黃河內蒙古段冰情預報系統的開發

卞雪軍,冀鴻蘭,姜新華,高瑞忠

(1.內蒙古農業大學水利與土木建筑工程學院,內蒙古呼和浩特 010018; 2.內蒙古農業大學計算機與信息工程學院,內蒙古呼和浩特 010018)

黃河內蒙古段冰情預報系統的開發

卞雪軍,冀鴻蘭1,姜新華2,高瑞忠1

(1.內蒙古農業大學水利與土木建筑工程學院,內蒙古呼和浩特 010018; 2.內蒙古農業大學計算機與信息工程學院,內蒙古呼和浩特 010018)

為了預報黃河內蒙古段的流凌和封開河日期,以多元線性回歸理論與人工神經網絡理論為基礎,設計開發了黃河內蒙古段冰情預報系統預報內蒙古段各個站點的流凌和封開河日期。選用黃河內蒙古段水文、氣象和冰情信息建立數據庫,應用ADO OLEDB技術調用數據庫,建立符合相關性要求的人工神經網絡模型和多元線性回歸模型,從而實現預報識別檢驗。使用2003—2004年度至2007—2008年度5年的資料進行預報檢驗,并與實際開河日期對比分析,預報結果合格率為80%和67.7%,分別達到甲等和丙等預報精度,表明系統可以應用于黃河內蒙古段的冰情預報。

冰情預報系統;人工神經網絡;多元線性回歸;黃河內蒙古段

凌汛災害是高緯度地區河流普遍存在的一種自然現象。黃河凌汛主要發生在石嘴山至頭道拐的寧蒙河段以及下游的河南山東河段[1]。黃河內蒙古段特殊的地理位置和冬季寒冷的氣候條件以及多彎道的地形條件,致使每年冬季黃河都會有不同程度的凌汛發生。黃河內蒙古段的冰期每年持續4個月左右,進入11月后,北方地區開始逐步降溫到0℃以下,進入11月中下旬,黃河即開始流凌,進入12月底黃河寧蒙段基本全線封河,在次年的1月底至2月初黃河冰厚達到最大值,3月中下旬黃河解凍開河。

目前,國內冰情預報的研究正處于一個不斷更新和完善的階段,各類數學模型不斷應用到黃河的冰情預報中,如沈洪道[2]依據熱交換原理和冰力學理論成功地模擬了冰蓋厚度和水溫;張傲妲等[3-4]利用人工神經網絡和多元線性回歸兩個模型預報了黃河內蒙古段的流凌、封河和開河時間;冀鴻蘭等[5]運用模糊優選神經網絡BP模型進行了開河預報。在系統研發方面,郭永鑫等[6]嘗試探討了黃河寧蒙河段冰情預報決策系統的設計與開發,但未在實踐中完善;王濤等[7]的自適應模糊推理系統是通過一種建模的形式組建的,缺乏系統性。鑒于此,考慮到預報模型的多樣性與系統的實用性和通用性,本文設計開發了一套適用于黃河內蒙古段的冰情預報系統,該系統針對影響黃河冰情的不同因素,采用了不同的預報方法,從而使該系統可以更好地應用于黃河防凌防汛的實際工作中。

1 預報系統總體設計

黃河內蒙古段冰情預報系統是基于VB語言設計和實現的。系統由3部分組成:第1部分是數據資料的獲取、存儲和管理的基礎數據庫系統;第2部分是基于預報因子建立的模型及冰情預報系統;第3部分是結果輸出模塊。黃河內蒙古段冰情預報系統結構見圖1。

圖1 黃河內蒙古段冰情預報系統結構

1.1 數據庫設計

參照中科軟科技股份有限公司《數據庫結構設計規范(20040512)》,結合黃河內蒙古段冰情監測要素與預報特點,采用關系型數據庫管理黃河內蒙古段沿河各氣象站的逐日氣象資料和歷史冰情資料、水文站水文資料等數據資料以及預報模型需要的所有預報因子。通過VB編程實現由用戶選擇神經網絡模型輸入因子和輸出因子、多元回歸模型自變量因子和因變量因子,運用ADO通過OLEDB獲取數據庫中的歷史數據,為神經網絡預報模型和多元回歸預報模型提供數據支持。

1.2 冰情預報模型

冰情預報模型選用目前發展比較成熟和使用比較廣泛的人工神經網絡模型和多元線性回歸模型。

神經網絡模型的優點[8-9]為:①由許多處理單元聯結而成,預算速度更快;②采用的是分布式存儲方法,使存儲區和運算區合為一體,從而具有很強的容錯性;③能夠通過自學習不斷適應環境,具有很強的自適應性;④由大量非線性處理單元構成,每個單元有多個輸入通道和多個輸出通道。

多元線性回歸模型的優點[10-11]為:①是一果多因的預報模型,可以用來研究多種不同因素對因變量的影響;②通過相關分析和顯著性分析能夠選擇出影響較大的因子,從而增加了模型的適用性;③增加了一些有助于解釋因變量的因素,自變量的變化就可以得到更好的解釋,有助于模型的預報;④應用靈活,在分析過程中有利于對總體回歸模型做出正確判斷。

系統采用多元線性回歸模型和神經網絡模型進行預報,綜合考慮了2種模型在預報過程中的優勢,可以對它們的預報結果進行對比,達到相互驗證的目的。

1.3 系統操作界面

系統選用VB編程技術開發設計,操作界面簡潔友好,功能實用,易于操作維護,有較高的可靠性。冰情預報系統操作界面見圖2。

圖2 黃河內蒙古段冰情預報系統界面

2 系統功能及關鍵技術

2.1 系統功能

a.批量數據導入。可將黃河內蒙古段各個水文站和氣象站的歷史實測值批量導入到系統數據庫中。主要的數據資料有黃河內蒙古段沿河氣象站日氣象數據資料,各個水文站的流量、水位、泥沙和歷年流凌與封開河資料,系統預報運行需要的預報因子等。

b.趨勢分析。按照不同監測點、不同時段選擇數據庫中的水文、氣象和冰情資料,并進行統計分析和圖表輸出,可了解多年來各河段冰情變化情況。

c.預報功能。根據選擇的預報因子,由系統提供的預報模型實現對流凌、封開河歷時的預報。通過選擇模型生成因子與數據時段,提取數據庫中的歷史數據,生成神經網絡和多元回歸預報模型,同時輸出顯示神經網絡模型生成過程中的訓練樣本與檢驗樣本,以及實際開河日期與檢驗值的對比誤差,方便操作者觀察預報模型的有效性。按照選擇的因子,輸入實測數據,預報流凌與封開河歷時。可將生成多元回歸模型過程中的相關性分析結果以圖表的方式顯示,使預報模型之間有了對比和選擇。

d.數據維護。統一管理整個數據庫中每一年的數據資料,主要包括保存、修改、刪除等操作功能,是數據庫管理的核心組成部分。

e.結果輸出。程序運行獲得分析與預報結果后,可以通過導出圖表、導出數據等方式輸出分析與預報結果。

2.2 關鍵技術

a.VB與Excel的無縫連接。黃河內蒙古段氣象、水文歷史數據資料多以Excel形式保存,為了實現這些歷史數據的批量導入,采用VB控制Excel文件自動打開與關閉操作,并將Excel數據轉換成二維關系數據批量存儲到數據庫中。由于VB的圖表處理功能有限,而且一旦數據量增大時,圖表很難完整體現數據變化趨勢,并會給應用軟件的維護工作帶來極大的不便,因此系統采用VB語句操作數據庫,提取歷史數據,然后將數據轉換為 Excel格式,利用Excel的強大圖表處理功能來實現氣象、水文歷史數據變化趨勢分析。

b.ADO OLEDB數據庫訪問。在VB開發環境中,常用的數據庫訪問接口有ODBC、DAO、RDO和ADO,為了實現系統的可移植性,采用ADO OLEDB數據庫訪問技術[12-13],底層數據訪問接口采用OLEDB。ADO對OLEDB進行封裝,避免了在VB應用程序中直接使用 OLEDB接口,而且利用了OLEDB技術的統一、通用訪問數據源的特性,可不考慮數據的格式與存儲方法,能降低編程量,減少編程細節。系統采用ADO對象模型編程方式訪問數據庫(圖3),能提高數據庫訪問速度和減少內存占用。

圖3 ADO訪問數據庫體系結構

3 系統的驗證

選用1970—1971年度至2007—2008年度共計38年的系列資料,其中前33年的資料用于模型訓練,后5年的資料用于預報檢驗。在開河日期預報過程中,以2月1日作為起始時間計算開河日期。

在運用多元線性回歸模型進行開河日期預報過程中,系統自動進行回歸方程顯著性檢驗和回歸系數顯著性檢驗,其中,巴彥高勒、三湖河口和頭道拐3個水文站的F檢驗值分別為13.175、13.698和8.983,顯著性較好。圖4(a)為實際開河日期與多元線性回歸模擬值擬合曲線,可以看出擬合效果不是很理想,說明該模型應用于開河日期的預報精度相對較低,但仍然在GB/T 22483—2008《水文情報預報規范》[14]規定的范圍內,可以用于開河日期的預報。

圖4 實際開河日期與預報系統模擬值的對比

在進行人工神經網絡模型進行開河日期預報過程中,首先要對神經網絡模型中各個參數進行設定,初始學習速率為0.9,初始動量因子為零,允許最大訓練次數為 10 000次,收斂誤差和學習速率為0.001,除此之外,3個水文站預報過程中隱含層神經元個數分別為13、16和40,自適應步長分別為0.001、0.00001和0.00001。圖4(b)為實際開河日期與神經網絡模擬值擬合曲線,可以看出擬合效果較好,可以用于開河日期的預報。

利用2003—2004年度至2007—2008年度這5年的資料對黃河內蒙古段開河日期進行預報檢驗。選取2月16—25日石嘴山站流量均值、1月9—26日逐日累計氣溫、1月9—26日流量均值、1月9—26日水位均值、2月1日—氣溫穩定轉正日期天數、2月16—25日逐日累計氣溫、2月16—25日流量均值、封凍期最大冰厚8個變量作為預報因子。黃河內蒙古段各站預報結果見圖5(左側輸入的為預報因子)和表1。

根據 GB/T 22483—2008《水文情報預報規范》[14]預見期為10 d的許可誤差不超過3 d的標準,由表1可以看出,多元線性回歸模型預報合格率為67.7%,神經網絡模型預報合格率為80%,分別達到該規范丙等和甲等合格率標準,可見該系統預報效果較好,可以用于黃河內蒙古段冰情預報。

圖5 2007—2008年度開河日期預報結果

表1 2003—2004年度至2007—2008年度開河日期預報結果與實際開河日期

4 結 語

冰情預報是各級領導防汛指揮、調度、決策的重要依據,及時準確的冰情信息是減少凌汛災害的有效措施。本文以黃河內蒙古段的冰情預報作為研究對象,集數據庫、神經網絡、多元線性回歸、預報系統于一體設計開發了黃河內蒙古段冰情預報系統,并對巴彥高勒、三湖河口和頭道拐3個水文站的開河時間進行了預報分析驗證,結果表明,該系統可以應用于黃河內蒙古段的流凌和封開河日期的預報,開河預報結果可以作為黃河內蒙古段冰情預報的參考。

[1]冀鴻蘭,卞雪軍,徐晶.黃河內蒙古段流凌預報可變模糊聚類循環迭代模型[J].水利水電科技進展,2013,33 (4):14-17.(JI Honglan,BIAN Xuejun,XU Jing.Variable fuzzy clustering loop iteration model for ice-run forecast in Inner Mongolia reach of Yellow River[J].Advances in Science and Technology of Water Resources,2013,33 (4):14-17.(in Chinese))

[2]沈洪道.河冰研究[M].鄭州:黃河水利出版社,2010.

[3]張傲妲.黃河內蒙段冰情特點及預報模型研究[D].呼和浩特:內蒙古農業大學,2011.

[4]冀鴻蘭,張傲妲,高瑞忠,等.黃河內蒙古段開河日期預報模型及應用[J].水利水電科技進展,2012,32(2): 42-45.(JI Honglan,ZHANG Aoda,GAO Ruizhong,et al. Application of the break-up date prediction model in the Inner Mongolia reach of the Yellow River[J].Advances in Science and Technology of Water Resources,2012,32 (2):42-45.(in Chinese))

[5]冀鴻蘭,朝倫巴根,陳守煜.模糊優選神經網絡BP模型在黃河內蒙段封開河預報中的應用[J].水利水電科技進展,2008,28(3):70-72.(JI Honglan,CHAOLUN Bagen,CHEN Shouyu.Application of fuzzy optimization neural network BP approach in forecasting freeze-up and break-up date in the Inner Mongolia reach of the Yellow River[J].Advances in Science and Technology of Water Resources,2008,28(3):70-72.(in Chinese))

[6]郭永鑫,王濤,楊開林,等.黃河寧蒙河段冰情預報決策支持系統的設計與開發[J].水利水電技術,2005,36 (10):67-69.(GUO Yongxin,WANG Tao,YANG Kailin, et al.Design and development ofdecision support system for ice regine forecast of Ningxia-Inner Mongolia reach of Yellow River[J].Water Resources and Hydropower Engineering,2005,36(10):67-69.(in Chinese))

[7]王濤,楊開林,郭新蕾,等.基于網絡的自適應模糊推理系統在冰情預報中的應用[J].水利學報,2012,43 (1):112-117.(WANG Tao,YANG Kailin,GUO Xinlei, etal.Appication ofAdaptive-Network-Based Fuzzy Inference System to ice condition forecast[J].Journal of Hydraulic Engineering,2012,43(1):112-117.(in Chinese))

[8]蔣宗禮.人工神經網絡導論[M].北京:高等教育出版社,2001.

[9]李曉峰,徐玖平,王蔭清,等.BP人工神經網絡自適應學習算法的建立及其應用[J].系統工程理論與實踐, 2004(5):1-8(LI Xiaofeng,XU Jiuping,WANG Yinqing, et al.The establishment of self-adapting algorithm of BP neuralnetwork and its application[J].Systems Engineering-Theory& Practice,2004(5):1-8.(in Chinese))[10]梅長林,王寧.近代回歸分析方法[M].北京:科學出版社,2012.

[11]白秀琴,李瑞閣.多元回歸分析方法應用實證分析與比較[J].河南科學,2010,28(9):1083-1088.(BAI Xiuqin,LI Ruige.Applied comparison ofmultiple regression analysis in the practical[J].Henan Science, 2010,28(9):1083-1088.(in Chinese))

[12]張宗飛.VB中基于ADO的數據庫訪問技術分析及應用[J].計算機與數字工程,2008(6):53-56.(ZHANG Zongfei.Analysis and application about database access technology based on ADO in VB[J].Computer&Digital Engineering,2008(6):53-56.(in Chinese))

[13]李淑紅,張巧榮.利用OLE技術和Excel制作復雜報表[J].武漢理工大學學報:信息與管理工程版,2004,26 (5):74-76.(LI Shuhong,ZHANG Qiaorong.Complicated report generation using OLE and Excel[J].Journal of Wuhan University of Technolgy:Information&Management Engineering,2004,26(5):74-76.(in Chinese))

[14]GB/T22483—2008 水文情報預報規范[S].

Development and application analyze of forecasting system of ice conditions in Inner Mongolia reach of Yellow River//

BIAN Xuejun1,JI Honglan1,JIANG Xinhua2,GAO Ruizhong1
(1.School of Hydraulic&Civil Engineering,Inner Mongolia Agricultural University,Hohhot 010018,China;2.School of Computer&Information Engineering,Inner Mongolia Agricultural University,Hohhot 010018,China)

In order to forecast the date of ice-run,freeze-up and break-up,the forecasting system of ice conditions in Inner Mongolia section of the Yellow River has been designed and developed at every station based on the theory of multiple linear regression and artificial neural network theory.After selecting hydrological,meteorological and ice information the system has established a database,which can be called by applying ADO OLEDB technology.Additionally,the models of artificial neural network and multiple linear regression are used to realize the prediction,identification,and inspection.The overall results based on the data of 5 years from 2003-2004 to 2007-2008 employed in the prediction test,the qualified rate of the forecast results is respectively 80%and 67.7%.These,respectively reaches the first and third class forecasting scheme, indicating that the system can be applied to forecast the date of ice-run,freeze-up and break-up in Inner Mongolia section of the Yellow River.

forecasting system of ice condition;artificial neural network;multiple linear regression;Inner Mongolia reach of Yellow River

TV882.1;P338+.4

:A

:1006-7647(2014)04-0062-04

10.3880/j.issn.1006-7647.2014.04.013

2013-1010 編輯:熊水斌)

國家自然科學基金(51369017,51369021);內蒙古水利廳科技計劃(201007)

卞雪軍(1987—),男,內蒙古赤峰人,碩士研究生,主要從事水文學及水資源研究。E-mail:bianxuejun999@163.com

冀鴻蘭(1970—),女,內蒙古呼和浩特人,教授,博士,主要從事水文學及水資源研究。E-mail:honglanji@sina.com