烏江水上安全預測預警系統研發及應用

馬 瑞 鑫，趙 鵬，朱 俊，李 子 龍

(1.交通運輸部天津水運工程科學研究院，天津 300456； 2.大連海事大學 航海動態仿真和控制實驗室，遼寧 大連 116026； 3.江蘇恒澄交科信息科技股份有限公司，江蘇 蘇州 215000)

烏江是長江上游右岸最大的支流，發源于貴州省西北部烏蒙山東麓，至重慶市涪陵區匯入長江，為典型的山區河流，流域天然落差較大。烏江洪水主要由暴雨形成，此外，針對下游地區，上游電站無規律放水也是洪水形成的主要因素之一[1-3]。烏江下游尤其是重慶市涪陵境內水文變化在汛期受上游流域暴雨匯流影響較大，在非汛期受上游銀盤電站和彭水電站泄洪影響較大。烏江干流電站發電多采用每日多次調峰運行，各水電站下泄的非恒定流致使壩下航道水位驟漲驟落，瞬時變幅大、變化頻繁，甚至會出現水位一天上漲20 m的極端情況[4-6]，當水電站出力較大或滿發電時，電站下泄流量增大，壩下河道水位短時暴漲，要求沿線的港口作業船舶和錨地停泊船舶根據水位變化頻繁調整，給河段內通航船舶和停泊船舶帶來安全隱患；當水電站出力較小甚至不發電時，電站下泄流量減小，河道水位迅速降低、通航條件迅速變差，給運輸船舶帶來了擱淺、觸礁甚至被迫停航等安全隱患[7-8]。電站泄洪下的非恒定流延長了通航船舶的營運周期，增加了船舶營運成本，對船舶運輸安全和沿線城市防洪帶來了一定挑戰[9-11]。通過實地考察及歷史資料研究,建立了一套針對銀盤電站至長江口79 km航段的烏江水上安全預警水文監測預測系統，實現了水位、流速、流量的監測預測，初步解決了烏江水文條件監測不全面、手段不先進、預警不及時等問題，彌補了地方管理單位在航運安全決策管理工作中的不足。

1 系統總體架構

烏江水上安全預測預警系統的總體架構如圖1所示。系統按照數據采集、數據傳輸、數據處理和數據展示分為前端采集層、通訊鏈路層、核心支撐層和業務應用層，同時設計了完整的信息安全方案和運行維護保障體系。

(1) 前端采集層。水文信息的科學預測需要現場數據的實時監測作支撐[12-13]。前端采集層為在銀盤電站至長江口79 km航段建設的5個監測站點，分別為WL01、WL02、WL03、FL01和FL02，其間距分別為36，7，10，26 km,其具體分布如圖2所示。在現場監測站點選址時需滿足代表性、數據完備性、易施工等原則。各監測站點主要實現航道現場水位和流速信息的動態采集，如表1所示。由于監測站點都在野外，其供電模塊選擇使用太陽能電池板和鋰離子充電電池組。太陽能電池板在白天可產生12 V、800 mA左右的電能，通過充電控制器調整可給鋰離子電池組充電和系統供電。

圖1 系統總體架構 Fig.1 System architecture

圖2 監測站點分布(單位：km) Fig.2 Distribuion of monitoring sites

(2) 通訊鏈路層。通訊鏈路層主要保障前端監測站點的數據傳輸。該系統在移動網絡覆蓋較好的監測站點采用GPRS/3G網絡通訊手段；在移動網絡覆蓋較差的區域，例如WL03站點，選擇使用北斗短消息作為系統通訊方式，整體上保證了數據傳輸的時效性和穩定性。

(3) 核心支撐層。核心支撐層包括水文預測數學模型的建立、監測數據中心和地理信息平臺的搭建。水文預測數學模型主要以5個監測站點的實時數據為監測輸入條件，同時結合歷史水文資料和航道地形圖數據，預測未來2 h內的水位和流速變化情況；監測數據中心為5個監測站點的數據匯聚中心，為建設烏江水文大數據中心提供數據支撐；地理信息平臺為該應用系統的支撐服務平臺，為系統基礎地理信息顯示、操作、分析提供支撐。

(4) 業務應用層。業務應用層是指圍繞服務于領導決策和服務于業務管理所開發的應用系統,主要包括實時水位流速動態監測、水文信息預測、水文信息統計分析、洪水發展過程動態展現等功能。

表1 各監測站點詳情

Tab.1 Details of each monitoring sites

站點監測內容監測設備通訊方式WL01水位、表面流速雷達水位計、雷達波測速儀GPRS/3G網絡WL02水位、剖面流速雷達水位計、聲學多普勒剖面流速儀GPRS/3G網絡WL03水位壓力式水位計北斗短消息FL01水位、剖面流速雷達水位計、聲學多普勒剖流速儀GPRS/3G網絡FL02水位、表面流速雷達水位計、雷達波測速儀GPRS/3G網絡

2 數學預測模型

本文的數學預測模型綜合了相鄰測站水位預測模型、未來水位預測模型和水位流量關系模型。由于WL02站位于WL01站下游36 km，WL02站水位變化相對WL01站水位變化具有滯后性，同時考慮到下游水位(WL03站)的頂托影響，可使用3個監測站的實測水位資料，建立WL01站、WL03站水位與2 h后WL02站水位的相關關系，從而實現利用WL01站和WL03站過去2 h水位數據對WL02站未來2 h水位的預報。另外結合WL02測站上游約27.5 km的武隆水文站的逐時水位、流量歷史資料，可建立WL02測站的水位-流量關系。將WL02測站實時水位對應的流量作為模型的上游邊界，可輸出河段的實時流量、水位等，將預報水位對應的流量作為模型上游輸入邊界，同時將FL02站水位監測信息作為模型的下游控制邊界，控制預測模型下游的水位和流速信息，系統可將預測結果與實際監測站點WL03、FL01進行校核改進，即可計算得到河段的預報流量、水位等。數學模型技術路線如圖3所示。

2.1 預測模型建立

2.1.1 相鄰測站水位預測模型

水位預測模型通過對監測歷史數據的多元回歸分析求得。建模前需先對監測數據進行預處理，剔除虛假監測數據，使數據滿足模型計算要求。參照相關研究成果，WL02站2 h后水位與上游WL01站水位、下游WL03站水位相關模型可表示為

y=b0+b1x1+b2x2

(1)

式中，y代表WL02站2 h后水位，x1代表上游WL01站水位，x2代表下游WL03站水位，b0為常數項，b1、b2為相關模式的參數。

本文選取2017年6月2日至2017年8月3日逐時水位資料，按照式(1)進進行多元線性回歸，得到2 h后WL02站水位與WL01站、WL03站水位關系如式(2)所示：

y=0.227x1+0.822 7x2-10.09

(2)

經驗證，復相關系數為0.96，模型具有較高的回歸一致性。

圖3 數學模型技術路線Fig.3 Technical route of mathematical model

2.1.2 未來水位預測模型

未來水位預測采用相應水位分析法，該方法是根據河道洪水波運動原理，分析洪水波在運動過程任一位相水位自上站傳播到下站時的相應水位及其傳播速度的變化規律，即研究河段上下游斷面相應水位間和水位與傳播速度之間的定量規律，建立相應水位間的相關關系，即用某時刻上游站的水位(流量)預報一定時間(傳播時間)后下游站的水位(流量)[14-16]。

從河段WL01測站和WL02測站實測水位資料中摘錄相應的洪峰水位值及其出現時間，可點匯相應洪峰水位關系曲線及其傳播時間曲線。其相互近似關系如圖4～5所示。

經回歸分析，WL01測站和WL02測站水位,傳播時間的函數關系分別如式(3)～(4)所示：

-70.992ZWL01+4 505.2

(3)

ZWL02=1.040 6ZWL01-22.818

(4)

式中，t為傳播時間，ZWL01為WL01測站水位，ZWL02為WL02測站水位。

對于式(3)，本文使用了2018年3次洪峰實測數據對其進行了驗證，實測WL01測站水位為178.7,180.2 m及186.7 m，傳播時間為2.50,2.25 h及1.25 h。使用式(3)計算得出傳播時間為2.44,2.13 h及1.27 h，與實際時間相比誤差為2.40%,5.33%,1.60%，表明其具有一定合理性。

圖4 WL01站水位與傳播時間關系 Fig.4 Relation between spreading time and water level of WL01

圖5 WL01和WL02測站水位關系Fig.5 Relation between water levels of WL01 and WL02

2.1.3 水位流量關系分析

綜合研究WL02測站水位及武隆水文站流量過程線，使用相應水位法得出的水位-流量關系曲線見圖6。

圖6 WL02測站水位-流量關系曲線 Fig.6 Water level-flow relation of WL02

WL02測站水位-流量關系曲線經回歸分析得到式(5)，將WL02測站實時水位計算得出的流量作為上游邊界，可輸出河段的實時水情，將預報水位計算得出流量作為上游邊界，即可計算得到河段水情的預報。

+74 590.590ZWL02-397 2414.552

(5)

2.2 預測精度分析

通過對WL03和FL01監測站進行連續兩個月觀測，其預測值和實測值對比曲線如圖7所示。由圖7可見，兩站位預報值與實測過程吻合較好：WL03站水位最大相對誤差為1.1%，平均相對誤差為0.2%；FL01站水位最大相對誤差為0.8%，平均相對誤差為0.2%。

圖7 WL03站和FL01站水位預報值與實測值對比Fig.7 Comparison between forecasting and monitoring water level of WL03 and WL01

3 系統開發與實現

3.1 系統開發技術路線

系統采用基于B/S結構的面向服務體系架構(SOA)的思想進行設計，系統軟件體系結構設計上支持大數據量的擴展，能夠適應業務的不斷發展和用戶規模的擴大，并具有較強的靈活性、可操作性和可擴展性[17-19]。系統開發綜合運用了GIS開發技術、ASP.NET技術、SQL Server數據庫技術和數字權限控制技術等[20-21]。

3.2 功能實現

該系統以GIS平臺為系統框架基礎，以高分辨率衛星遙感影像數據為圖形基礎，疊加顯示外場實時動態監測數據和水文預測數據，提供地圖導航、功能操作、動態顯示等業務操作。系統布局如圖8所示。

(1) 地圖導航。地圖操作面板包括全圖、放大、縮小、平移等操作。

(2) 功能操作。該模塊包括圖層管理、空間量測、終端監測、洪水預報、統計分析、閾值設置等功能，實現圖文一體化交互操作。

(3) 實時監測。通過儀表指針和柱狀圖實時動態顯示5個監測站點的水位、流速監測數據，并可與航道聯動顯示。

由于不同身份的用戶其業務處理邏輯不同，系統為控制系統信息的閱讀范圍和業務權限，將用戶劃分為不同的角色，不同的用戶角色具有不同的系統操作權限和查詢權限，通過權限控制為不同身份的用戶賦予與之身份對應的各項操作，屏蔽不能執行的操作調用，以此實現分工負責。該系統主要包括基本GIS操作、實時監測信息動態顯示、洪水預報分析、監測數據歷史統計分析、監測終端狀態自檢和安全預警管理等功能如圖9所示。

圖8 系統主界面功能布局Fig.8 Function layout of system main interface

圖9 系統相關功能展示Fig.9 Display of system related function

3.3 系統研發關鍵技術

該系統在開發過程中研究并應用了水文數據的多級分布式存取模型和基于北斗短消息的一體化通訊模式。

3.3.1 水文數據的多級分布式存取模型

在該系統中，水文數據更新頻率較快，長期運行后，如果頻繁從服務器獲取數據將導致系統訪問速度緩慢，因此采用了數據庫索引技術和創建表分區的方法實現數據庫存儲，同時在服務器端將數據索引和當前檢查的數據存放在緩存中，客戶端的數據請求即可直接從緩存中獲取。此外，通過對水文時序數據的預計算處理，形成虛擬數據集，包括多維度統計分析、模型預測分析、動態監測分析計算。服務器端采用多級并發分布式模型，將服務器端的計算分成多個并發進程同步執行，采用信號量進行多線程同步控制，并將計算結果統一包裝成序列化協議數據集，供客戶端調用。客戶端在調用時采用HTML5和JQuery方式，對調用參數進行預分析和規則約束，對獲取的服務器端返回的序列化協議數據集進行同步計算，包括模型預測計算、動態監測分析、GIS分布匹配、數據統計等，提高了系統的訪問性能。

3.3.2 基于北斗短消息的一體化通訊模式

該系統WL03站點所處位置的移動通訊網絡信號傳輸不穩定，采用3G通訊模塊偶爾會出現信號中斷的現象，同時此監測站點又是模型計算中的關鍵位置點，因此開發了基于北斗短消息的一體化通信裝置(integrated communication device, ICD)，集成了北斗通訊模塊、3G通訊模塊以及相關GPIO接口，實現水文監測數據的匯集、轉換、發送和接收。水文監測傳感器通過串口將數據發送至ICD模塊，選擇北斗通道后通過北斗短消息功能實現數據的傳輸。受通信頻率與通信容量(140個漢字)的限制，需嚴格控制發送包的電文長度。此外，ICD可基于當前的網絡條件自主選擇3G通道或北斗短消息通道，保證了數據傳輸的可靠性。

4 應用效果分析

該系統于2016年10月在烏江銀盤電站下游79 km航段進行成功示范應用，運行至今已積累300萬條數據。2017年5月烏江汛期來臨，港航管理部門依靠該系統成功應對了6月24日、7月1日和7月5日的洪峰過境。尤其在7月5日，銀盤電站當天泄洪9 700 m3，根據以往管理經驗，上游電站泄洪超過8 000 m3流量時，下游即實行全航段禁航。但在該系統的支撐下，港航管理部門通過水文監測預測信息，提前獲得下游水位的漲幅和最大流速，并提前部署應急方案，通知下游船舶做好應急準備，在沒有禁航的條件下成功應對了此次洪峰過境。系統監測數據結果表明，此次洪峰期間下游FL01站最大水位落差由161.99 m上漲至169.62 m，最大流速為1.37 m/s，船舶可安全航行。通過數次洪峰檢驗，該系統可為烏江航運安全提供全天候、實時性和動態化的水上安全監測預測保障，能為航道安全監管提供了科學有效的支撐。

5 結 語

通過研發水上安全預測預警系統，創新了港航傳統業務管理模式，發揮了信息化技術在港航領域的防洪與應急作用。通過該系統的應用，港航管理人員足不出戶即可掌握航道的水文信息，提高了水文預報的工作質量和效率，能夠提前預知并做出應對策略。而且該系統具有良好的示范效應，在全國尤其是山區河流地區具有較高的推廣價值。