淺談富水流域洪水預(yù)報實時校正

【摘要】我國目前所用的實時校正方法雖然有一定的效果，但在山區(qū)的中小流域洪水預(yù)報方面依舊存在能力不足等問題，基于這種狀況，我們引進了K最近鄰算法對山區(qū)中小流域洪水預(yù)報進行實時校正，并采用模型，利用其他幾種有效方法進行試驗，通過分析校正結(jié)果，我們確認K最近鄰算法對山區(qū)中小流域洪水預(yù)報實時校正而言有積極意義。

【關(guān)鍵詞】山區(qū)中小流域；洪水預(yù)報；實時校正

引言：

以K最近鄰算法為基礎(chǔ)構(gòu)建模型，同時利用BP神經(jīng)網(wǎng)絡(luò)實時校正法和誤差自回歸方法，把洪峰相對誤差和確定性系數(shù)作為指標(biāo)進行評價，對校正結(jié)果進行分析。通過觀察比對分析結(jié)果我們可以發(fā)現(xiàn)：采用K最近鄰算法對確定性系數(shù)的改善最有效，BP法實時校正能更準確地校正誤差，將K最近鄰算法和誤差自回歸方法相結(jié)合可以控制洪峰誤差出現(xiàn)的短板，可操作性強，能為山區(qū)中小流域的洪水預(yù)報提供準確的實時校正。

一、山區(qū)中小流域洪水預(yù)報實時校正的必要性

（一）山區(qū)中小流域洪水預(yù)報的主要誤差來源

（1）觀察測量出現(xiàn)誤差

對山區(qū)中小流域進行洪水預(yù)報時，需要建立模型，模型的建立需要對降水量、所試驗流域的蒸發(fā)散發(fā)狀況進行數(shù)據(jù)調(diào)查，但是由于受到自然條件的影響加上技術(shù)不完善、儀器精確度不高等條件的制約，使最后的結(jié)果出現(xiàn)誤差。

（2）模型建構(gòu)出現(xiàn)誤差

建構(gòu)出的模型有時會出現(xiàn)表達式不準確的情況，主要表現(xiàn)在模型不能完整的表述出山區(qū)中小流域洪水發(fā)生的整個過程。

（3）模型參數(shù)出現(xiàn)誤差

其實無論選擇什么結(jié)構(gòu)方法或測量技術(shù)，模型的參數(shù)與實際情況之間總是存在一定的誤差，只是出現(xiàn)的誤差大小不同。

（4）系統(tǒng)的初始狀態(tài)出現(xiàn)誤差

在洪水預(yù)報剛開始進行時，模型中會出現(xiàn)一些變量，如果對系統(tǒng)初始情況下的變量發(fā)生掌握不清楚，也會導(dǎo)致誤差的出現(xiàn)。

（5）資料的誤差

山區(qū)中小流域往往都有水文資料缺乏的狀況，加上測量過程中系統(tǒng)出現(xiàn)的偏差和觀測試驗流域出現(xiàn)的偏差，誤差出現(xiàn)的概率就會增加。

雖然每種狀況出現(xiàn)的誤差都不打，但是由于這幾種狀況都會使洪水預(yù)報出現(xiàn)誤差，相加起來就會造成誤差較大，所以對山區(qū)中小流域洪水預(yù)報實時校正，提高預(yù)報的準確度必須早日完成。

（二）山區(qū)中小流域洪水預(yù)報實時校正的方法

山區(qū)中小流域洪水預(yù)報實時校正的方法主要有兩種：

（1）建立校正模型

可以使用遞推最小二乘法、卡爾曼濾波算法等對參數(shù)進行在線追蹤，對狀態(tài)出現(xiàn)的變量及時校正，這種方法的適用性強，流域的大小對此不產(chǎn)生影響，所以校正能力較強，準確度高。但建立模型需要明確所實驗的流域規(guī)律，所以需要大量的及時測量資料，因此這種方法不適用于資料缺乏的流域。

（2）預(yù)報模型與校正模型相加

這種情況下校正模型直接校正預(yù)報結(jié)果，兩者不是完全獨立的，也是存在關(guān)聯(lián)性的。因為兩者相加構(gòu)建的模型便利，對試驗測量的時間、數(shù)據(jù)要求較低，可以和BP法、AR法等多種模型共同使用，所以實用性更強，更適用于山區(qū)的中小流域。

山區(qū)中小流域的地形狀況本身就比較復(fù)雜，加上附近居民伐木種田、有目的者的亂砍濫伐，致使水土流失狀況嚴重，流域內(nèi)規(guī)律不可尋，狀況不穩(wěn)定，因此構(gòu)建精確度高、結(jié)構(gòu)復(fù)雜的模型難度相對較大，采用的模型又因結(jié)構(gòu)簡單等原因精確度較低，所以必須對山區(qū)中小流域洪水預(yù)報的結(jié)果進行校正。

二、山區(qū)中小流域洪水預(yù)報實時校正的方法

實時校正是指在對模型的參數(shù)、結(jié)構(gòu)等方面進行校正時參考最新的降雨量監(jiān)測結(jié)果和流域水位變化，保證校正結(jié)果的精確度，KNN法、BP法和AR法都是較為常見的估計預(yù)報值的誤差的方法。

（一）KNN法

KNN法是指利用統(tǒng)計學(xué)和概率學(xué)的方法進行學(xué)習(xí)，在試驗過程中尋找與該流域狀況相似的歷史例子對當(dāng)下問題進行解決。由于歷史問題與現(xiàn)在所遇到的問題必然存在某些聯(lián)系，所以KNN法在校正中也是有據(jù)可循的。

（二）AR法

AR法對試驗流域的實時水流量進行檢測，根據(jù)測量值與預(yù)測值之間的關(guān)系建立誤差序列，利用誤差自回歸方程對預(yù)報出現(xiàn)的誤差進行估測。

（三）BP法

BP法通過信息的傳播方式和誤差的傳播方式相反對BP神經(jīng)網(wǎng)絡(luò)各層權(quán)值進行調(diào)整，以這種方式不斷縮小誤差。

三、實時校正的方法比較

試驗進行的樣本不僅僅局限于目前的流域狀況，也可以在歷史資料的積累中尋找典型樣本。但是隨著樣本資料的增加，試驗成本也會隨之提高。我們要采取有效的方法在保證結(jié)果不受影響的同時更多的實時校正洪水預(yù)報。

AR法構(gòu)建結(jié)構(gòu)相對簡單，在中型流域更容易實現(xiàn)準確的校正，但面對小型流域時其能力就不太出彩了。

BP法校正能力好，能適應(yīng)山區(qū)中小流域變化較大的情況，但由于參數(shù)眾多、結(jié)構(gòu)復(fù)雜等特點實現(xiàn)起來比較困難。

KNN法對測量結(jié)果等資料的需求較低，加上此種方法可以和多種模型相結(jié)合，相對于AR法和BP法更容易操作，并且校正結(jié)果更清晰準確。

總結(jié)：

山區(qū)中小流域狀況特殊，經(jīng)常出現(xiàn)洪水漲落不定時、洪峰量較小等情況，加上有些流域的歷史資料保存不得當(dāng)導(dǎo)致資料缺乏，所以使用普通的實時校正方法很難獲得較為準確的校正精確度。本文所提到的KNN法、AR法和BP法都在進行試驗的、具有代表性的山區(qū)中小流域上對模型的預(yù)報結(jié)果進行了再次檢測和校正。經(jīng)過驗證比較，我們可以發(fā)現(xiàn)KNN法和BP法比AR法的校正準確度更高，采取KNN法進行的校正效果最好，采取BP法進行的校正誤差最小。KNN法對山區(qū)中小流域的資料要求低，更易于實現(xiàn)，所以在洪水預(yù)報實時校正中的應(yīng)用更常見。

參考文獻：

[1]闞光遠，李致家，劉志雨，等.改進的神經(jīng)網(wǎng)絡(luò)模型在水文模擬中的應(yīng)用[J].河海大學(xué)學(xué)報：自然科學(xué)版，2013，41（4）：294-299.

[2]劉開磊，姚成，李致家，等.水動力學(xué)模型實時校正方法對比[J].河海大學(xué)學(xué)報：自然科學(xué)版，2014，42（2）：124-129.

[3]楊峰.DEM在小流域洪水預(yù)報中的應(yīng)用研究[J].人民長江，2013，44（15）：22-25.

作者簡介： 馬哲健，1986年4月生，男，漢，湖北陽新，學(xué)歷：本科，單位：湖北省富水水庫管理局，當(dāng)前職務(wù)：防辦副主任，當(dāng)前職稱：中級，研究方向：水文水資源、水利工程。