]。將小型水庫樣本數(shù)據(jù)通過模型的輸入層神經(jīng)元傳輸?shù)侥Ｐ偷挠?xùn)練網(wǎng)絡(luò)中,對應(yīng)急管理風(fēng)險各個隱含層函數(shù)進(jìn)行相應(yīng)計(jì)算,發(fā)送至輸出層神經(jīng)元中,輸出層神經(jīng)元基于應(yīng)急管理風(fēng)險逐層連接權(quán)值與閾值進(jìn)行調(diào)整處理,降低風(fēng)險評估結(jié)果中存在的誤差[6]。模型經(jīng)過多次迭代運(yùn)算,直至小型水庫應(yīng)急管理風(fēng)險的誤差達(dá)到允許的誤差范圍內(nèi)[7]。

本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評估模型結(jié)構(gòu)如圖1所示。

圖1 基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險評估模型Fig.1 Risk assessment model based on BP neural network

如圖1所示,本文構(gòu)建的風(fēng)險評估模型主要包括3層BP網(wǎng)絡(luò)結(jié)構(gòu),其中,x1,x2,xN1分別作為小型水庫應(yīng)急管理風(fēng)險評估模型中網(wǎng)絡(luò)輸入層的輸入向量;y1,y2,yN2分別作為小型水庫應(yīng)急管理風(fēng)險評估模型中網(wǎng)絡(luò)隱含層的輸出向量;z1,z2,zN3分別為小型水庫應(yīng)急管理風(fēng)險評估模型中網(wǎng)絡(luò)輸出層的輸出向量;T1,T2,TN3分別為小型水庫應(yīng)急管理風(fēng)險評估模型的期望輸出向量。本文構(gòu)建的基于BP神經(jīng)網(wǎng)絡(luò)的小型水庫應(yīng)急管理風(fēng)險評估模型隱含層的激活函數(shù)表達(dá)式為

(1)

式中:e-x為模型中隱含層與輸出層之間的連接權(quán)值,通過計(jì)算隱含層的激活函數(shù),將函數(shù)結(jié)果輸入風(fēng)險評估模型中,為模型提供參數(shù)依據(jù)。

2.2 基于BP算法估算水庫應(yīng)急管理危險度

在小型水庫應(yīng)急管理風(fēng)險評估中,選取指定的水庫風(fēng)險事件,將其作為應(yīng)急管理的風(fēng)險率,利用BP算法計(jì)算出對應(yīng)的水庫應(yīng)急管理危險度,為風(fēng)險評估提供數(shù)據(jù)支持[8]。

根據(jù)水庫管理的風(fēng)險度定義理論,將水庫應(yīng)急管理內(nèi)容主要劃分為應(yīng)急管理危險事故類型、風(fēng)險事故發(fā)生概率、風(fēng)險事故產(chǎn)生的后果[9]。根據(jù)以上3個方面的內(nèi)容,對小型水庫應(yīng)急管理危險度定義為對水庫周邊居民的生命財(cái)產(chǎn)健康以及周邊環(huán)境造成負(fù)面影響的度量方式[10]。小型水庫應(yīng)急管理危險度的表達(dá)式為

RD=Pf×L

(2)

式中:RD為小型水庫應(yīng)急管理危險度;Pf為水庫應(yīng)急管理危險率;L為水庫失事導(dǎo)致的損失,包括經(jīng)濟(jì)損失、人員傷亡等。通過式(2),能夠獲取小型水庫應(yīng)急管理風(fēng)險的整體危險度值,在此基礎(chǔ)上,分別從個人生命危險、社會生命危險、經(jīng)濟(jì)危險以及社會與環(huán)境危險等幾個方面,對小型水庫管理的危險度進(jìn)行具體研究設(shè)計(jì)[11]。

(1)針對個人生命危險,年死亡概率指水庫運(yùn)行過程中風(fēng)險活動產(chǎn)生事故引發(fā)的死亡概率,應(yīng)急管理風(fēng)險中個人生命危險度IR的計(jì)算公式為:

IR=Pf×Pd|f×ε

(3)

式中:Pd|f為假定應(yīng)急管理危險中個人死亡發(fā)生的條件概率;ε為應(yīng)急管理事件發(fā)生概率。

(2)社會生命危險度a1的計(jì)算公式為

a1=1-FN(x)

(4)

式中:FN(x)為水庫應(yīng)急管理風(fēng)險中死亡人數(shù)N的概率分布函數(shù),即死亡人數(shù)小于x的年概率。在社會生命危險度估算過程中,結(jié)合死亡人數(shù)與死亡頻率之間的對應(yīng)關(guān)系,利用F-N曲線原理與定量分析的方式,獲取社會生命危險期望值。

(3)經(jīng)濟(jì)危險指除了事故以外,其他因素導(dǎo)致的損失,采用社會危險類似的表達(dá)方法,水庫應(yīng)急管理風(fēng)險中經(jīng)濟(jì)危險度a2的表達(dá)式為

a2=1-FD(x)

(5)

式中:D為水庫事故發(fā)生導(dǎo)致的經(jīng)濟(jì)損失;FD(x)為水庫事故造成經(jīng)濟(jì)損失的概率密度函數(shù)。

(4) 社會與環(huán)境危險度a3的表達(dá)式為

a3=1-FT(x)

(6)

式中:T為社會與環(huán)境恢復(fù)所需時間的超越概率值;FT(x)為在水庫應(yīng)急管理風(fēng)險情況下,社會與環(huán)境恢復(fù)所需時間的概率分布函數(shù)。通過以上計(jì)算獲取小型水庫各個應(yīng)急管理危險度的具體情況,根據(jù)危險度與小型水庫管理的實(shí)際情況,選取適用于該水庫應(yīng)急管理的可接受危險指標(biāo),為后續(xù)的風(fēng)險評估提供保障。

2.3 評估小型水庫致災(zāi)因子

在完成上述基于BP算法水庫應(yīng)急管理風(fēng)險度估算后,通過評估小型水庫致災(zāi)因子進(jìn)行水庫應(yīng)急管理的風(fēng)險評估[12]。通常情況下,小型水庫致災(zāi)因子種類較多,一般包括持續(xù)降雨、洪水、滑坡、泥石流、決堤、水土流失、集水區(qū)開發(fā)、地震等。本文以上述8種小型水庫的致災(zāi)因子為例,對小型水庫的應(yīng)急管理風(fēng)險進(jìn)行評估。通過采集設(shè)備采集8種致災(zāi)因子的原始數(shù)據(jù),并進(jìn)行濾波降噪處理,避免致災(zāi)因子數(shù)據(jù)誤差過大,對風(fēng)險評估結(jié)果產(chǎn)生影響。將小型水庫所處地區(qū)的致災(zāi)因子組成一個二維數(shù)組,基于二維插值法的原理獲取小型水庫在某個特定時間段內(nèi)的致災(zāi)因子的安全參數(shù),結(jié)合上述建立的BP神經(jīng)網(wǎng)絡(luò)風(fēng)險評估模型,在參數(shù)中布設(shè)一定數(shù)量的網(wǎng)格節(jié)點(diǎn),提高二維數(shù)據(jù)的規(guī)范性。在二維數(shù)據(jù)散亂的節(jié)點(diǎn)中,利用加權(quán)平均方法,按照一定的致災(zāi)因子反比關(guān)系,對二維數(shù)組進(jìn)行加權(quán)平均處理,獲取小型水庫致災(zāi)因子的插值函數(shù),公式為

(7)

式中:Rij為二維數(shù)組中致災(zāi)因子節(jié)點(diǎn)P與Pij之間的距離;u為小型水庫所處區(qū)域的各個致災(zāi)因子的安全參數(shù);ui為某個特定時間段內(nèi)的各個致災(zāi)因子的實(shí)際參數(shù)。通過上式計(jì)算小型水庫致災(zāi)因子的插值函數(shù)結(jié)果,得出致災(zāi)因子對小型水庫應(yīng)急管理風(fēng)險的影響程度。

在此基礎(chǔ)上,根據(jù)致災(zāi)因子的插值函數(shù)結(jié)果,結(jié)合上述獲取到的小型水庫應(yīng)急管理危險度,共同對小型水庫的應(yīng)急管理風(fēng)險等級進(jìn)行劃分,將致災(zāi)因子插值結(jié)果與應(yīng)急管理危險度范圍設(shè)置在0～1之間,劃分為5個不同的風(fēng)險等級,對應(yīng)的小型水庫應(yīng)急管理風(fēng)險度也包括5個等級,劃分結(jié)果見表1。

表1 小型水庫應(yīng)急管理風(fēng)險度等級劃分Tab.1 Classification of risk levels for emergency management of small reservoirs

按照表1劃分的等級獲取水庫對應(yīng)的危險等級、致災(zāi)等級與風(fēng)險等級,完成小型水庫應(yīng)急管理風(fēng)險評估的目標(biāo)。水庫應(yīng)急管理風(fēng)險評估的流程如圖2所示。

圖2 小型水庫應(yīng)急管理風(fēng)險評估流程Fig.2 Risk assessment process for emergency management of small reservoirs

3 驗(yàn)證分析

為了對本文提出的基于BP算法的小型水庫應(yīng)急管理風(fēng)險評估方法的可行性作出進(jìn)一步客觀分析,選取青海省西寧市湟中區(qū)云谷川水庫為研究對象進(jìn)行實(shí)驗(yàn)分析。該水庫距湟中縣李家山鎮(zhèn)25 km ,主要用途為農(nóng)田灌溉和汛期防洪,水庫年供水量70萬m3,供水人口3.65萬,有效灌溉面積可達(dá)到2 320 hm2(3.48萬畝)。水庫上游水位為285.6 m,所在地的動峰值加速度為0.08g,主要建筑物包括正常與非常溢洪道、攔河大壩、壩后式電站等。水庫大壩類型為漿砌石重力壩,最大壩高為30.5 m,堤頂高程為286.7 m,堤頂?shù)拈L度為118.4 m,水庫壩頂采用控制溢流的方式,閘門為電動卷揚(yáng)式啟閉機(jī),將正常溢洪道布設(shè)在水庫大壩的中部,非常溢洪道布設(shè)在水庫大壩的左側(cè),水庫的溢流面坡度比例為1∶0.7,為底流消能的水庫運(yùn)行模式。2022年進(jìn)行了維修改造,水庫實(shí)際環(huán)境如圖3所示。

圖3 水庫實(shí)際環(huán)境Fig.3 Actual environment of the reservoir

由圖3可知,水庫大壩結(jié)構(gòu)中出現(xiàn)多處裂縫,并出現(xiàn)不同程度的滲漏,可能會導(dǎo)致大壩失穩(wěn)、決堤,引發(fā)嚴(yán)重洪水災(zāi)害,對周圍居民的生命安全與財(cái)產(chǎn)安全造成較大的威脅。因此,根據(jù)圖2的風(fēng)險評估流程,對云谷川水庫大壩進(jìn)行檢查與綜合評價,參照水庫應(yīng)急風(fēng)險管理相關(guān)標(biāo)準(zhǔn)規(guī)范與水庫堤壩的荷載變化情況,獲取水庫中風(fēng)險導(dǎo)致的失事后果與風(fēng)險失事概率。在此基礎(chǔ)上,共同計(jì)算小型水庫應(yīng)急管理的風(fēng)險值,基于風(fēng)險值判斷水庫運(yùn)行中是否存在風(fēng)險缺陷。當(dāng)存在風(fēng)險缺陷時,采用量化方式對風(fēng)險缺陷進(jìn)行評估,輸出應(yīng)急管理風(fēng)險評估結(jié)果;若不存在風(fēng)險缺陷,則重復(fù)上述步驟。

利用BP算法,通過公式(2)～(6)計(jì)算出水庫應(yīng)急管理危險度,計(jì)算結(jié)果如表2所示。

表2 水庫應(yīng)急管理危險度計(jì)算結(jié)果Tab.2 Hazard level calculation results of reservoir emergency management

綜合數(shù)值結(jié)果可判斷該水庫應(yīng)急管理危險度為0.44,屬于中度危險;致災(zāi)度為0.45,屬于中度致災(zāi);風(fēng)險度為0.48,屬于中度風(fēng)險。

設(shè)置水庫安全的可靠度為本次實(shí)驗(yàn)風(fēng)險評估指標(biāo),可靠度β計(jì)算公式為

(8)

式中:μR為水庫管理風(fēng)險中抗力隨機(jī)因子R的均值;μS為水庫管理風(fēng)險中荷載效應(yīng)隨機(jī)因子S的均值;σR為抗力隨機(jī)因子R的標(biāo)準(zhǔn)差;σS為荷載效應(yīng)隨機(jī)因子S的標(biāo)準(zhǔn)差。

根據(jù)上述的水庫管理風(fēng)險綜合評價結(jié)果,構(gòu)建應(yīng)急管理風(fēng)險區(qū)間判斷矩陣。基于水庫管理的分屬主體,設(shè)置各個主體對應(yīng)的分項(xiàng)指標(biāo)及其權(quán)重標(biāo)準(zhǔn),獲取各個分項(xiàng)指標(biāo)應(yīng)急管理風(fēng)險評估指標(biāo)的權(quán)重,對標(biāo)準(zhǔn)權(quán)重進(jìn)行對比,并結(jié)合專家打分的方式,對各個分項(xiàng)指標(biāo)評估結(jié)果的權(quán)重值進(jìn)行打分,獲取最終小型水庫應(yīng)急管理風(fēng)險評估結(jié)果。

將該水庫數(shù)據(jù)輸入至MATLAB 2016a仿真平臺中,模擬水庫發(fā)生應(yīng)急事件。采用本文設(shè)計(jì)的基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)急管理風(fēng)險評估方法與傳統(tǒng)的基于支持向量機(jī)的評估方法,對該水庫進(jìn)行風(fēng)險評估。對比兩種評估方法的指標(biāo)權(quán)重與專家打分結(jié)果,結(jié)果分別如表3,4所示。

表3 兩種風(fēng)險評估方法指標(biāo)權(quán)重對比Tab.3 Comparison of index weights between two risk assessment methods %

表4 兩種風(fēng)險評估方法專家打分結(jié)果對比Tab.4 Comparison of expert scoring results between two risk assessment methods %

根據(jù)表3,4的結(jié)果可知,在兩種水庫應(yīng)急管理風(fēng)險評估方法中,與傳統(tǒng)評估方法相比,本文提出的基于BP算法的水庫風(fēng)險評估方法得出的水質(zhì)風(fēng)險、水量風(fēng)險、應(yīng)急風(fēng)險主體的各個分項(xiàng)指標(biāo)權(quán)重結(jié)果均更加接近標(biāo)準(zhǔn)權(quán)重,且專家打分結(jié)果較高,均在95.61%以上。

4 結(jié) 語

為了有效降低現(xiàn)階段中國小型水庫應(yīng)急管理中存在的風(fēng)險,本文在傳統(tǒng)水庫風(fēng)險評估方法的基礎(chǔ)上,結(jié)合BP算法,針對小型水庫提出了全新的應(yīng)急管理風(fēng)險評估方法。實(shí)例驗(yàn)證表明,該方法能在一定程度上提升小型水庫風(fēng)險識別與風(fēng)險評估的準(zhǔn)確性,評估結(jié)果較為準(zhǔn)確。該方法可為及時制定水庫應(yīng)急管理風(fēng)險解決方案與措施提供依據(jù),保障了小型水庫運(yùn)行的安全。

本文方法還存在選取分項(xiàng)指標(biāo)不夠細(xì)化的不足,應(yīng)考慮增加更多的評估指標(biāo)內(nèi)容。在接下來的研究中,應(yīng)不斷完善風(fēng)險評估的指標(biāo),詳細(xì)分析人類活動對水庫安全的影響,盡力克服水庫風(fēng)險評價時的數(shù)據(jù)采集難度,使評估結(jié)果能為水利工程災(zāi)害防治提供更多技術(shù)性支持。