應(yīng)用人工神經(jīng)網(wǎng)絡(luò)確定沙河輸沙量變化影響因素的權(quán)重

劉向楠

（河北省秦皇島水文水資源勘測(cè)局，河北 秦皇島　066000）

應(yīng)用人工神經(jīng)網(wǎng)絡(luò)
確定沙河輸沙量變化影響因素的權(quán)重

劉向楠

（河北省秦皇島水文水資源勘測(cè)局，河北 秦皇島066000）

摘 要：流經(jīng)遷安和灤縣的沙河多年來輸沙量呈減少趨勢(shì)，通過對(duì)石佛口水文站歷史資料的統(tǒng)計(jì)分析，確定影響其輸沙量變化的主要因素為暴雨、洪水和下墊面變化。使用人工神經(jīng)網(wǎng)絡(luò)這種非線性方法，計(jì)算出各影響因素的權(quán)重，計(jì)算結(jié)果具有一定的實(shí)用性。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；輸沙量；影響因素；權(quán)重

沙河發(fā)源于遷安市大石嶺溝，流經(jīng)灤縣、唐山市古冶區(qū)至豐南區(qū)東尖坨村南流入草泊洼淀沙河新道，在黑沿子村與黑沿子排干交匯后入渤海，全長138 km，流域面積902 km2。沙河在京山鐵路線以北屬于山區(qū)，河床由粗砂組成；鐵路線以南為平原區(qū)，河床多為細(xì)砂。在灤縣石佛口村沙河干流上建有石佛口水文站，根據(jù)實(shí)測(cè)資料分析，自1959年以來，石佛口站發(fā)生的最大洪水為1962年，其洪峰流量為472 m3/s，相當(dāng)于50年一遇。

沙河流域近年來受人類活動(dòng)影響，下墊面發(fā)生很大變化，其輸沙量呈下降趨勢(shì)。因此，找出影響其輸沙量變化的主要因素，對(duì)保護(hù)流域水資源、加強(qiáng)水土保持工作有重要的意義。

在一個(gè)評(píng)價(jià)體系中，各評(píng)價(jià)因素對(duì)描述對(duì)象的影響程度即權(quán)重。在實(shí)際的自然規(guī)律中，各因素對(duì)其的影響權(quán)重肯定是不同的，但是在以往的權(quán)重分析中模糊性很強(qiáng)，同時(shí)受評(píng)價(jià)者人為因素影響很大。筆者利用人工神經(jīng)網(wǎng)絡(luò)BP模型，通過對(duì)實(shí)際發(fā)生的已知樣本的學(xué)習(xí)，建立一個(gè)非線性的學(xué)習(xí)機(jī)制，從而消除權(quán)重評(píng)價(jià)中的人為影響，保證權(quán)重計(jì)算的實(shí)用性。

1　人工神經(jīng)網(wǎng)絡(luò)BP模型

1.1模型簡介

人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦或生物神經(jīng)網(wǎng)絡(luò)的抽象和建模，具有從環(huán)境學(xué)習(xí)的能力，以類似生物的交互方式適應(yīng)環(huán)境。神經(jīng)網(wǎng)絡(luò)是智能科學(xué)和計(jì)算智能的重要部分，以腦科學(xué)和認(rèn)知神經(jīng)科學(xué)的研究成果為基礎(chǔ)，拓展智能信息處理的方法，為解決復(fù)雜問題和實(shí)現(xiàn)自動(dòng)控制提供有效的途徑［1］。

BP（Back-Propagation）算法是人工神經(jīng)網(wǎng)絡(luò)中最重要的一種學(xué)習(xí)算法，又稱為反轉(zhuǎn)算法，是一種多層網(wǎng)絡(luò)的誤差傳播學(xué)習(xí)法，其應(yīng)用最為廣泛。BP神經(jīng)網(wǎng)絡(luò)是一個(gè)包含輸入層、隱含層和輸出層的多層網(wǎng)絡(luò)，上下層各個(gè)神經(jīng)元之間實(shí)現(xiàn)權(quán)連接，即下層的每個(gè)單元都實(shí)現(xiàn)全連接，而每層各神經(jīng)元之間無連接。人工神經(jīng)網(wǎng)絡(luò)BP模型實(shí)際上是一個(gè)多層感知器，即典型的前饋型神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)。其網(wǎng)絡(luò)結(jié)構(gòu)，如圖1所示。

圖1　　　　 人工神經(jīng)網(wǎng)絡(luò)BP模型結(jié)構(gòu)

由圖1可見，在一個(gè)BP模型中包括輸入層、輸出層和隱含層，計(jì)算時(shí)對(duì)一組樣本進(jìn)行輸入輸出計(jì)算，得到各層間的連接權(quán)值和閾值修正量，通過與誤差比較求得修正后的連接權(quán)值和閾值，反向重復(fù)進(jìn)行各節(jié)點(diǎn)的計(jì)算，如此循環(huán)，直到滿足誤差要求［2］。

在BP模型中，每個(gè)神經(jīng)元模型包括一個(gè)非線性激活函數(shù)，滿足非線性要求的一個(gè)普遍應(yīng)用形式是由logistic函數(shù)定義的Sigmoid非線性函數(shù)，其表達(dá)式為:

式中:x為神經(jīng)元的激活值；f（x）為神經(jīng)元的輸出。

1.2評(píng)價(jià)權(quán)重的計(jì)算方法

筆者建立神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的目的是確定評(píng)價(jià)指標(biāo)的權(quán)重，而神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的結(jié)果只是各神經(jīng)網(wǎng)絡(luò)神經(jīng)元之間的關(guān)系。要想得到輸入因素對(duì)輸出因素的決策權(quán)重，還需要對(duì)各神經(jīng)元之間的權(quán)重加以分析處理，為此利用以下幾項(xiàng)指標(biāo)來描述輸入因素和輸出因素之間的關(guān)系。

（1）相關(guān)顯著性系數(shù)，其表達(dá)式為:

（2）相關(guān)指數(shù)，其表達(dá)式為:

（3）絕對(duì)影響系數(shù)，其表達(dá)式為:式中:i為神經(jīng)網(wǎng)絡(luò)輸入單元，i=1，…，m；j為神經(jīng)網(wǎng)絡(luò)輸出單元，j=1，…，n；k為神經(jīng)網(wǎng)絡(luò)的隱含單元，k= 1，…，p；ωki為輸入層神經(jīng)元i和隱含層神經(jīng)元k之間的權(quán)系數(shù)；ωjk為輸入層神經(jīng)元j和隱含層神經(jīng)元k之間的權(quán)系數(shù)；絕對(duì)影響系數(shù)Sij是評(píng)價(jià)因素的權(quán)重［3］。

2　輸沙量資料分析

石佛口水文站位于灤縣雷莊鎮(zhèn)石佛口村，是沙河上的控制站，自1956年開始有實(shí)測(cè)資料，至2010年已有55年資料系列，一致性較好且準(zhǔn)確度較高。

分析石佛口站實(shí)測(cè)輸沙量系列資料發(fā)現(xiàn)，輸沙量的年內(nèi)分配極不均勻，輸沙量主要集中在汛期6—9月，汛期輸沙量占全年輸沙量的95%～99.9%。對(duì)其1956—2010年的天然來水量進(jìn)行頻率分析，選擇保證率為25%（豐水年）、50%（平水年）和75%（枯水年）的年份為典型年，計(jì)算典型年實(shí)測(cè)輸沙量的年內(nèi)分配，結(jié)果見表1。

表1　石佛口站不同典型年多年平均懸移質(zhì)輸沙量年內(nèi)分配

由表1可見，由于汛期洪水多發(fā)，洪水對(duì)河道及流域下墊面的沖刷加強(qiáng)，沙量主要隨洪水下泄，豐水年輸沙量明顯大于枯水年。而暴雨則是引發(fā)洪水的最直接原因。對(duì)一個(gè)水文觀測(cè)站來說，發(fā)生洪水次數(shù)是數(shù)以百計(jì)的，要研究場(chǎng)次洪水、泥沙的影響因素，其場(chǎng)次洪水對(duì)應(yīng)的暴雨、洪水、泥沙資料的處理尤為關(guān)鍵。由于眾多影響因素的存在，暴雨的時(shí)間和空間分布每一次都不同，故對(duì)典型暴雨洪水的挑選要堅(jiān)持抓大放小的原則，首先根據(jù)實(shí)測(cè)資料，選取前期影響雨量與本次降水之和比較接近的場(chǎng)次或者發(fā)生洪峰接近的場(chǎng)次，計(jì)算該場(chǎng)降水的洪水總量及輸沙量，通過對(duì)照可以發(fā)現(xiàn)流域出現(xiàn)轉(zhuǎn)折點(diǎn)前后年份各特征參數(shù)的變化，還可統(tǒng)計(jì)各年代平均雨量、年代平均徑流量、年代平均輸沙量，采用年代均值比較法進(jìn)行分析，分析結(jié)果見表2—3。

表2　石佛口站場(chǎng)次洪水特征參數(shù)統(tǒng)計(jì)

表3　各年代平均雨量、徑流量、輸沙量與均值比較

從表3可見，隨著年代變化，各洪水特征值的變化很大。同樣強(qiáng)度的暴雨，匯流歷時(shí)變長，洪峰流量變小，輸沙量也隨之變小。石佛口站20世紀(jì)60年代的年均輸沙量是2010年代的年均輸沙量的39倍，2010年代的年均輸沙量只是多年平均輸沙量的6%。

3　輸沙量變化影響因素的確定

河流泥沙的來源可以分為兩大類:一類是來自流域內(nèi)降雨形成的地面徑流對(duì)地表的沖蝕，通常稱為水土流失；另一類是從原河床沉積層沖刷起來的［4］。流域地表的侵蝕主要與氣候、土壤、植被覆蓋情況和地貌有關(guān)。

選取石佛口站20世紀(jì)60年代至21世紀(jì)初40年左右的降水量、徑流量、輸沙量資料，分析其變化曲線的趨勢(shì)，雨量斜率為-0.005 5，徑流量斜率為-0.012 2，輸沙量斜率為-0.070 7。由此可以看出，近年來各要素都呈現(xiàn)減少的趨勢(shì)，雨量減小趨勢(shì)非常緩慢，徑流量減小趨勢(shì)次之，而輸沙量減小幅度最大。降水對(duì)泥沙的影響相對(duì)徑流對(duì)泥沙的影響更小，可知降雨減小不是輸沙減少的主要因素。

2000年后，石佛口水文控制站以上流域內(nèi)水利水保工程建設(shè)得到大力發(fā)展。如，嵐龍山小流域治理工程治理總面積1 608.9 hm2，興建谷坊壩226道、水池水窖25個(gè)、梯田10 hm2，種植經(jīng)濟(jì)林198 hm2、用材林200 hm2、水保林300.9 hm2，封育治理900 hm2，修筑護(hù)壩1 580 m；通過上述措施，減少土壤流失量0.687萬t，增加降水有效利用量1.89萬m3，增加經(jīng)濟(jì)收入20.7萬元、糧食產(chǎn)量9.48萬kg、林草植被面積85.9 hm2。這也就是石佛口站以上流域降雨基本相同時(shí)匯流歷時(shí)增加，洪峰模數(shù)下降從而輸沙量減少的主要原因。

通過以上分析，可以得到沙河流域輸沙量變化的主要影響因素為暴雨、洪水、人為影響的下墊面變化，包括水庫修建、綠化植樹造林、水保工程建設(shè)等。

4　評(píng)價(jià)因素權(quán)重的確定

根據(jù)本次計(jì)算的實(shí)際情況，確定將最大1 d降水量、植被覆蓋率、水土流失治理面積、次洪洪峰流量4個(gè)指標(biāo)作為輸入層輸入因子來進(jìn)行擬合計(jì)算，通過模型計(jì)算得出各評(píng)價(jià)因素對(duì)輸沙量變化的影響權(quán)重，計(jì)算結(jié)果見表4。

表4　石佛口站人工神經(jīng)網(wǎng)絡(luò)BP模型權(quán)值計(jì)算結(jié)果

暴雨洪水對(duì)河道輸沙量影響巨大，次洪對(duì)應(yīng)最大24 h降雨量雨強(qiáng)的大小決定了降水的產(chǎn)流方式是超滲產(chǎn)流還是蓄滿產(chǎn)流，當(dāng)為超滲產(chǎn)流時(shí)攜帶的地表泥沙更多地進(jìn)入河道，從而加大河道輸沙量，故選取最大24 h降雨量和次洪洪峰流量作為山區(qū)河流洪水的特征值的影響因子。而植被覆蓋率和水土流失治理面積可以直觀地反映人類活動(dòng)對(duì)下墊面變化的影響。

山區(qū)河流受暴雨影響的洪水暴漲暴落，降水產(chǎn)流模式多為超滲產(chǎn)流，地表徑流沖刷土壤進(jìn)入河道，導(dǎo)致洪峰夾帶大量泥沙，而近年來的流域治理和水保工程建設(shè)起到了很好的水土保持作用。經(jīng)計(jì)算得出，植被覆蓋率對(duì)輸沙量影響最大，達(dá)到41.6%；其次為最大1 d降水影響，占33.8%，結(jié)果符合沙河流域特性。

5結(jié)論

輸沙量的影響因素很多，在以往的輸沙量影響因素權(quán)重計(jì)算中，多使用簡單的定量分析進(jìn)行推求或在實(shí)驗(yàn)室中根據(jù)模型分析推求。筆者通過統(tǒng)計(jì)數(shù)據(jù)確定分析流域內(nèi)影響輸沙量的主要因素，進(jìn)而使用人工神經(jīng)網(wǎng)絡(luò)BP模型計(jì)算各影響因素的權(quán)重，計(jì)算結(jié)果基本符合實(shí)際情況，為分析河流輸沙量變化提供了另外一種思路。

參考文獻(xiàn)

［1］史忠植.神經(jīng)網(wǎng)絡(luò)［M］.北京:高等教育出版社，2009.

［2］鄒文安，劉寶，姜波，等.基于Excel技術(shù)平臺(tái)人工神經(jīng)網(wǎng)絡(luò)BP模型及應(yīng)用［J］.水文，2010，30（1）:44-46.

［3］孫會(huì)君，王新華.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)確定評(píng)價(jià)指標(biāo)的權(quán)重［J］.山東科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2001，20（3）: 84-86.

［4］孫東坡，李國慶，朱太順，等.治河及泥沙工程［M］.鄭州:黃河水利出版社，1999.

中圖分類號(hào)：TV143+.4

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-7328（2016）02-0057-04

DOI:10.3969/j.issn.1004-7328.2016.02.019

收稿日期：2016—01—20

作者簡介：劉向楠（1983—），男，工程師，主要從事水文水資源研究工作。