克孜加爾水庫上游冰情特征分析與預報

刁 瑞

（新疆阿勒泰水文勘測局，新疆 阿勒泰 836599）

0 引言

當前國內外大多采用實地監測和模型模擬等方法進行河道冰情的分析與研究。在國外，在熱交換原理和冰力學原理的基礎上創建模型已經廣泛應用河道冰情分析與預測領域，預測精度較高[1]；在國內，河道冰凌問題始終備受研究人員與管理部門的廣泛關注，上世紀八十年代河道預報模型建立之后，神經網絡方法成功應用于黃河等流域冰情的預測與預報，收效良好，在6 d 的許可誤差下，預測精度較高[2]。本文主要選取2000 年～2015 年（當年11 月～次年3 月）16 個冬季的實測數據，對克孜加爾水庫上游河道的溫度、流量、水位和地形以及冰塞、冰壩等冰情災害和冰情變化特征等加以分析，并運用BP 神經網絡模型，選擇關聯度高的預測因子，對克孜加爾水庫上游流域開河、封河日期及歷時等進行預報。

1 區域概況及研究方法

1.1 區域概況

克孜加爾水庫位于新疆阿勒泰境內克蘭河峽谷出口上游，水庫總庫容1.78 億m3，壩高最大值64 m，水庫正常蓄水位645 m，為農業灌溉為主的平原注入式水庫。水庫所在河流為典型的山溪雨源型河流，河水流量與降雨變化規律一致，且年際、年內變化更為劇烈，季節性變化明顯，暴雨洪水集中于汛期，枯季流量小甚至干枯，加之水庫流域地處山丘區，地形坡度大，源短流急，洪水過程陡漲陡落，行洪過程時間較短。流域多年平均降雨量為199 mm，最豐年為2012 年，年降水量為342 mm，最枯年為2007 年，年降水量為117 mm。

1.2 人工神經網絡

人工神經網絡作為非線性網絡系統，主要由大量神經元組成，令h 為輸入神經元，i 為隱含層神經元，j 為輸出神經元，nh、nk、nj為三層神經網絡節點數目，θi為隱含層節點i 的閾值，θj為輸出層節點j 的閾值，whi為輸入層節點h 和隱含層節點i 之間連線的權值，wij為隱含層節點i 和輸出層節點j 之間連線的權值，x 為各節點的輸入，y 為各節點的輸出。

1）初始化處理。已經歸一化處理的輸入與輸出樣本為：

為權值{Whi}和{Wij}以及閾值{θi}和{θj}賦于（-0.1，0.1）區間內的隨機值。令k=1，將樣本對應的{xk，h，dk，h}提供給（h=1,2,…，nj）網絡。

2）求隱含層各節點的輸入xi和輸出yi（i=1,2,...,ni）：

3）求輸出層各節點的輸入xj和輸出yj（i=1,2,...,nj）：

4）求樣本點誤差Ek的變動率：

式中：t 為修正次數；η 為學習速率，η∈(0,1)，η 越大，則算法收斂速度越快，穩定性越差，存在可能的震蕩；η 越小則算法收斂越緩慢；α 為動量因子，α∈(0,1)，α 越大則算法收斂速度越慢，α越小則算法收斂越快。

6）在學習模式下將（xh,h,dk,j）提供給網絡，轉步驟2，直到nk模式訓練結束，再轉步驟7。

7）重復步驟1～6，最終得到網絡全局誤差函數：

當網絡全局誤差E 小于預先設定的值或學習次數大于預先設定的值時，學習過程結束。

信號傳輸至神經網絡時，首先通過隱含層節點，由網絡作用進行函數轉化后再將隱含層節點輸出信號傳至輸出層節點，處理之后輸出結果。節點通常采用Sigmoid 型作用函數，即：

根據上述神經網絡模型原理，選取克孜加爾水庫上游2000 年～2010 年的流域資料進行網絡模型的反復訓練，并采用2010 年～2015 年的數據進行模型驗證，直至達到精度要求時為止。

1.3 篩選預報因子

自然因素和人為因素是影響河道凌汛的兩類因素，流量、流速、水位、風速等動力因素，水溫、氣溫、降雨等熱力因素以及河道比降、河寬、彎曲度、糙率等河勢因素均屬于自然因素，建筑物及人類活動則屬于人為因素。通過對克孜加爾水庫上游河道實地觀測發現，河道流凌發生在入冬氣溫持續在-5℃以下的情況下，冰凌首先堆積于水庫尾回水的末端及彎道位置，隨著溫度的持續下降，封河距離不斷增大，所以溫度是影響流凌封河的主要因素，但日均氣溫無法對封河產生較大影響，故選取流域11 月至封河期間的負氣溫累計值，進行影響程度分析。克孜加爾水庫上游河道16a 負氣溫累計值均值為-168.54℃，并選取負氣溫持續天數和封河前流量等作為預報因子，河道凌期平均流量為245.64 m3/s。進入開河期后，氣溫回升，冰蓋變薄，脆性增大，逐漸增大的冰下過流能力引起冰蓋破裂而開河，所以自然因素是影響開河的主要因素。克孜加爾水庫上游河道2000 年～2015 年冰層厚度均值為0.99 m，正氣溫累計值和持續天數對河道冰情也存在重要影響，此外，由于研究時段內河道擺動與地形變化不大，河勢相對變化較小，所以并未考慮河勢因素[3]。冰情數據主要來自克孜加爾水庫上游水文站統計資料，精度可靠且能反映水庫上游冰情變化情況。總之，在實地觀測和理論分析的基礎上，選取不同日期、不同時間的氣溫、流量、冰層厚度等預報對象，并進一步確定預報對象與開河日期、開河歷時和封河歷時的相關系數，見表1。

表1 開河日期、開河歷時、封河歷時與預報因子的相關系數

2 克孜加爾水庫冰情特征分析與預報

2.1 水位變化分析

克孜加爾水庫建成后，野外實地觀測資料表明，上游河段冰情主要呈如下變化特征：河灘灣以下河段穩定封凍不斷增長，冰塞和冰壩形成概率大大增加；水位壅高，冰凌災害頻繁發生。克孜加爾水庫上游典型斷面的水位變化特征見圖1，河道口、頭道拐、河灘灣、河岔口沿程水位持續降低，最大降幅達16.5 m，該河段比降較大，冰封期到來時河岔口斷面先封河，而后溯源而上其他斷面依次封河，開河次序正好相反，頭道拐斷面水位在全部冰封期內并無明顯變化，開河時水位也無明顯漲落，主要因為該斷面地勢平緩，開河封河較為平穩。河岔口斷面處于彎道上游，彎道一旦卡冰，此處河道水位必將壅高，所以河岔口斷面水位在開河與封河時變化明顯。河道口斷面是“S”型的彎道，水位漲落幅度最大，凌汛災害最容易發生，11 月20 日開始氣溫降至0℃以下，至23 日氣溫達到-18.5℃，溫度的突降使河道口斷面下游卡冰堆積，水位壅高，隨后便進入穩封期，3 月20 日氣溫回升至6.5℃，并不斷上升，上游河段解凍開河，冰凌不斷堆積導致下游河段產生冰壩，上游水位壅高，容易出現凌汛災害。

圖1 克孜加爾水庫上游水位變化曲線

2.2 冰情特征分析

克孜加爾水庫上游河道冰情縱斷面見圖2，由圖2 知，河段被劃分為四段：與壩距離0～31.5 km 的河段為平封河段，由于受到水庫的直接影響，水流流速小，河床比降大，水面比降小，氣溫降至零下后河段開始結冰；與壩距離31.5 km～53.2 km的河段為平封立封交界河段，封河形態位置迥異，11 月氣溫偏低情況下，立封河段增加，而隨著氣溫的回升，平封河段將增加；與壩距離53.2 km～66.8 km 的河段為立封河段，高程落差較大，水面比降與河床比降也很大，水庫建立蓄水之前，此河段屬于峽谷型河段，由于河道比降和水流流速很大而從不封凍，水庫建立之后，在回水末端的影響下，河段流速降低，水位升高，同時大壩起到攔截流凌的作用，所以冰凌容易堆積于河流彎道位置，在河流動力因素的作用下容易出現動力型冰蓋；與壩距離66.8 km 以上則為平封河段，河槽比降小，在熱力等作用下容易形成熱力型冰蓋。克孜加爾水庫上游整個河段封河時間溯源而上，11 月氣溫降至0℃以下之后，壩前流速迅速降低，壩前至31.5 km 河段首先結冰，隨著氣溫持續降低，則出現流凌，冰凌逐漸堆積在平封河段邊緣，在河勢地形的影響下，到66.8 km 以后，由立封河段轉變為平封河段。而開河時從上游開始，開河所形成的流冰在與壩距離53.2 km～66.8 km 的河段內堆積，且容易形成冰壩和水位壅高以及冰凌災害。

圖2 克孜加爾水庫上游河道冰情縱斷面

2.3 模型預測

《水文情報預報規范》（SL250-2017）規定，冰情預報必須參照具體的防凌減災工作實際，預見期為16 d，結合線性內插法原理[4]，許可誤差為6 d。克孜加爾水庫上游河道冰情預測結果詳見表2，開河歷時、封河歷時和開河日期的預測值與實測值誤差均在允許范圍內，開河日期預測誤差除2012 年～2013 年為7 d 外，其余時段都在許可誤差以內。

表2 克孜加爾水庫上游河道冰情預測結果

由表2 知，2012 年～2013 年封河晚、冰層薄，封凍時間長，3 月以來氣溫偏低，3 月10 日以前主要為融冰，河道內新增加的清溝和原有清溝逐漸連通、加寬加長，影響到開河過程，導致開河較晚，所以2012 年～2013 年度開河日期預測結果誤差偏大。在預測結果中，預測合格率高達93.33%，預測精度較高，達到了水文預報的要求。

3 結論

由分析和預報結果可知，氣溫、封凍天數、流量和冰層厚度是影響克孜加爾水庫上游河道冰情變動的主要因素，河道的封河型式則主要受水面比降的影響，克孜加爾水庫上游河道封河、開河影響因素較多，各因素不僅單獨影響預報因子，與預報因子存在線性關系，而且還存在各因素之間的綜合影響，所以神經網絡模型在克孜加爾水庫上游河道冰情特征分析與封河歷時、開河歷時、開河日期等的預報方面較為適用，能有效解決受復雜因素影響的河道冰情特征的分析與預測問題，結果表明，預測合格率高達93.33%，精確度高且能滿足水文預報的相關要求。