基于BP算法的小型水庫應急管理風險評估方法研究

劉瑞寧,羅征文

(1.青海省西寧市湟中區云谷川水庫管理所,青海 西寧 810001; 2.青海省九○六工程勘測設計研究院,青海 西寧 810001)

0 引 言

現階段,中國部分小型水庫建成時間較長。在建設過程中,由于當時經濟水平與工程技術發展不夠完善,且建成后長期未進行運營維護,年久失修,部分地區的小型水庫安全性較差,容易引發洪澇等災害,使水庫周邊居民的生命財產安全存在較大的隱患[1]。截至2020年,中國出現垮壩失事事故的水庫共計4 682座,其中,包括小型水庫4 427座,占水庫失事事故總數的94.55%[2]?？茖W合理的水庫應急管理風險評估方法能夠有效改善這一問題[3]。有研究學者基于支持向量機原理,針對小型水庫安全風險進行評估,構建支持向量機模型,選取小型水庫安全風險指標,對水庫數據進行處理,基于災害通告和支持向量機對水庫等級進行劃分,實現對水庫安全風險等級的評判[4]。然而,在實際應用過程中,容易受到致災因子數據誤差的影響,使水庫運行安全風險的評判精度降低,影響了小型水庫除險加固工作。傳統方法存在容易受到致災因子數據誤差的影響,而出現評估精度低的問題。BP神經網絡算法能夠學習和適應非線性的復雜關系,對于水庫管理風險存在的非線性問題具有良好的泛化能力,可對未知數據進行預測和分類。本文在傳統水庫管理風險評估方法的基礎上,引入BP算法,針對小型水庫的發展現狀與特征,提出了對應的應急管理風險評估方法,為提高小型水庫的安全性與風險評估的準確性提供保障。

1 水庫運行影響因素與應急管理風險因素

小型水庫在運行過程中,容易受到多方面風險因素的影響,降低了水庫運行的安全性與穩定性。主要風險因素包括自然影響因素與人為影響因素。自然影響因素主要為極端天氣引起的暴風、暴雨,還有多種地質災害,比如泥石流、山體滑坡、地震等。人為影響因素主要分為前期影響因素和后期影響因素。前期人為影響因素主要是指在水庫建造過程中使用的建造材料、施工工藝等方面出現瑕疵,對水庫施工質量造成一定程度的影響;后期的人為影響因素是指在水庫附近進行的工程建設導致地基沉降、向水庫庫區棄水棄渣影響水庫正常運行等。

當水庫存在一定運行風險后,需要進行應急管理。為了提高小型水庫的應急管理能力,應確定應急管理過程中存在的風險因素,主要包括水質風險、水量風險和應急風險。水質風險為突發水污染泄漏程度;水量風險為上游來水流量預警程度、備用水源應急能力;應急風險為應急處置執行程度、預報預警精度、應急預案完備程度。

2 基于BP算法的應急管理風險評估方法設計

2.1 BP神經網絡風險評估模型構建

為了實現對小型水庫應急管理風險的準確評估,首先,構建小型水庫應急管理風險評估體系,將水質風險、水量風險和應急風險作為一級評估指標,將突發水污染泄漏程度、上游來水流量預警程度、備用水源應急能力、應急處置執行程度、預報預警精度、應急預案完備程度作為二級評估指標。然后,采用BP神經網絡算法構建小型水庫應急管理風險評估模型。BP神經網絡是一種多層的前饋神經網絡,每層神經網絡都由神經元構成,單獨的每個神經元相當于一個感知器,具有高度自學習和自適應的能力,能夠提高對水庫運行應急管理的評判精度。最后,采用梯度下降的原理,通過反向傳播不斷調整網絡的權值和閾值,使網絡誤差平方和最小,實現對小型水庫應急管理風險評估模型的訓練[5]。將小型水庫樣本數據通過模型的輸入層神經元傳輸到模型的訓練網絡中,對應急管理風險各個隱含層函數進行相應計算,發送至輸出層神經元中,輸出層神經元基于應急管理風險逐層連接權值與閾值進行調整處理,降低風險評估結果中存在的誤差[6]。模型經過多次迭代運算,直至小型水庫應急管理風險的誤差達到允許的誤差范圍內[7]。

本文構建的BP神經網絡風險評估模型結構如圖1所示。

圖1 基于BP神經網絡的風險評估模型Fig.1 Risk assessment model based on BP neural network

如圖1所示,本文構建的風險評估模型主要包括3層BP網絡結構,其中,x1,x2,xN1分別作為小型水庫應急管理風險評估模型中網絡輸入層的輸入向量;y1,y2,yN2分別作為小型水庫應急管理風險評估模型中網絡隱含層的輸出向量;z1,z2,zN3分別為小型水庫應急管理風險評估模型中網絡輸出層的輸出向量;T1,T2,TN3分別為小型水庫應急管理風險評估模型的期望輸出向量。本文構建的基于BP神經網絡的小型水庫應急管理風險評估模型隱含層的激活函數表達式為

(1)

式中:e-x為模型中隱含層與輸出層之間的連接權值,通過計算隱含層的激活函數,將函數結果輸入風險評估模型中,為模型提供參數依據。

2.2 基于BP算法估算水庫應急管理危險度

在小型水庫應急管理風險評估中,選取指定的水庫風險事件,將其作為應急管理的風險率,利用BP算法計算出對應的水庫應急管理危險度,為風險評估提供數據支持[8]。

根據水庫管理的風險度定義理論,將水庫應急管理內容主要劃分為應急管理危險事故類型、風險事故發生概率、風險事故產生的后果[9]。根據以上3個方面的內容,對小型水庫應急管理危險度定義為對水庫周邊居民的生命財產健康以及周邊環境造成負面影響的度量方式[10]。小型水庫應急管理危險度的表達式為

RD=Pf×L

(2)

式中:RD為小型水庫應急管理危險度;Pf為水庫應急管理危險率;L為水庫失事導致的損失,包括經濟損失、人員傷亡等。通過式(2),能夠獲取小型水庫應急管理風險的整體危險度值,在此基礎上,分別從個人生命危險、社會生命危險、經濟危險以及社會與環境危險等幾個方面,對小型水庫管理的危險度進行具體研究設計[11]。

(1)針對個人生命危險,年死亡概率指水庫運行過程中風險活動產生事故引發的死亡概率,應急管理風險中個人生命危險度IR的計算公式為:

IR=Pf×Pd|f×ε

(3)

式中:Pd|f為假定應急管理危險中個人死亡發生的條件概率;ε為應急管理事件發生概率。

(2)社會生命危險度a1的計算公式為

a1=1-FN(x)

(4)

式中:FN(x)為水庫應急管理風險中死亡人數N的概率分布函數,即死亡人數小于x的年概率。在社會生命危險度估算過程中,結合死亡人數與死亡頻率之間的對應關系,利用F-N曲線原理與定量分析的方式,獲取社會生命危險期望值。

(3)經濟危險指除了事故以外,其他因素導致的損失,采用社會危險類似的表達方法,水庫應急管理風險中經濟危險度a2的表達式為

a2=1-FD(x)

(5)

式中:D為水庫事故發生導致的經濟損失;FD(x)為水庫事故造成經濟損失的概率密度函數。

(4) 社會與環境危險度a3的表達式為

a3=1-FT(x)

(6)

式中:T為社會與環境恢復所需時間的超越概率值;FT(x)為在水庫應急管理風險情況下,社會與環境恢復所需時間的概率分布函數。通過以上計算獲取小型水庫各個應急管理危險度的具體情況,根據危險度與小型水庫管理的實際情況,選取適用于該水庫應急管理的可接受危險指標,為后續的風險評估提供保障。

2.3 評估小型水庫致災因子

在完成上述基于BP算法水庫應急管理風險度估算后,通過評估小型水庫致災因子進行水庫應急管理的風險評估[12]。通常情況下,小型水庫致災因子種類較多,一般包括持續降雨、洪水、滑坡、泥石流、決堤、水土流失、集水區開發、地震等。本文以上述8種小型水庫的致災因子為例,對小型水庫的應急管理風險進行評估。通過采集設備采集8種致災因子的原始數據,并進行濾波降噪處理,避免致災因子數據誤差過大,對風險評估結果產生影響。將小型水庫所處地區的致災因子組成一個二維數組,基于二維插值法的原理獲取小型水庫在某個特定時間段內的致災因子的安全參數,結合上述建立的BP神經網絡風險評估模型,在參數中布設一定數量的網格節點,提高二維數據的規范性。在二維數據散亂的節點中,利用加權平均方法,按照一定的致災因子反比關系,對二維數組進行加權平均處理,獲取小型水庫致災因子的插值函數,公式為

(7)

式中:Rij為二維數組中致災因子節點P與Pij之間的距離;u為小型水庫所處區域的各個致災因子的安全參數;ui為某個特定時間段內的各個致災因子的實際參數。通過上式計算小型水庫致災因子的插值函數結果,得出致災因子對小型水庫應急管理風險的影響程度。

在此基礎上,根據致災因子的插值函數結果,結合上述獲取到的小型水庫應急管理危險度,共同對小型水庫的應急管理風險等級進行劃分,將致災因子插值結果與應急管理危險度范圍設置在0～1之間,劃分為5個不同的風險等級,對應的小型水庫應急管理風險度也包括5個等級,劃分結果見表1。

表1 小型水庫應急管理風險度等級劃分Tab.1 Classification of risk levels for emergency management of small reservoirs

按照表1劃分的等級獲取水庫對應的危險等級、致災等級與風險等級,完成小型水庫應急管理風險評估的目標。水庫應急管理風險評估的流程如圖2所示。

圖2 小型水庫應急管理風險評估流程Fig.2 Risk assessment process for emergency management of small reservoirs

3 驗證分析

為了對本文提出的基于BP算法的小型水庫應急管理風險評估方法的可行性作出進一步客觀分析,選取青海省西寧市湟中區云谷川水庫為研究對象進行實驗分析。該水庫距湟中縣李家山鎮25 km ,主要用途為農田灌溉和汛期防洪,水庫年供水量70萬m3,供水人口3.65萬,有效灌溉面積可達到2 320 hm2(3.48萬畝)。水庫上游水位為285.6 m,所在地的動峰值加速度為0.08g,主要建筑物包括正常與非常溢洪道、攔河大壩、壩后式電站等。水庫大壩類型為漿砌石重力壩,最大壩高為30.5 m,堤頂高程為286.7 m,堤頂的長度為118.4 m,水庫壩頂采用控制溢流的方式,閘門為電動卷揚式啟閉機,將正常溢洪道布設在水庫大壩的中部,非常溢洪道布設在水庫大壩的左側,水庫的溢流面坡度比例為1∶0.7,為底流消能的水庫運行模式。2022年進行了維修改造,水庫實際環境如圖3所示。

圖3 水庫實際環境Fig.3 Actual environment of the reservoir

由圖3可知,水庫大壩結構中出現多處裂縫,并出現不同程度的滲漏,可能會導致大壩失穩、決堤,引發嚴重洪水災害,對周圍居民的生命安全與財產安全造成較大的威脅。因此,根據圖2的風險評估流程,對云谷川水庫大壩進行檢查與綜合評價,參照水庫應急風險管理相關標準規范與水庫堤壩的荷載變化情況,獲取水庫中風險導致的失事后果與風險失事概率。在此基礎上,共同計算小型水庫應急管理的風險值,基于風險值判斷水庫運行中是否存在風險缺陷。當存在風險缺陷時,采用量化方式對風險缺陷進行評估,輸出應急管理風險評估結果;若不存在風險缺陷,則重復上述步驟。

利用BP算法,通過公式(2)～(6)計算出水庫應急管理危險度,計算結果如表2所示。

表2 水庫應急管理危險度計算結果Tab.2 Hazard level calculation results of reservoir emergency management

綜合數值結果可判斷該水庫應急管理危險度為0.44,屬于中度危險;致災度為0.45,屬于中度致災;風險度為0.48,屬于中度風險。

設置水庫安全的可靠度為本次實驗風險評估指標,可靠度β計算公式為

(8)

式中:μR為水庫管理風險中抗力隨機因子R的均值;μS為水庫管理風險中荷載效應隨機因子S的均值;σR為抗力隨機因子R的標準差;σS為荷載效應隨機因子S的標準差。

根據上述的水庫管理風險綜合評價結果,構建應急管理風險區間判斷矩陣。基于水庫管理的分屬主體,設置各個主體對應的分項指標及其權重標準,獲取各個分項指標應急管理風險評估指標的權重,對標準權重進行對比,并結合專家打分的方式,對各個分項指標評估結果的權重值進行打分,獲取最終小型水庫應急管理風險評估結果。

將該水庫數據輸入至MATLAB 2016a仿真平臺中,模擬水庫發生應急事件。采用本文設計的基于BP神經網絡的應急管理風險評估方法與傳統的基于支持向量機的評估方法,對該水庫進行風險評估。對比兩種評估方法的指標權重與專家打分結果,結果分別如表3,4所示。

表3 兩種風險評估方法指標權重對比Tab.3 Comparison of index weights between two risk assessment methods %

表4 兩種風險評估方法專家打分結果對比Tab.4 Comparison of expert scoring results between two risk assessment methods %

根據表3,4的結果可知,在兩種水庫應急管理風險評估方法中,與傳統評估方法相比,本文提出的基于BP算法的水庫風險評估方法得出的水質風險、水量風險、應急風險主體的各個分項指標權重結果均更加接近標準權重,且專家打分結果較高,均在95.61%以上。

4 結 語

為了有效降低現階段中國小型水庫應急管理中存在的風險,本文在傳統水庫風險評估方法的基礎上,結合BP算法,針對小型水庫提出了全新的應急管理風險評估方法。實例驗證表明,該方法能在一定程度上提升小型水庫風險識別與風險評估的準確性,評估結果較為準確。該方法可為及時制定水庫應急管理風險解決方案與措施提供依據,保障了小型水庫運行的安全。

本文方法還存在選取分項指標不夠細化的不足,應考慮增加更多的評估指標內容。在接下來的研究中,應不斷完善風險評估的指標,詳細分析人類活動對水庫安全的影響,盡力克服水庫風險評價時的數據采集難度,使評估結果能為水利工程災害防治提供更多技術性支持。