實時洪水預報研究進展與展望

劉煒偉， 蓋永偉， 管西柯， 吳曉東

(1.江蘇省水文水資源勘測局連云港分局， 江蘇 連云港 222004； 2.江蘇省水資源服務中心， 江蘇 南京 210029；3.河海大學 水文水資源學院， 江蘇 南京 210098)

洪水預報是根據洪水形成和運動的規律，利用過去和實時水文氣象資料，對未來一定時段的洪水發展情況的預測，而實時洪水預報是對將發生的未來洪水在實際時間進行預報，就目前的預報方法而言，實際時間是指觀測降水量等水文要素即時進入數據庫的時間。常見的流域水文模型多采用時不變離線系統，而各種水文要素是隨時間變化的，為降低水文要素隨時間變化對模型計算的影響，根據實時更新的數據對洪水預報誤差做實時修正是非常必要的。

連云港市地處淮河流域沂沭泗河下游，主要由新沭河和新沂河承擔上游流域面積約7.8萬km2的泄洪任務，是著名的“洪水走廊”。2020年1—7月連云港市面平均降水量為837.9 mm，較去年同期偏多93.1%，較多年同期偏多54.1%，本地水資源較豐富，河庫水位較常年偏高。受2020年8月13日至14日山東沂南地區突發強降雨影響，沂河上游臨沂水文站預報最大流量達到10 000 m3/s，實測最大流量10 900 m3/s，洪水預報為防汛指揮部門分沂入沭、沭水經大官莊閘東調、石梁河水庫和駱馬湖預泄等水工程調度提供了科學依據，降低了下游河道行洪壓力，保障了下游河道行洪安全，減少了洪水造成的經濟損失。

實時洪水預報理論是提高防洪減災的重要技術手段，近年來實時洪水預報理論發展迅速，從AR模型到基于神經網絡的綜合修正，從最小二乘法到卡爾曼濾波，從誤差反傳到概率模型，都在實時洪水預報誤差的修正過程中起到了重要的作用，并在實時洪水預報作業中廣泛應用。傳統的AR模型是基于誤差自相關的假定設計的，但不能解決假定不成立情況下的水文預報問題，瞿思敏等[1]通過引入神經網絡異聯想記憶技術，提出了綜合實時修正方法，并用實例對比分析了AR模型和綜合修正方法的修正效果，解決了實時修正信息量不足的問題，在不損失預見期的情況下能有效改進模擬的精度；近年來卡爾曼濾波技術廣泛應用于水文預報領域，通過將卡爾曼濾波技術與水動力模型相結合[2]，對預報結果做實時校正；為延長洪水預報的預見期，陸桂華等[3]使用加拿大區域性中尺度大氣模式MC2和新安江模型單向耦合模型系統，通過滾動預報，精度不斷提高；包為民等專家學者系統論述了實時洪水預報，對實時洪水預報建模和誤差校正使用的理論方法、預報效果及各環節問題的處理都做了比較系統的研究分析。

隨著相關交叉學科的快速發展并積極引入到水文預報領域，實時洪水預報在模型建立、實時修正理論方法等方面有了很大的提高。本文通過系統梳理近年的理論成果，對使用的模型和理論方法分類總結，并提出實時洪水預報未來研究的重點。

1 研究進展

1.1 建立實時洪水預報模型，開展預報方案編制

在一些大型、特大型流域上開展預報方案的編制，通過設置分級、分區、分單元的結構，采用滾動預報的方式方法，對洪水預報結果實時校正。

施勇等[4]通過模擬長江中下游實時洪水預報，提出基于水動力學的循環滾動計算模式和實時校正模式，實現了水文學實時校正方法和水動力學數學模型的耦合。并根據實時洪水預報的周期性，提出周期性的滾動循環預報模式，實現了整個預報區域各個河道斷面的水位和流量過程的校正。

李春紅等[5]在三峽特大流域洪水預報方案中提出了多模型、多方案的組合預報，提出區間、子區間和單元的三層逐級預報模式，利用實測數據自上而下的逐級對模型的結構、參數和狀態變量等實時校正。同時考慮未來降雨和基于遙測信息的預報校正，提高預報精度和增長預見期。

1.2 基于誤差反傳理論，實時修正模型參數

誤差反傳算法最早應用于多層神經網絡訓練，算法的基本思想是信號的正向傳播與誤差的反向傳播，誤差反傳算法是實時洪水預報計算結果修正常用的算法。在處理模型變量和參數對結果的影響方面，包為民等基于新安江模型，對模型中的某個變量實時修正，從糙率、產流量、自由水蓄量、面平均雨量等變量入手，采用卡爾曼濾波、動態系統響應曲線、最小二乘法等理論方法對上述變量做實時校正，取得了良好的修正效果。

在洪水預報實踐中，曼寧糙率系數在河道行洪計算中占有重要作用，包紅軍等[6]通過河道斷面?；?，引入卡爾曼濾波理論，動態調整預見期內的河道糙率，將糙率反演模型和水動力學模型耦合進行河道洪水實時預報。

多數影響預報結果的因素都會影響產流量，包為民等[7-8]針對產流量進行修正，將單位線和動態系統響應曲線引入實時洪水預報修正中，建立一種向信息源頭追溯的反饋修正模型。所提方法物理概念清楚，結構簡單合理，通過理想模型進行檢驗，并在實際的流域檢驗中效果明顯。

針對土壤含水量和自由水蓄量，包為民等[9-10]基于新安江模型，在考慮系統響應矩陣的誤差和不考慮系統響應矩陣差值兩種情況下，分別提出了最小二乘法建立誤差源的反演修正模型和總體最小二乘平差理論，并在實例驗證中與之前的方法做了比較分析。

通過分析發現面平均雨量是洪水預報的最重要輸入項，基于洪水預報精度受到面平均雨量估計誤差的嚴重影響，包為民等[11]提出了一種基于降雨系統響應曲線洪水預報誤差修正方法，通過此方法估計降雨輸入項的誤差，從而提高洪水預報精度。利用實測流量和系統流量之間的差值系列，通過最小二乘法估計面平均雨量誤差系列，使用修正后的面平均雨量系列重新計算流域出口斷面的出流過程。

為校正模型狀態變量，孫逸群等[12]通過將無跡卡爾曼濾波方法引入集總式新安江模型，通過實時觀測數據對洪水預報模型進行校正，為未來時刻模型預報提供更加準確的狀態變量，從而提高預報精度。

1.3 引入不確定性理論，開展概率預報

根據不確定性理論，不可能同時知道一個粒子的位置和它的速度，而傳統的洪水預報提供的是一種確定性的定值預報，無法對調度方案及防洪決策的可能風險做出客觀評估，而從降雨、產流到匯流的整個水文過程同樣存在不確定性，水文科技工作者通過研究洪水演變的不確定性，引入隨機過程等不確定性理論開展洪水預報。

樊孔明等[13]詳細梳理了洪水概率預報的理論和方法，通過考慮降雨不確定性和模型不確定性兩種預報模式，在新安江模型的基礎上對兩種預報方法作了比較，在考慮求解降雨概率分布和參數后驗分布的聯合分布具有較大難度的情況下，通過隨機抽樣的方法將兩種不確定要素進行耦合。

針對河道洪水預報，徐興亞等[14]提出假定實時數據服從某種先驗概率分布，通過數據同化方法將實時數據融入到洪水預報模型中，引入迭代的思想，結合不斷更新的觀測值，推求不同時刻狀態變量的后驗分布，模型不僅能直接校正水位，同時能有效校正流量和糙率，有效提高模型預報水位和流量的精度，并給出合理的概率預報區間。

2 存在問題

2.1 水文模型

通過對近年的研究成果梳理分析，多數的預報修正是建立在新安江模型等幾個確定性模型之上。新安江模型是理論研究中應用較多的概念性模型，是河海大學趙人俊教授設計出的國內第一個流域水文模型，模型具有明確的物理成因機制，易于推廣應用。但只有當假設條件與實際情況相近，概化合理時，預測效果較好。而隨著城鎮化進程的加快和水利工程的布局建設，下墊面狀況發生較大變化，水利工程的調度改變了天然水系的聯通，產匯流規律更加復雜多變，而分析發現在新安江模型基礎上做改進的研究較多，提出有應用價值的新模型較少。

分布式水文模型是將流域劃分成網格，每個網格作為一個計算單元，以水動力學或水文學為理論基礎，采用常微分方程組或偏微分方程組來描述降雨徑流的形成過程，并用有限差分格式進行求解。目前分布式水文模型在研究中使用相對較少，而在實際的預報作業中很難得到實際應用，問題的關鍵在于數據量無法滿足分布式水文模型計算的需要，影響預報效果。

2.2 誤差修正

預報修正多以新安江模型為基礎，采用最小二乘法和卡爾曼濾波對計算結果進行修正。最小二乘理論是1806年馬里·勒讓德提出的，是一種數學優化技術，主要適用于曲線擬合，通過最小化誤差的平方和尋找數據的最佳函數匹配，利用最小二乘法可以簡便地求得未知的數據，并使得這些求得的數據與實際數據之間誤差的平方和為最小；卡爾曼濾波是一種利用線性系統狀態方程，通過系統輸入輸出觀測數據，對系統狀態進行最優估計的算法，它僅適用于線性、離散和有限維系統。

水文模型中即使能夠得到數學方程，也往往無法求解，只能對連續方程做離散化處理，連續方程離散化是處理此類問題常用的方式，但會帶來誤差的不斷累積；卡爾曼濾波和最小二乘理論本身存在一定的局限性，且在使用時也會涉及較多的假定條件，這些同樣限制了實時修正的效果。

3 研究方向

3.1 模型的建立和改進

目前常使用的水文模型只是原型的近似，不可能反映原型的一切特征[15]。分布式水文模型是流域水文模型未來發展的趨勢，目前存在的問題在于基礎資料數據量不足，不能滿足計算需要，但是隨著地理信息系統技術、空間與測控技術和計算機技術的發展，未來可以很好地解決計算數據量的問題。分布式水文模型未來研究的重點是模型尺度問題，一方面為了便于認識、理解和推廣，要求模型盡可能簡單；另一方面為了全面描述水文過程，要求模型足夠詳細。

3.2 引入合理的修正理論

由于目前對水文過程的認識有限，降水預報和模型參數存在不確定性，模型本身結構也會造成誤差，所以水文預報主要是一種不確定性預報。最小二乘法理論主要適用于曲線擬合，而卡爾曼濾波僅適用于線性、離散和有限維系統。算法的局限性決定了其對于實時預報效果的作用有限。

對于水文過程這種不確定復雜系統，隨機、模糊和混沌理論的引入研究會是未來研究的重要方向。隨機過程，是依賴于參數的一組隨機變量的全體，參數通常是時間，隨機變量是隨機現象的數量表現，其取值隨著偶然因素的影響而改變；模糊理論是指用到了模糊集合的基本概念或連續隸屬度函數的理論，它可分類為模糊數學、模糊系統、不確定性和信息、模糊決策、模糊邏輯與人工智能這5個分支；混沌是由確定性規律確定但具有隨機性的運動，混沌理論是一種兼具質性思考與量化分析的方法，用以探討動態系統中無法用單一的數據關系而必須用整體、連續的數據關系才能加以解釋及預測的行為。

3.3 高科技成果利用

數據采集技術、云計算、數據庫技術的發展進步，可以為實時洪水預報提供更全面豐富的水文數據以及更快的處理速度。地理信息系統是采集、分析各類空間數據及描述空間數據的屬性的技術系統，通過地理信息系統技術可以獲取流域下墊面因子復雜的空間分布；空間與測控技術的快速發展，可以有效獲取大范圍詳細的空間信息和資料，包括降雨、土壤、植被、河流水系、蒸發等要素，為未來流域水文模型的計算提供豐富的數據；計算機處理技術和數據庫技術的發展，可以有效提高信息的利用率，為分布式水文模型提取潛在的有價值的信息。高科技成果主要為流域水文模型提供更多的觀測要素、更豐富的計算數據和更高效的計算能力，促進微觀水文現象的基本理論研究，推動分布式流域水文模型的發展，為實時洪水預報修正提供支撐。

3.4 降雨預報、洪水預報和水工程聯合調度

水文過程始于降雨，在產流、匯流后產生洪水，為保障行洪安全和洪水資源化利用，通過水工程調度將洪水放在合適的區域。降雨預報數據是水文模型的重要輸入，從降雨、產生洪水到水利工程調度是水在時空變化的過程，所以應從理論上作為一個整體研究，并基于Oracle數據庫等技術開發一套從降雨預報、洪水預報到水工程聯合調度的系統。

4 結 語

模型研究和修正算法是實時洪水預報的基礎，應加強水文基本規律和算法基礎理論的研究。高新技術成果可以為我們提供高質量的水文數據，可以有效提高我們對水文規律的認識。加強水文不確定性理論研究，開發降雨預報、洪水預報到水工程聯合調度的系統，是實時洪水預報未來研究的重點。