中長期水文預報方法措施

李　楊，黎光明（四川省內江水文水資源勘測局，四川　內江　641110）

?

中長期水文預報方法措施

李楊，黎光明（四川省內江水文水資源勘測局，四川內江641110）

縱觀世界各地，每年都要不同程度的遭受洪水的威脅，因此，水文預報的重要性不言而喻。本文針對中長期水文預報這個問題，首先闡述了我國當前水文預報研究現狀，然后介紹了中長期水文預報的方法并重點介紹了BP神經網絡模型法，最后分析BP神經網絡模型法在中長期水文預報中的應用，希望能促進水文預報工作的發(fā)展。

中期水文預報；長期水文預報；方法措施

前言

水文預報中，通常將預見期在3～10日的預報稱為中期預報，預見期在15d以上、一年以內的預報稱為長期預報。從20世紀60年代以后，世界各國都開始了水文預報的研究，各種方法、各種手段。通過經驗的累積，總結出了一套通用的方法：運用計算機技術、現代控制理論以及水情自動預報來預報水文事件。但水文預報研究時間短，起點低，所以存在很多不足，并且洪水有時帶有突發(fā)性和復雜性，這導致了水文預報存在客觀的不確定性。但是研究水文預報仍然不可或缺，這在防洪減災的決策上提供了很大的幫助，研究水文預報不僅理論價值重大，現實意義也不可小覷。鑒于流域尺度降雨的中期預報和徑流的長期預報在防洪和水資源管理中的重要作用，而目前預報方法還不夠成熟完善，本論文從能投入生產實際的角度出發(fā)，對降雨中期預報和長期徑流預報問題進行了探討。

1　當前水文預報研究現狀

應用計算機技術，使得洪水預報在水情信息收集、水情情況處理的環(huán)節(jié)更加的方便和迅速，60年代末，計算機技術的迅猛發(fā)展使運用遙測水文信息直接預報洪水水情成為了可能；80年代，預報系統中應用了自動控制理論來對洪水預報進行實時校正；而美國在90年代初期運用交互式預報程序，揭開了洪水預報系統最新一代的篇章。這些研究統稱為確定性洪水預報，應用也最為廣泛，但是不足之處就是對不確定性信息不能充分利用，因此不能得出最令人滿意的最優(yōu)決策，有時運用不當，更可能造成更嚴重的財產損失和人員傷亡。各國又在此研究的基礎上探究新的方法，90年代末，美國率先研制成功一套用分析量化來預報水文預報中不確定性的概率水文預報系統，這使得水文預報研究又上了一個新的臺階。

2　中長期水文預報的方法

中長期水文預報存在的主要問題是預報精度較低。傳統的中長期預報方法主要是根據河川徑流的變化具有連續(xù)性、周期性、地區(qū)性和隨機性等特點來開展研究，主要有成因分析和水文統計方法。近年來，計算機技術的發(fā)展和新的數學方法的不斷涌現，為中長期水文預報拓展了新的途徑，如模糊數學、人工神經網絡、灰色系統分析、小波分析、混沌理論、近鄰預報等以及這些方法的相互耦合，每種方法都有各自的適用條件，或存在有待深入研究的問題。本文主要研究BP神經網絡模型法。

20世紀80年代，精準的BP水文情況運算方法被提出，它能有效地解答多層次神經網絡運作的相關問題，促進多層次網絡系統模式的構建，從而進一步使得BP神經網絡模式被廣泛地應用于現代城市水文預報工作中。

BP神經網絡模型又被叫做是誤差反向傳播神經網絡。具體而言，它是含有多層前饋神經的網絡系統，具體涵蓋了信息輸入層、信息輸出層以及隱含層次等，它的每一個層次都包含著眾多的神經節(jié)點。在整體神經系統構建模式中，促進了BP神經網絡模型內部上下層次間的相互連接，同時為不同神經單元設置了相應的闕值。需要注意的是，統一層次的神經值之間是沒有必然聯系的，隱含信息可以將輸入信息從輸入節(jié)點按照輸入次序傳輸到輸出節(jié)點，通過逐層的信息輸入來開展節(jié)點傳遞工作。依據最小二乘機制，運用梯度搜索的技能，利用正向傳播機制進行水文預測。然而如果出現輸出層無法輸出指定數值的情況，相關人員則應采取反向傳播機制，使得出現錯誤的信息按照它之前的傳播線路原路返回。同時，在神經元后期傳播過程中，積極修訂各個層次中神經元的闕值，從而盡可能地將實際傳輸數值與理想狀態(tài)下數值間的數據差距減小到最低。

3　BP神經網絡模型法在水文預報中的運用

就BP神經網絡模型具體運作情況而言，這是一種具有較強操作性能的水文預報系統，能方便技術人員對水文預報工作進行有效操控。最近幾年，陸續(xù)吸引了國內外眾多學者積極加入到它的水文預報研究體系中。事實上，BP神經網絡模型已被普遍應用于現代化水文預報中，如圖1所示。具體而言，它主要的作用在于對國內暴雨發(fā)生情況進行事前預測、對水位高度進行系統測量，有效分析水流徑流量以及完善地處理好水資源配置的問題等（如圖2）。

圖1　BP神經網絡算法程序框圖

圖2　BP神經網絡模型類似圖

3.1BP神經網絡模型在天氣預報中的運用

就水文預報工作者在前期水文預測工作中發(fā)現，在進行水文預報時，但沒有充足數據材料的情況下，相較于傳統水文探測方法，BP神經網絡模型的運用不論是在操作性能方面還是在數據探測精準度方面都是較為有利的。近年來，有關學者通過對多層前饋網絡的運用，詳實地對不同暴雨情況進行系統的歸類和總結，有效地應用決策樹在人工神經系統中的映射反應，從整體上構建出多層次的神經網絡系統。具體來說，就是將形成暴雨天氣的多種氣象因子變換成數據信息進入網絡，將暴雨發(fā)生情況作為網絡信息輸出的內容。在歷年來的暴雨預測資料庫中，收集相應的暴雨情況資料，將其作為暴雨發(fā)生的參考數據，有針對性地對暴雨發(fā)生模式開展一系列的實踐活動，深入探究BP神經網絡模型對暴雨預報的發(fā)展趨勢。我國著名氣象學者嚴紹瑾運用了BP神經網絡模型的三層映射反應，將南京90年代所發(fā)生的暴雨情況作為數據參考，確立三層模式下的水文預報系統，對其長時間的雨量情況進行探測。就近代氣象研究學者陳百煉發(fā)現，運用人工智能水文預測的方式，通過運用BP神經網絡模型技能，融入相應的數值探測機制，對當地氣象情況進行詳實判斷，從而構建出能準確探測出天氣情況的BP神經網絡模型，促進全國各地都能建立出精準的天氣預報體系，為水文預報工作提供有力指導。研究得出，BP神經網絡模型結合了實踐運算方式，能運用較少的數據資料，通過時間序列進行資料查詢，這是一種值得廣泛宣傳的水文預報方式。

3.2BP神經網絡模型在徑流研究體系中的運用

對于徑流研究而言，有關專家針對龍羊峽水庫 1996～2000年間的徑流情況進行系統分析，通過BP神經網絡模型的運用對徑流入庫模式進行了系統探測，將其所得數據與常規(guī)性的數據進行了類比分析。而胡賓等研究學者則運用人工神經網絡系統，構建完備的BP神經網絡模型，有效地運用這一模型對河流每月徑流量進行研究并與傳統預報方法相對比，如表1所示，通過對兩種方法預報精度的對比我們可以看出：BP神經網絡模型法的預報精度略高于長期統計預報方法。而鐘登化等專家則采用單、多輸出相互結合的水文輸出時間序列構建出BP模型，對不同時間段的水文流量進行詳細預測，并與新安江模型和薩克模型進行比較，如表2所示。分析表2可知，雖然新安江模型在徑流總量和流量過程擬合程度等方面上都比BP模型精度高，但是不需要大量的地形和工程資料，只要利用現有的水情觀測資料，可以在對系統內部演變規(guī)律不十分清楚的情況下，從大量記錄系統狀態(tài)的數據信息中發(fā)現并展示系統內在的規(guī)律性，從而幫助水資源管理者快速制訂適用的管理策略。據以上調查顯示，BP神經網絡模型這一預測體系的建立，能較為準確地對河流徑流進行預測，是非常實用的水文預測方式。

表2　三個模型檢驗期模擬精度統計對比表

4　結語

水文系統是一個龐大的非線性體系，它涵蓋著系統運行時間與空間的變換關系。就系統的水文現象而言，運用物理探測模式是相對困難的，因此數理統計是一種較為普遍的方式。近年來，由于BP神經網絡模型的出現，促進了我國水文預報工作的深入發(fā)展。對此，本文有針對性地對BP神經網絡模型在水文預報工作中的應用進行了深入研究，對暴雨天氣、河流水文、河道徑流以及水資源配置進行了系統分析，以期在未來的日子里促進我國水文預報工作更加有序的開展。在中長期水文預報方法這個問題上，我們仍然需要做出更深入的研究與探索，以期為新時期的水文預報工作做出貢獻。

［1］康爾泗，程國棟，藍永超，等.概念性水文模型在出山徑流預報中的應用［J］.地球科學進展，2014，17（1）：18～26.

［2］王金帥.芻議現代水文預報技術在城市防洪中的應用［J］.黑龍江水利科技，2013，4：276～278.

［3］陳淑艷，陳曉君.淺談我國水文預報技術發(fā)展和展望［J］.河南科技，2013，15：194.

表1　水庫兩種方法試報1996～2000年逐月徑流結果統計

TV124

A

2095-2066（2016）12-0084-02

2016-4-10