水位站點相關性分析和輔助預警策略研究

涂 杰，周保紅，洪福鑫，劉 帥，張玉松，楊錦輝，劉道君，楊 旭

（中國長江電力股份有限公司三峽水利樞紐梯級調度通信中心， 湖北 宜昌 443002）

2022 年汛期，長江流域來水出現(xiàn)明顯偏枯現(xiàn)象，中下游干流8 月出現(xiàn)百年一遇嚴重枯水，給地區(qū)經(jīng)濟發(fā)展、生活帶來嚴重影響[1]。這一“汛期反枯”的嚴重現(xiàn)象警醒人們，提高水位測量精準性并快速采取應對措施，對于確保汛期防控以及抗旱用水調度決策至關重要。水位站對地區(qū)水位的準確測量，并應用數(shù)據(jù)監(jiān)測預警系統(tǒng)對業(yè)務和管理人員及時上報和處置險情有重大意義[2，3]。在此背景下，深化研究關鍵水位站點間水位相關性聯(lián)系和水位輔助預警方法，對于保障流域水庫防洪、提高水文預報精度和調度決策水平具有重要價值。

保障水文預報精度的關鍵技術之一是提高測量精度并制定可靠的數(shù)據(jù)預警方法。近年來，一些學者也曾在這方面開展過一些研究。如在科技設備方面改進水庫水位測量方法，有運用PPK 技術（載波相位差分定位）進行高精度測量、智能全站儀輔助測量水位或利用ARM 處理器與圖像處理技術計算水位線高度等，在判斷水位數(shù)據(jù)異常后產(chǎn)生預警，提高了測量精度[4-9]。雖然這些研究在技術設備上創(chuàng)新改進，但均未深化研究水位站間水位相關性聯(lián)系，缺乏流域水位規(guī)律性提煉，且未考慮自然環(huán)境對設備的影響以及預警策略測試時間不充足等問題。

上述傳統(tǒng)方法大多數(shù)從科學技術、改進水位測量設備方面來提高水位站點測量準確性，并未深入研究水位數(shù)據(jù)本身和應用實際案例驗證。為解決傳統(tǒng)方法在水位測量裝置、外界因素引發(fā)的少量異常數(shù)據(jù)入庫問題，提高水位數(shù)據(jù)測量質量，本文深化研究關鍵水位站點間水位相關性聯(lián)系和函數(shù)關系。利用大數(shù)據(jù)集算法最大信息系數(shù)分析相鄰站點的數(shù)據(jù)相關性，提煉流域水位規(guī)律；利用神經(jīng)網(wǎng)絡算法得出相鄰站點間水位函數(shù)關系，并制定水位測量輔助預警策略。結果表明，將輔助預警策略應用在水調系統(tǒng)報警平臺，經(jīng)過半年多的應用測試，完全符合長江電力業(yè)務需要，有效提高數(shù)據(jù)測量質量和水文預報精度。

1 水調系統(tǒng)報警平臺業(yè)務原理

如圖1 所示，水調系統(tǒng)報警平臺由水位數(shù)據(jù)傳輸和報警平臺兩模塊構成[2，10]。其業(yè)務原理為：長江干流各水位站水位傳感器將測得的數(shù)據(jù)以每5 min 1 次傳送給數(shù)據(jù)采集器采集，并通過VHF（甚高頻通信系統(tǒng)）、GSM（全球移動通信系統(tǒng)）或北斗通信傳輸?shù)街行恼荆馕龊蟠嫒霐?shù)據(jù)庫中。本研究運用最大信息系數(shù)MIC 算法分析水位數(shù)據(jù)相關性，通過神經(jīng)網(wǎng)絡求得相鄰站點擬合函數(shù)并制定輔助預警策略，應用于現(xiàn)有水調系統(tǒng)報警平臺中，即在報警平臺加入相鄰站點水位預警模塊。最后，以短信、語音形式報送預警信息至運維人員。

圖1 數(shù)據(jù)預警平臺總體設計

2 大數(shù)據(jù)集算法-最大信息系數(shù)MIC 和神經(jīng)網(wǎng)絡

本文研究中，需應用到大數(shù)據(jù)集算法對典型站點水位進行相關性分析并得出站點間擬合函數(shù)關系式。查閱相關文獻資料[11-17]，比較皮爾遜相關系數(shù)、斯皮爾曼系數(shù)和神經(jīng)網(wǎng)絡等算法，綜合考慮廣泛性、公平性、魯棒性等指標，選擇MIC 最大信息系數(shù)用于水位數(shù)據(jù)相關性分析[14]和神經(jīng)網(wǎng)絡算法求取站點間擬合函數(shù)[13-16]。上述算法確定后，本文進一步研究思路為：選取關鍵水位站奉節(jié)站（109.51°，31.04°）、巫山站（109.52°，31.04°）和巴東站（110.41°，31.02°）為研究對象，整理站點近5 年的歷史水位數(shù)據(jù)，結合不同時期水流、水位變化特征，分汛期和非汛期展開研究；應用MIC 算法分析奉節(jié)-巫山、奉節(jié)-巴東水位相關性規(guī)律，并將站點水位定義為變量數(shù)組，應用神經(jīng)網(wǎng)絡求得相鄰站點水位擬合函數(shù)關系；最后，制定水位輔助預警策略，應用在已有的三峽梯調水調系統(tǒng)報警平臺中。

3 水位相關性分析

選取奉節(jié)站、巫山站和巴東站作為典型站點，整理3 站點近5 年歷史水位數(shù)據(jù)，并定義奉節(jié)站水位數(shù)據(jù)為數(shù)組變量x，巫山站和巴東站水位數(shù)據(jù)分別定義為一次數(shù)組變量y，展開研究。

3.1 奉節(jié)-巫山站水位相關性分析和擬合函數(shù)求解

（1）汛期

根據(jù)三峽梯調中心調度指令，將每年4～10月作為來水汛期，整理奉節(jié)和巫山水位站近5 年（2016～2021 年）汛期歷史水位數(shù)據(jù)，近67 萬余條。定義奉節(jié)站水位數(shù)組為變量x，巫山站水位數(shù)組為變量y，導入至算法程序中，得到兩站點水位數(shù)據(jù)散點圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫出擬合曲線，如圖2 所示。

圖2 奉節(jié)-巫山汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.987 504 080

擬合函數(shù)參數(shù)為W=0.999 6，b=-0.048 2，

擬合函數(shù)為y=0.999 6x-0.048 2

由圖2 可知，奉節(jié)-巫山兩水位站數(shù)據(jù)分布較為規(guī)律，呈線性相關，巫山站水位值隨著奉節(jié)站水位增大而增大。此外，在圖中有兩處過大偏離點集（1 和2），可初步判斷該點集處為歷史水位測量異常。根據(jù)散點圖分布和MIC 值大小可知，汛期奉節(jié)站水位和巫山站水位有極強的相關性。結合擬合函數(shù)和擬合曲線，也可看出奉節(jié)-巫山站水位數(shù)據(jù)有著近似一次函數(shù)關系。

（2）非汛期

將每年11～次年3 月作為來水非汛期，整理奉節(jié)和巫山水位站近5 年（2016～2021 年）非汛期歷史水位數(shù)據(jù)，近46 萬余條。定義奉節(jié)站水位數(shù)組為變量x，巫山站水位數(shù)組為變量y，同理導入至算法程序中，得到兩站點水位數(shù)據(jù)散點圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫出擬合曲線，如圖3 所示。

圖3 奉節(jié)-巫山非汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.997 302 767

擬合函數(shù)參數(shù)為W=0.999 7，b=0.006 1，

擬合函數(shù)為y=0.999 7x+0.006 1

由圖3 可知，奉節(jié)-巫山兩水位站數(shù)據(jù)同樣分布規(guī)律，較明顯呈線性相關，巫山站水位值隨著奉節(jié)站水位增大而增大。根據(jù)散點圖分布和MIC 值大小可知，非汛期奉節(jié)站水位和巫山站水位有極強的相關性。同樣，結合擬合函數(shù)和擬合曲線，可看出奉節(jié)-巫山站水位數(shù)據(jù)有著近似一次函數(shù)關系。

3.2 奉節(jié)站-巴東站水位相關性分析和擬合函數(shù)求解

（1）汛期

同3.1 小節(jié)奉節(jié)-巫山站類似研究，整理奉節(jié)和巴東水位站近5 年（2016～2021 年）汛期歷史水位數(shù)據(jù)，近67 萬余條。定義奉節(jié)站水位數(shù)組為變量x，巴東站水位數(shù)組為變量y，導入至算法程序中，得到兩站點水位數(shù)據(jù)散點圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫出擬合曲線，如圖4 所示。

圖4 奉節(jié)-巴東汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.949 897 455

擬合函數(shù)參數(shù)為W=0.998 9，b=-0.424 7，

擬合函數(shù)為y=0.998 9x-0.424 7

由圖4 可知，奉節(jié)-巴東兩水位站數(shù)據(jù)分布較為規(guī)律，呈線性相關，巴東站水位值隨著奉節(jié)站水位增大而增大。根據(jù)散點圖分布和MIC 值大小可知，汛期奉節(jié)站水位和巴東站水位有較強的相關性，但相較奉節(jié)-巫山站相關性明顯較弱，可推斷隨著流域距離增大，不同站點間的水位相關性也會受影響。結合擬合函數(shù)和擬合曲線，可看出奉節(jié)-巴東站水位數(shù)據(jù)有著近似一次函數(shù)關系。

（2）非汛期

同上，整理奉節(jié)和巴東水位站近5 年（2016～2021年）非汛期歷史水位數(shù)據(jù)，近46 萬余條。定義奉節(jié)站水位數(shù)組為變量x，巴東站水位數(shù)組為變量y，同理導入至算法程序中，得到兩站點水位數(shù)據(jù)散點圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫出擬合曲線，如圖5 所示。

圖5 奉節(jié)-巴東非汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.995 127 190

擬合函數(shù)參數(shù)為W=0.999 9，b=0.025 5，

擬合函數(shù)為y=0.999 9x+0.025 5

由圖5 可知，奉節(jié)-巴東兩水位站數(shù)據(jù)分布規(guī)律，較明顯呈線性相關，巴東站水位值隨著奉節(jié)站水位增大而增大。根據(jù)散點圖分布和MIC值大小可知，非汛期奉節(jié)站水位和巴東站水位有極強的相關性，與3.1 小節(jié)中奉節(jié)-巫山相似，可推斷非汛期隨著流域距離的增大，不同站點之間的數(shù)據(jù)相關性受影響較小，其主要原因與該時期來水量變化較小有關。結合擬合函數(shù)和擬合曲線，可看出奉節(jié)-巴東站水位數(shù)據(jù)有著近似一次函數(shù)關系。

由上述奉節(jié)-巫山站和奉節(jié)-巴東站相關性分析，對應相關性規(guī)律如表1 所示。

表1 不同水位站相關性分析

根據(jù)表1 結果：以奉節(jié)站水位為基準，分析巫山站和巴東站與其水位相關性規(guī)律。汛期：隨著流域距離增大，最大信息系數(shù)MIC 值在減小，這說明隨著流域距離增大和汛期來水量急，影響水流變化因素增多，對站點間水位數(shù)據(jù)相關性影響也較大；非汛期：隨著流域距離的增大，最大信息系數(shù)MIC 減少較小，這說明隨著流域距離增大和非汛期來水量緩和，影響水流變化因素較汛期少，對站點間水位數(shù)據(jù)相關性影響也較小。

4 水位測量輔助預警策略

水位數(shù)據(jù)傳輸業(yè)務流程：水位站將測量水位傳送至中心站采集，并實時存入水調系統(tǒng)數(shù)據(jù)庫中[2，10，17]；遙測人員每周對水位站巡檢1～2 次，抽查測量、人工校驗數(shù)據(jù)誤差等工作。通過查看水調系統(tǒng)數(shù)據(jù)庫中水位信息，在系統(tǒng)報警平臺用SQL 語言編寫預警策略，當實時存入數(shù)據(jù)庫水位值超出裕度范圍[±10 cm]時（結合實際業(yè)務需求，經(jīng)技術人員研討后設置的輔助校驗值），報警平臺自動給運維人員發(fā)送水位預警短信和值班語音預警提示，具體水位輔助預警策略如下：

定義寫入數(shù)據(jù)庫中實測水位值為y_zx，經(jīng)擬合函數(shù)計算理論值為y_mat，當|y_zx-y_mat|誤差范圍在[±10 cm]內，不產(chǎn)生預警提示，無需遙測人員現(xiàn)場校驗；當|y_zx-y_mat|誤差范圍超過[±10 cm]范圍，水調系統(tǒng)報警平臺發(fā)出語音報警，同時以短信形式告知遙測人員；對于報警提示時長偏短時，可認為是外界環(huán)境影響該時刻水位測量偏大或小，如落石、行船等，此時遙測人員可不進入現(xiàn)場，采用擬合函數(shù)計算的校驗值來代替過大偏差值寫入；當報警提示時長較長時，遙測人員需進入現(xiàn)場查驗，根據(jù)實際情況采取措施；此外，當|y_zx-y_mat|在誤差范圍內，可適當減少人工現(xiàn)場巡檢的次數(shù)。具體水位測量輔助預警策略如圖6 所示。

圖6 水位測量輔助預警策略圖

在水調系統(tǒng)報警平臺配置輔助預警策略程序后，需驗證策略的有效性。實時測試巫山水位站4～9 月水位測量寫入數(shù)據(jù)庫情況，共產(chǎn)生報警6 次，均集中在9 月份，結果如圖7 所示。

圖7 水位測量輔助預警策略有效性驗證

由上圖7（a）水調系統(tǒng)報警平臺的水位報警提示，（b）數(shù)據(jù)庫4～9 月水位測量報警時間可知，經(jīng)過6 個月的水位預警實時測試，共計6 條水位報警提示，未出現(xiàn)頻繁報警或持續(xù)報警現(xiàn)象，初步判斷為外界因素導致的水位偏差。算例測試結果表明，相比傳統(tǒng)方式直接寫入數(shù)據(jù)庫，共計減少運維人員現(xiàn)場巡檢20 余次，減少異常數(shù)據(jù)入庫6 條，輔助預警策略不僅能有效提高數(shù)據(jù)測量質量，提高水文預報精度，也大大緩解了遙測人員現(xiàn)場巡檢次數(shù)，提高人工巡檢效率。

5 結語

本文提出了一種長江干流關鍵水位站點相關性分析和輔助預警策略，通過理論研究和算例分析驗證得出如下結論。

（1）分析奉節(jié)站與巫山、巴東水位站水位數(shù)據(jù)相關性，在汛期，隨著流域距離的增大，最大信息系數(shù)MIC 值明顯減小；非汛期，隨著流域距離的增大，MIC 值略微減小。這說明汛期隨著流域距離增大和來水量急，影響水流變化因素增多，對站點間水位數(shù)據(jù)相關性影響也較大；非汛期隨著流域距離增大和來水量緩和，影響水流變化因素較汛期少，對站點間水位數(shù)據(jù)相關性影響也較小。

（2）通過制定了一套水位測量輔助預警策略并應用于現(xiàn)有水調系統(tǒng)報警平臺中，經(jīng)過6 個多月的業(yè)務測試，所提策略不僅能有效提高數(shù)據(jù)測量質量和水文預報精度，還能減少遙測人員現(xiàn)場巡檢次數(shù)，提高水位測量效率。