基于長歷時互相關(guān)性的白石水庫水沙預(yù)測及適應(yīng)性調(diào)度策略

吳占華

(凌源市水土保持局，遼寧 朝陽 122500)

1 工程簡介

白石水庫始建于2009年，壩址位于遼寧省北票市大凌河干流上，是一座以供水為主，兼具發(fā)電、旅游、養(yǎng)殖的大型水利樞紐工程[1]。水庫控制流域面積17649km2，占大凌河流域面積的76%，水庫正常蓄水位為126m，總庫容為16.45億m3。水庫建成后可以使下游地區(qū)的防洪標(biāo)準(zhǔn)由原來的20a一遇提高到50a一遇，同時每年可以向下游的阜新和錦州等城市提供生產(chǎn)生活用水2億m3。白石水庫的防洪設(shè)計標(biāo)準(zhǔn)為100a一遇，下瀉流量為2675m3/s，校核標(biāo)準(zhǔn)為1 000a一遇，下瀉流量為3814m3/s。白石水庫所在的大凌河流域?qū)儆诤疁貛Т箨懶詺夂颍涤甑哪觌H變化較大，最大年降雨量為1053mm，最小年降雨量為345mm；夏季降雨較多，其中7、8兩月的降雨量占全年的4成左右。大凌河是遼寧省西部的第一大河流，流經(jīng)遼寧省朝陽市5縣1市2區(qū)，在錦縣東南注入遼東灣。大凌河全長397.2km，流域面積2.35萬km2，平年均徑流量約16.67億m3[2]。流域內(nèi)年平均降雨量450-610mm，降雨多集中于7、8兩月，同時，河流的上中游氣候干旱，多荒山丘陵，水土流失比較嚴(yán)重。因此，大凌河含沙量可達(dá)57kg/m3，屬于高含沙河流。因此，加強(qiáng)白石水庫水沙聯(lián)合調(diào)度具有重要的理論意義和實踐價值，可以為水庫水沙調(diào)度風(fēng)險管理提供依據(jù)。

2 基于長歷時互相關(guān)性的水沙預(yù)測模型

2.1 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是由Rinehart和McClelland提出的，按照誤差逆?zhèn)鞑ニ惴ㄟM(jìn)行訓(xùn)練的多層前饋網(wǎng)絡(luò)，是人工神經(jīng)網(wǎng)絡(luò)體系中的精華部分。由于BP神經(jīng)網(wǎng)絡(luò)具有十分強(qiáng)大的運(yùn)算能力，因此在理論研究和實踐中均獲得十分廣泛的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)可以分為輸入層(input)、隱層(hide layer)和輸出層(output layer)三層。雖然BP神經(jīng)網(wǎng)絡(luò)是一種精確、快速的預(yù)測模型，但是也存在一些缺點(diǎn)，主要是學(xué)習(xí)過程中沒有能力解釋自己的推理過程，同時過擬合現(xiàn)象，影響研究成果的實際應(yīng)用價值[3]。鑒于BP神經(jīng)網(wǎng)絡(luò)的上述缺陷，近年來提出了名為Dropout 的方法，可以有效解決過擬合問題。其基本原理是在訓(xùn)練迭代過程中Dropout可以隨機(jī)選擇幾個節(jié)點(diǎn)進(jìn)行“凍結(jié)”處理，并在下一次迭代過程中作為輸入值，基本Dropout 方法將節(jié)點(diǎn)凍結(jié)率設(shè)定在了50%。這種方式不僅可以保證每次迭代過程的變化，同時又可以保留基本結(jié)構(gòu)特征，進(jìn)而避免過擬合情況。在本次研究中，將改進(jìn)BP神經(jīng)網(wǎng)絡(luò)用于水沙預(yù)測模型的構(gòu)建。對于預(yù)測結(jié)果，研究中采用NSE(納什效率系數(shù))作為水沙預(yù)測精度標(biāo)準(zhǔn)，其計算公式如下：

(1)

2.2 長歷時互相關(guān)性在預(yù)測模型中的應(yīng)用

建立起基于BP神經(jīng)網(wǎng)的白石水庫入庫徑流量預(yù)測模型，并以2016年5月-2016年10月的歷史數(shù)據(jù)輸入模型。在以前n天的數(shù)據(jù)輸入時，可以獲得模型的NSE值與n之間的關(guān)系，結(jié)果顯示，NSE值隨著n值的增大而增大，并在n=7時達(dá)到最大，為0.7054，之后逐步減小。因此，雖然入庫徑流量具有長歷時相關(guān)特征，但是超過7d的數(shù)據(jù)對提高預(yù)測精度不利，因此預(yù)測模型最好輸入前7d的歷史數(shù)據(jù)。同樣，建立起基于BP神經(jīng)網(wǎng)的白石水庫入庫徑流含沙量預(yù)測模型，并以2016年10月的歷史數(shù)據(jù)輸入模型。在以前n天的數(shù)據(jù)輸入時，可以獲得模型的NSE值與n之間的關(guān)系，結(jié)果顯示，NSE值隨著n值的變化特征與徑流量預(yù)測模型類似，在n=4時達(dá)到最大，為0.6643，因此含沙量預(yù)測模型最好輸入前4d的歷史數(shù)據(jù)。

2.3 建立基于長歷時互相關(guān)性的水沙預(yù)測模型

相關(guān)研究成果顯示，水沙序列之間具有長歷時互相關(guān)性，也就是河流的徑流序列以及含沙序列不僅在長歷時過程中具有對自身的當(dāng)前與未來的長期記憶，相互之間也具有顯著的影響。所以，過去的徑流量與含沙量歷史過程，對未來的含沙量和徑流量模擬均具有較好的參考價值。因此，在徑流量的預(yù)測模型中，可以將含沙量作為重要的輸入因子，利用兩者之間的長歷時互相關(guān)性提高模型的預(yù)測精度，對含沙量預(yù)測模型也是如此。

根據(jù)前文獲得的最佳n值，將其涵蓋范圍內(nèi)的歷史數(shù)據(jù)作為模型的輸入因子進(jìn)行預(yù)測，獲得如表1所示的徑流量與含沙量預(yù)測結(jié)果的NSE值。由表中結(jié)果可知，在加入另一變量后，徑流量和含沙量預(yù)測模型的NSE值均有所提升，說明基于長歷時互相關(guān)性的模型具有更好的預(yù)測效果。

表1 基于長歷時互相關(guān)性的預(yù)測模型NSE值

根據(jù)表1中顯示的最好預(yù)測模型，也就是前3天的徑流量和前4天的含沙量，構(gòu)建水沙預(yù)測模型，并利用Levenberg-Marquardt 法進(jìn)行訓(xùn)練，在訓(xùn)練10000次之后的預(yù)測結(jié)果如圖1和表2所示。結(jié)果顯示，基于互相關(guān)性的模型預(yù)測結(jié)果與實際結(jié)果的擬合度更高，而模型的合格率由不考慮互相關(guān)性模型的74.3%提高到 86.2%，NSE值也由0.6742 提高到 0.8321，具有更高的可信度。

圖1 含沙量預(yù)測模型預(yù)測效果對比

預(yù)測模型考慮互相關(guān)性不考慮互相關(guān)性誤差/%9.8713.74合格率/%86.274.3NSE值0.83210.6742

3 白石水庫水沙預(yù)測及適應(yīng)性調(diào)度策略

3.1 庫區(qū)沖淤模型變量關(guān)系

利用上節(jié)構(gòu)建的基于長歷時互相關(guān)性的白石水庫水沙預(yù)測模型以及郭維東等關(guān)于白石水庫洪水過程泥沙沖淤數(shù)值模擬分析的相關(guān)研究成果，對白石水庫在不同水位、流量條件下的庫區(qū)一日內(nèi)淤積情況進(jìn)行模擬研究，獲得各個變量之間存在的如下規(guī)律：

1)當(dāng)白石水庫庫區(qū)水位低于118.0m時，主要表現(xiàn)為沖刷，并且沖刷量會隨著流量的增大而增大；當(dāng)庫水位高于118.0m時，庫區(qū)主要表現(xiàn)為淤積，并且淤積量會隨著流量的增大而增大[4]。

2)當(dāng)入庫流量>1250m3/s時，如果庫水位低于118.0m，可以通過增大下瀉流量至850m3/s避免庫區(qū)淤積；如果庫水位高于120.0m，無論如何調(diào)整下瀉流量，均會產(chǎn)生比較嚴(yán)重的淤積。因此，如果入庫流量較大，應(yīng)該適當(dāng)降低庫水位。

3) 當(dāng)入庫流量>850m3/s時，無論以何種水位運(yùn)行，均不會產(chǎn)生比較嚴(yán)重的淤積。從提高水庫效益出發(fā)，可以保持高水位運(yùn)行。

4)如果庫水位低于115.0m，當(dāng)下瀉流量>1250m3/s時，可以獲得良好的沖沙效果。

3.2 白石水庫適應(yīng)性調(diào)度策略

根據(jù)上文研究獲得的基于長歷時互相關(guān)性水沙預(yù)測模型以及庫區(qū)一日沖淤變量關(guān)系，文章在一年內(nèi)的月、旬時間尺度下提出具體的適應(yīng)性調(diào)度策略：

1)大凌河在每年的3月中旬開始進(jìn)入春汛期，徑流量明顯增大但是含沙量較小，從4月上旬開始，徑流量明顯減小但是含沙量增大?？傮w來看，這一時期徑流量不大且含沙量低，提高庫水位不會造成水庫嚴(yán)重淤積，可以保持高水位運(yùn)行提高水庫的效益。

2)4月至6月白水水庫的入庫徑流量較小，此時的水位高低與庫區(qū)淤積關(guān)系不大，因此可保持高水位運(yùn)行。在保證水庫水位的條件下，可以視上游來水情況適當(dāng)加大下瀉流量，保持下游河道的良好生態(tài)環(huán)境。

3)7月至8月為大凌河的主汛期，流域內(nèi)多短時強(qiáng)降雨，入庫流量的波動性較大，且伴隨著高含沙水流。因此，當(dāng)出現(xiàn)>1250m3/s的入庫流量時，建議降低庫水位防止庫區(qū)產(chǎn)生比較嚴(yán)重的淤積；如果此時恰好處于沖沙水位，則應(yīng)當(dāng)將下瀉流量加大至1250m3/s以上，以便達(dá)到良好的沖沙效果。

4)白石水庫在8月下旬開始流量逐步減小，流量不會>1250m3/s。同時，8月下旬至10月上旬屬于汛末階段，應(yīng)當(dāng)在保證下游生態(tài)流量的前提下積極抬高庫水位蓄水，以最大限度發(fā)揮水庫的綜合效益。

4 結(jié) 論

水沙預(yù)測是水庫調(diào)度研究的重要的內(nèi)容，精準(zhǔn)度高的水沙預(yù)測模型對提高水庫調(diào)度的科學(xué)性，提升水庫綜合效益具有重要價值。文章以遼寧省白石水庫為例，利用BP神經(jīng)網(wǎng)絡(luò)建立起基于長歷時互相關(guān)性的水沙預(yù)測模型，進(jìn)行了白石水庫水沙預(yù)測及適應(yīng)性調(diào)度策略研究，并獲得如下主要結(jié)論：

1)將徑流量7d、含沙量4d作為輸入因子可以提高各自預(yù)測模型的預(yù)測精度，超過這一范圍預(yù)測精度反而會降低。

2) 在徑流量的預(yù)測模型中，可以將含沙量作為重要的輸入因子，利用兩者之間的長歷時互相關(guān)性提高模型的預(yù)測精度，對含沙量預(yù)測模型也是如此，徑流量和含沙量預(yù)測模型的NSE值計算結(jié)果也印證了上述結(jié)論。

3)以長歷時互相關(guān)性水沙預(yù)測模型為支持，獲取白石水庫一日水沙信息和庫區(qū)沖淤模型變量關(guān)系，并以此為指導(dǎo)提出相應(yīng)的適應(yīng)性調(diào)度策略。