基于MATLAB的西江扶典口大橋施工水域水文預測

班貴生，林廣泰，王建軍

(廣西路橋工程集團有限公司，廣西 南寧 530011)

我國幅員遼闊，地形和氣候條件復雜，地理環境差異很大，水文、地質、氣候等自然條件地域性明顯；我國河流眾多，各河流流域季風特點十分明顯，夏季多雨，雨量豐富，洪澇易發。據有關資料顯示，我國每年6月份至9月份的降雨量一般占全年的60%～80%。近年國內橋梁因洪澇災害而造成的水毀事故頻發[1-2]。同時強降雨會直接引起橋梁施工河段水位劇烈變化，河流流量、流速急劇增大，給橋梁水上基礎施工帶來了巨大的挑戰。特別是在大多數山區里的小河流上建造橋梁，因無水文站而缺乏有關橋址附近的實測水文資料，只能通過實地走訪調查獲取零碎的水文資料，并將其作為確定橋梁施工方案最高水位的依據，從而給橋梁施工帶來了潛在的風險。本文依托廣西梧州扶典口大橋工程以及根據區內主要施工水域水文站資料開展研究，探討了基于MATLAB自帶的函數(人工神經網絡)對從眾多已知的水文站中選取與目標橋梁水域水位參數比較相似的水文參數進行訓練和學習，采用訓練好的網絡對類似河域的水位變化情況進行預測。這些研究成果可為同類橋梁工程設計和施工提供參考借鑒；同時也可為研究山區中小河流的橋址處水位變化情況提供參考。

1 工程概況

西江扶典口大橋位于廣西梧州市環城公路K29公里處，自北向南跨越西江。橋址河段處于西江億噸黃金水道，規劃通航等級為Ⅰ(3)級。正常水位水面寬度約1 000 m，水深10～25 m。大橋由1#主橋[(145+270+145)m矮斜拉橋]+2#主橋[(131+198+131)m連續剛構橋]+引橋[11×40 m先簡支后連續T梁橋]組成，橋梁全長1 474 m。

西江由南盤江、紅水河、黔江、潯江、西江五個河段匯流而成，為珠江水系的主流，發源于云南省曲靖市的馬雄山南麓，流經云南、貴州、廣西，至廣東省珠海市磨刀門匯入南海，全長2 214 km。西江在梧州市上游集雨面積32.97 km2，河流比降1.14‰。據水文史料記錄及統計，西江在梧州市最高水位27.07 m，最大流量58 700 m3/s，最低水位1.90 m，最小流量720 m3/s；多年平均徑流量2 133億m3。西江水量分配：按枯季和雨季劃分，一年中1～3月和10～12月為非汛期，4～9月為汛期；多年平均水位非汛期在2.44～6.89 m之間，汛期在6.02～12.76 m之間?？菟酒骄?1～15 m，梧州河段航運發達，輪船直通港、澳出海，是廣西重要的水上出?？?。年均降雨量1 506.9 mm，雨量充沛。影響項目的主要氣候災害是臺風、洪澇等，其中臺風和洪澇災害主要發生在5～8月，比較頻繁。橋址區域雨量較多，經常發生洪水，根據文件資料和現場調查，洪水期跨度時間較長，給棧橋施工、棧橋使用以及橋梁水上施工帶來很大的困難。

2 采用概率統計法與層次分析法確定影響水位變化的因素

一般情況下，影響橋梁施工水域水位變化的因素眾多，用于確定水位變化的方法眾多，每種方法所選取的量化指標各有差異。但總體而言，影響橋梁施工水域水位變化的關鍵因素主要有：地理參數、暴雨參數、產流參數、匯流參數等。本文采用概率統計法與層次分析法確定對橋梁施工水域水位變化影響較大的量化指標，并將其作為樣本因子。

通過對影響水域水位變化的主要因素進行統計，搜集、整理影響水位變化因素的資料、數據。對各因素數據利用數理統計方法分析其與對應水位數據的顯著水平以及相關系數。對顯著水平P<0.05的因素，認為其與水位變化之間有明顯關系。剔除不顯著的數據，并對顯著的因素數據進行進一步相關性分析，相關系數R值越大表明關系越密切。對相關性較大的因素建立層次結構模型，通過判斷矩陣、層次單排序及一致性檢驗、合成權重等步驟而獲取影響橋梁施工水域水位變化因素的層次分析模型及因素權重。結合MATLAB軟件計算量，經反復試算發現，取權重≥0.045的因素作為本模型的影響因素，能很好地滿足工程精度要求，無需再提高。使用概率統計法與層次分析法確定水位變化因素分析結果如表1所示。

表1 概率統計法與層次分析法確定水位變化因素分析結果表

綜上所述，采用概率統計法與層次分析法確定影響水位變化的因素有：集雨面積、洪水傳播速度、河道平均比降、月平均降雨量、暴雨遞減指數。

3 MATLAB數值分析[3-4]

(1)

對數據歸一化處理進行時，可采用MATLAB中的permxmn函數。

設置學習速度 net.trainParam.lr=0.05；

設置目標誤差 net.trainParam.goal=1e-5；

設置單位時間 net.trainParam.epochs=10 000。

MATLAB試算結果如圖1所示：

(a)

(b)

(c)

(d)

MATLAB神經網絡的計算精度與輸入樣本的數量和質量密切相關，為了提高MATLAB神經網絡的計算精度，需要獲取眾多與目標橋梁水域水位參數比較相似的水文參數，然后對樣本進行訓練和學習，最終得到期望的神經網絡。同時考慮到雨水的時空分布與地區差異性變化，選擇南寧、桂林、柳州、梧州、百色這5個城市的橋梁施工主要水域的水文資料作為訓練樣本，并且每個城市的訓練樣本中都涵蓋了12個月份的統計數據，訓練樣本共有60組數據?；谏窠浘W絡理論和已知水文參數樣本，并利用MATLAB對水位進行數值分析。代表性的訓練樣本如下頁表2所示。

從表2看出，由已知的水文資料，利用MATLAB對水位進行數值分析，得到的預測月最大水位與實測月最大水位有一定的偏差，但年最高水位的月份(6月)的預測月最大水位與實測月最大水位偏差比較小，僅為1.64%；這說明在大多數山區里的小河流上建造橋梁，因無水文站而缺乏橋址附近的實測水文資料，可以利用MATLAB對橋址附近的水位進行預測，為施工安全防護措施提供依據，也不失為一種可行的方法。

表2 廣西區內橋梁施工主要水域水位

4 結語

(1)本文以廣西梧州扶典口大橋工程為例以及根據區內主要施工水域水文站資料開展研究，采用概率統計法與層次分析法確定影響水位變化的因素有：集雨面積、洪水傳播速度、河道平均比降、月平均降雨量、暴雨遞減指數。

(2)本文基于神經網絡理論和已知水文參數樣本，并利用MATLAB對全區5個水文站水位進行數值分析。分析結果表明：得到的預測月最大水位與實測月最大水位有一定的偏差，但年最高水位的月份(6月)的預測月最大水位與實測月最大水位偏差比較小，僅為1.64%。

(3)本文相關研究成果可為同類橋梁工程設計和施工提供參考借鑒；同時，也可為研究山區中小河流的橋址處水位變化情況提供參考。

[1]吳雪峰.基于等流時線法與橋墩水痕的橋梁水害預警研究[D].長沙：中南大學，2009.

[2]龍后程.基于流量影響線法的湖南省中小流域橋梁設計洪水研究[D].長沙：中南大學，2012.

[3]陳 明，等.MATLAB神經網絡原理與實例精解[M].北京：清華大學出版社，2014.

[5]李中志.基于改進BP神經網絡的水位流量關系擬合[J].中國農村水利水電，2008(10)：30-35.