基于BP神經網絡預測水電站對庫表水溫及魚類活動影響
——以三峽庫區宜昌站為例

姚田成，譚均軍，王慧敏，李 勉

(三峽大學 水利與環境學院，湖北 宜昌 443000)

0 引 言

流域水溫預測在一定程度上，不僅可以減少人力物力的投入，還可以起到未雨綢繆的作用，對水利工程建設可以提供必要的參考依據，因此探尋操作性高的流域水溫模擬方案具有重要的現實意義。

控制流域內水溫效果是多方面的綜合作用，其中最主要的是當地氣候條件，比如太陽輻射、日照時數、氣溫等因子；其次是水體本身特性，如水位、流量等，在這些因素共同作用下，流域水溫數值呈現出有規律的周期性變化。但水電站的建設，破壞了原有規律，引起流域水溫的變化。本文將探討采用BP神經網絡預測三峽水電站建成后，因子的改變對于流域水溫的影響，并推論溫變對魚類活動的作用與影響。

1 研究區域概況

宜昌市水文站位于E111°19′，N30°41′，宜昌水文站是國家一類水文站，建設以來為防洪預報、水利建設、水文勘測等多項工程提供了詳實的資料。宜昌站地處長江干流上中游咽喉位置，長江流域面積180×104km2，其中100×104km2就由宜昌水文站控制。水電之都——宜昌是國家能源動力心臟，又是葛洲壩水利樞紐工程及三峽水利樞紐工程壩址的代表站，因此以該站流域為研究對象具有一定的典型性和代表性。

三峽大壩是現今世界上規模最大的水利樞紐工程，位于E111°2′，N30°50′，水庫正常蓄水位175 m，總庫容393×108m3，防洪庫容221.5×108m3，總裝機容量18 200 MW。葛洲壩是長江上修建的第一座大型徑流式水電站，位于E111°18′，N30°44′，總庫容為15.8×108m3，總裝機容量271.5 MW。江段年徑流量為4 510×108m3，多年平均流量為14 300 m3/s，兩壩址控制流域面積均為100×104km2。三峽工程壩址、葛洲壩工程壩址、宜昌水文站位置關系見圖1，兩項重大水利樞紐工程壩址僅距離38 km，且與宜昌站相隔較近，對宜昌站水文影響作用強烈。

圖1 研究區域示意圖

工程河段屬于亞熱帶季風濕潤氣候，位于亞熱帶和北亞熱帶的過渡帶，研究區域雨熱同季，降雨充沛，日照充足，多以東南風為主，年降雨量1 100～1 200 mm。

通過分析宜昌站水溫實測數據，查閱宜昌氣候特點以及宜昌站水文特性，發現以上兩座水電站建設完成后，新形成的水溫變化規律與工程建設有較強的相關性。因此，擬定結合歷史氣候數據和水文數據，分析各因素之間的相互作用，對未來水溫變化走向作出預測。

2 宜昌站表面水溫變化分析和預測

2.1 氣象與水文資料分析

調查得到宜昌站部分水文資料，結合宜昌市當地氣候特性，繪制宜昌站水文氣候表，詳見表1。

表1 宜昌站水文氣候數據

宜昌站江段水表溫度隨月份變化明顯，與當地太陽輻射、氣溫、日照時數變化趨勢大致相同，但是否能夠判斷為主要影響因素有待研討。同樣，參考前人研究，氣壓、濕度等因素與水溫的關系也不可忽視，但宜昌站具體實地情況不盡同于其他測點，各因素間結構關系模糊，層次紊亂，實際作用還需要進一步驗證。

2.2 水溫預測慣用方法

中國自20世紀50年代就開始了水庫水溫的相關研究。在發展中結合大量的實踐觀測數據基礎上，總結出大量的經驗公式對水溫進行計算，如常見的東勘院法、朱伯芳法、李懷恩法。經驗法簡單易用，能夠較高地反映出水溫的統計性規律，但是經驗法的局限性也顯而易見。首先經驗法依賴于大量的實踐，考慮水溫影響因素較少，如流量、泥沙量以及氣象特征等，在實際應用中存在誤差，對大型工程適用性有爭議；其次，經驗法依賴當地詳實的水溫觀測資料，反之則不能很好地反映這一地區的水溫特點。

發展過程中數學模型法彌補了經驗法的不足，數學模型法的基本方程是能量轉換方程和熱量平衡方程。水溫預測原理較經驗法更完善的同時，考慮了水庫多方面的影響，如水庫水位變化、含沙量、水庫運行方式等綜合因素，數學模型法對各種水庫水溫的預測具有普適性。相對地，應用模型法使數據分析計算的工作量增加，忽視了計算參數的優化問題，各參數(如氣象、水庫幾何形態等)對計算精度存在影響。

2.3 應用BP神經網絡預測溫變

2.3.1 BP人工神經網絡設計結構

BP神經網絡在20世紀80年代中期，由Rumelhart,McClelland等提出，采用了誤差反向傳播算法。BP神經網絡包含多個隱含層網絡結構，具有強大的非線性映射能力，突破了線性神經網絡只用于線性可分問題限制，僅通過對樣本訓練、權值調整、學習規則，可以得到逼近期望輸出值的結果。在實際應用中，神經網絡模型幾近80%都采取了BP神經網絡結構，現已廣泛應用于壓縮、識別、逼近、回歸等眾多領域，現計劃嘗試使用BP神經網絡對河段表面水溫進行預測，并分析BP神經網絡對于水溫預測的適用性。

在設計神經網絡結構之前，分析各因素與水溫的潛在關聯度。

結構中國控制論專家鄧聚龍首先提出了灰色系統理論。該理論屬于一種動態預測模型，具有樣本數少、計算量小、準確度高等特點，如今已廣泛應用于農業、工業、地質和氣象等許多領域，為數據的預測提供了一定的參考。在這里使用Matlab灰色系統理論(即根據因素之間發展態勢的相似或相異程度來衡量因素間關聯的程度，來揭示動態關聯的特征與程度[1])分析以上各個因素與水溫的潛在聯系，結果見表2。

表2 外部環境因子與水溫關聯度

分析數值。宜昌水文站在以上兩個水電站建設完成后，日照時數、風速、濕度、氣壓、水位、特征流量、太陽輻射、氣溫(按照關聯程度降序排列)因素都與水溫變化存在較強的相關性，其中日照時數、風速、濕度、氣壓、水位環境因子重相關，均達到0.8以上的關聯度，最弱關聯度氣溫因素也達到0.5以上。可以得出結論，以上因子可作為BP神經網絡參考數據。

針對以上氣象和水文數據，設計BP神經網絡結構示意圖，見圖2。宜昌站水溫預測模型結構中輸入層預測因子個數為8個，結構圖2中顯示為X1-X8，分別為氣象因子，日照時數、風速、濕度、氣壓、太陽輻射以及水環境因子、水位、特征流量；隱含層數取一層，結構圖2中顯示G層；輸出層結構單一，目標因子個數為1，僅水溫。

圖2 BP神經網絡結構示意

2.3.2 BP神經網絡數據預處理

為將有限數據充分利用，兼顧實時數據和預測功能，將數據劃分成兩部分:訓練數據和測試數據，使用1-7月份作為數據樣本訓練得出模型，預測8-12月份宜昌站水面溫度變化趨勢；再以8-12月份的宜昌站水溫實測數據對樣本進行檢驗。

由于12個月份相關數據十分有限，為了避免訓練樣本不足的情況，對7份訓練樣本數據進行二維插值，將樣本數量擴充到200份數據。分析決定使用Matlab二維插值函數，首先將訓練輸入矢量和相應的目標輸出組合成9*7矩陣，運用二維插值之后，獲得9*200矩陣，之后再將其拆分為8*200矩陣作為訓練輸入，1*100的行向量作為訓練樣本的輸出。

2.3.3 BP神經網絡溫變預測結果

預使用200作為BP神經網絡權值系數開始訓練，根據輸出值和期望值計算誤差，由誤差反向傳播算法逐層修改權值。如此反復，當誤差不再下降，訓練就此結束。由圖3得知，該BP神經網絡實際訓練次數為168次。

從圖4觀察水溫隨月份變化的曲線圖，水溫預測值逼近真實值，水溫變化走勢一致，在一定誤差允許范圍內可以認為BP神經網絡對水溫變化預測結果基本正確。由此可以預知，當水文、氣象因素數據樣本充足時，經過樣本的預處理，使用BP 神經網絡對河段水溫有一定的預測能力，能為河段水溫預測提供一種參考方案。

圖3 誤差下降曲線

圖4 預測值與真實值對比圖

水溫是水生態的重要環節，水溫變化對水生生物影響巨大。調查得知，流域主要魚類生活在水下2～5 m水深處，該深度水溫與流域江面水溫基本保持一致，因此BP人工神經網絡對庫表水溫的預測可以為未來魚類行為變化受水溫影響提供參考依據。在各個相關數據不充分的條件下，也可以對水溫走勢進行預測，該預測方法對于水生態保護和漁業發展有一定的現實意義。

3 宜昌站的滯溫效應

3.1 水電站帶來的滯溫效應

由圖5可看出，水電站建成后，雖然全年水溫變化走勢大體相同，但是整體溫度略有上升，且存在很明顯的滯溫效應，主要表現為夏季滯冷、冬季滯溫。

圖5 電站建設前后水溫變化

三峽水電站及葛洲壩梯級樞紐水庫的下游即為宜昌水文站的檢測面，本段落擬以三峽水電站為例來分析滯溫效應。三峽水電站是迄今為止規模最大的水電站，其總庫容量達393×108m3，最高蓄水高程達175 m，這樣的水位變化必然對水電站的水溫分層及水溫狀態帶來顯著影響，隨之改變的是水氣界面的熱交換，進而對三峽水電站的下泄水溫產生影響；而影響水溫的通常還有水電站的氣象、泄水方式、水體與河床熱交換、運行調度情況、支流來水等因素[2]，其中水電站的下泄水溫起到了關鍵作用，如果下泄水溫升高，河道水溫受之影響也會升高；反之則河道水溫降低，由此便產生了滯溫效應[3]。

在前些年三峽水電站處于初步運行時期時，隨著蓄水高程的增漲，“滯溫效應”的存在時間也不斷延長。近些年三峽水電站的運行模式趨于穩定，水電站建設帶來的“滯溫效應”也應該有規律可循，若能采用BP神經網絡技術精確預測庫表水溫，可以為找到保護長江魚類的方法提供參考方案。

3.2 水溫影響魚類生命活動

3.2.1 水溫對魚類的影響綜述

在魚類生命活動中，水溫占據了十分重要的作用。水溫及其對水體環境的改變都會影響魚類行為活動，如魚類代謝水平、生長率、發病率、性腺發育、產卵率等直接受到水溫影響；而水溫通過影響溶氧量、植物生長率、分解者分解效率，進而影響物質循環來間接影響魚類活動[4]。

魚類的代謝水平與自身體內的各種酶活性息息相關，而酶又是催化生物體內多種反應的催化劑，促使反應高效進行。水溫通過影響酶活性來決定魚類的代謝水平；在適宜的溫度條件下，隨溫度升高，酶促反應效率升高，魚類生命活動代謝加快，生長率也會有一定程度的提升。

另外，水溫還會影響溶解氧的含量，溶解氧與魚類呼吸作用關聯甚密，魚類在適宜的充足溶解氧環境下呼吸旺盛，采食速率和消化速率都會上升。不僅如此，水體溫度適宜的話，水中天然餌料的含量也會增加，因為微生物此時分解效率加快，各種水生植物、浮游植物在適宜的條件下合成自身原生質，繁殖速度加快，生長率提升，這樣魚類攝食量便隨之增多，由此可知溫變還會影響魚類生長發育快慢。

溫變還可以對魚類的性腺發育、產卵率等繁殖子息方面造成直接影響。比如，某些魚類在春季產卵，其卵巢一直生長到第二年春天等水溫回升后完成性腺成熟。各種魚類的性腺成熟期都是長期適應的結果，但水電站帶來的滯溫效應就會推遲其性腺成熟期，進而影響到魚類的產卵率。水溫變化就像一個信號，魚類會接收信號有選擇地挑選適合受精卵存活和發育的時期產卵，產卵期的親魚對水溫要求極為嚴格。比如金魚，只要溫度不在適宜范圍內時，縱使其他條件都具備，它也不產卵，只有達到適宜范圍內時才會主動產卵，如果中途水溫變化超過適宜范圍后還會發生停止產卵或流產現象，魚類的產卵率因此降低。水溫作為水體環境的一個重要調控因子，在胚胎期直接影響受精卵的孵化、發育和孵出小魚的健康程度。比如，水體溫度為18℃時，鰱魚卵經61 h才能孵化完成；當水溫提高到28℃時，僅18 h即可完成。并且在小魚發育期間，不適宜水溫會降低它的采食速率，延遲其發育甚至導致死亡。

水溫變化還會刺激魚類的內分泌系統、降低其穩定性，削弱魚類的免疫應答能力，如草魚出血病、鮭魚冷水性疾病等；溫變會通過影響一些酶活性及免疫球蛋白的分泌等來影響魚類免疫能力。

水溫影響魚類的活動。如洄游的魚類會受溫變影響，特別是季節性的溫變，可以說魚類洄游時間是由一年中水溫上升或下降的早晚決定的。水體溫度還是決定魚類游泳速率和持續游泳能力的一大因素，某試驗對幼鱈進行急性低溫處理，削弱了其呼吸作用和產能效率，使其游泳速率明顯降低，大多數情況下，魚類最適游泳溫度和最適生存溫度基本吻合[2]。

適宜的水溫給魚類帶來了充足的天然餌料、豐沛的氧氣、良好的代謝水平、較高的免疫能力和反應力，有利于魚類生長。但維持適宜的溫度不是一件容易的事情，水電站的建設打破了河流流域原有的平衡，水庫大量泄水時引發的水體溫度突變導致魚類生長畸形、死亡的情況不在少數。三峽工程蓄水后，明顯改變了河流水域的水溫，打破了魚類與環境長時間發展形成的平衡，特別是下泄水溫使原水溫降低，造成宜昌站的四大家魚自然繁殖期明顯推遲，壓縮了其整個產卵期的長度，不僅如此，無法預測溫變對魚類的整個生命活動過程都是有較大的負面影響[5]。為了保護魚類，研究水電站建設對水溫的改變很有必要。因為宜昌江段的魚類基本上生活在淺水層，本文采用BP神經網絡預測水表溫度變化來探究水溫對魚類的作用。

3.2.2 溫變對魚類影響實例分析

水溫是水體環境的一個重要調控因子，其變化可以直接影響魚類生長的一系列生命活動。三峽水電站的滯溫效應對長江流域中下游的眾多魚類生物的成長棲身和繁殖子息造成極大的影響，溫變給魚類自身調節能力帶來了巨大考驗。魚類對水溫的感知特別靈敏，且作為變溫動物，魚體自身溫度會隨著溫變而產生變化，同時它的生理行為和代謝強度也會產生變化[6]。

下面以草魚為例，討論水溫變化對草魚生長率的影響，見表3。

表3 各種水溫試驗中草魚魚種的生長

由表3可以看出，不同水溫試驗中草魚魚苗的生長、采食以及魚食的消化效率有著很大的差異。在試驗的各種溫度中，第三組試驗水溫中的魚苗生長最快，其次為第二組試驗水溫；而在第一組試驗水溫中，魚苗由于生長環境溫度過低而在整個試驗期間生長緩慢。據前人研究數據可知，水溫在小于32.3℃的前提下，對于同樣體重規格的草魚，其采食速率會隨著水溫的升高而加快(水溫越高，魚消化道內食物消化速率就越快，攝食就越多)。這是由于在適合的水體溫度范圍內，酶活性和消化速率隨水溫的升高而增大，而低溫使魚食消化速率明顯下降[7]。在20℃～32℃時(草魚適宜水溫)，草魚具有較高的免疫應答能力。若溫度過高，草魚的機體代謝就會發生紊亂，易生病(如草魚出血病)，死亡率也會升高[8-9]。

水電站的建設改變了魚類生存的水體環境，破壞了它們以往的生活規律；還帶來 “滯溫效應”，推遲了草魚的自然繁殖期(水溫變化導致性腺成熟期推遲)，降低草魚的產卵規模(繁殖期水溫降低達不到最低產卵溫度)，在一定程度上降低了草魚生長率[10-12]。

4 結 語

三峽庫區的大壩工程建設為人類和社會供給了防洪、供水、澆灌、水電、樹木栽植、海航運輸、休閑娛樂等需求，推動了人類社會的發展，為社會經濟建設做出了巨大的功績。但另一方面，其建設也破壞了河道流域生態系統的連續性和穩定性[13]。水電站建設帶來的水溫變化顯著影響了魚類行為，其中水溫分層及低溫下泄水對長江流域的水生生物有不利影響，如“滯溫效應”使中華鱘和四大家魚的自然繁殖期顯現明顯延后趨勢。探究水電站建設帶來的水溫變化，對魚類的保護有著極其重要的意義[14-15]。

本文基于BP神經網絡(采用其強大的泛化能力、逼近能力、概括能力來研究氣象因子對水溫的改變，具有極強的容錯性和儲存性)，分析預測因子與水溫的關聯度，且其溫變預測結果基本正確。若能以此來預估水電站建成后庫表水溫的變化，尋求溫變與魚類行為的聯系，可有效減弱滯溫效應及低溫下泄水等對長江流域中下游的水生生物的不利影響，有效保護長江的眾多魚類。