劉煒 趙麗霞 趙淑饒 趙晶

摘 要：在水文站洪水期流量測驗中，受風(fēng)浪和漂浮物的影響以及設(shè)施設(shè)備的限制，斷面測量是一直以來的難點。傳統(tǒng)的斷面鄰近借用法在斷面發(fā)生較大沖淤變化時會造成較大的流量計算誤差。根據(jù)水深與流速之間存在的相關(guān)性，使用隨機森林算法，以流速分布、水位、河寬等作為輸入?yún)?shù)建立斷面形態(tài)預(yù)測模型，對吳堡站測流斷面形態(tài)進行了預(yù)測。結(jié)果表明：使用基于隨機森林算法的斷面形態(tài)預(yù)測模型來確定測流斷面形態(tài)是對傳統(tǒng)的斷面鄰近借用法的有力補充：吳堡站流量在3 000 m3/s以上測次的流量預(yù)測標準差為13%，大于規(guī)范標準，模型仍需改進。建議從兩方面來提高斷面形態(tài)預(yù)測的準確性：一是增加特征垂線實測水深等附加參數(shù)：二是從斷面變化角度出發(fā)分析斷面沖淤與水沙過程的關(guān)系，進而找到更多的影響因子加入回歸模型。

關(guān)鍵詞：隨機森林算法：形態(tài)預(yù)測：測流斷面：吳堡站

中圖分類號：P333：TV882.1

文獻標志碼：A

doi： 10.3969/j.issn.1000-1379.2018.06.003

流量是反映江河湖庫水量變化的基本資料。實測流量時，應(yīng)根據(jù)測流設(shè)施設(shè)備實際情況，在保證測驗精度的前提下，因地制宜地采用合適的測流方法。對于水文測站，當(dāng)遇大洪水或急漲急落的小洪水時，由于洪水來勢兇猛，漂浮物較多，因此全面實測水深、流速的難度較大，此時可以依據(jù)有關(guān)規(guī)范采用水面流速法測流，其形式包括傳統(tǒng)的浮標法測流[1]以及近年來出現(xiàn)的微波流速儀、雷達槍等非接觸手段。對于水面流速，高洪期間的過流斷面測速傳統(tǒng)上采用借用方法，即按照“峰前借峰前，峰后借峰后，鄰近借用”的原則進行估算。借用斷面的形態(tài)是否合理是影響高洪流量測驗精度的關(guān)鍵因素。提高斷面形態(tài)的預(yù)測精度，能有效提高洪水過程的測驗質(zhì)量和報汛精度。

近年來，人T神經(jīng)網(wǎng)絡(luò)[2-3]、小波神經(jīng)網(wǎng)絡(luò)模型[4-5]和支持向量機[6-7]等機器學(xué)習(xí)算法被廣泛應(yīng)用于水文預(yù)報中。河寬、水深、流速等因素相互作用，共同影響了測驗斷面的基本形態(tài)，且水深、流速的相關(guān)性較高，本文以吳堡水文站為例，采用隨機森林算法構(gòu)建了斷面形態(tài)預(yù)測模型。

1 隨機森林斷面形態(tài)預(yù)測模型

1.1 隨機森林算法

隨機森林算法[5]是機器學(xué)習(xí)算法的一種，其適應(yīng)性較強，可用于解決非線性回歸問題。決策樹是隨機森林算法的基礎(chǔ)分類器，其構(gòu)造由一個獨立同分布的隨機向量決定。如果將決策樹看成分類任務(wù)中的一個專家，那么隨機森林算法是許多專家在一起對某種任務(wù)進行分類。隨機森林算法是由多個決策樹組成的分類器，輸入向量的最終所屬類別由算法中所有的決策樹投票決定。決策樹通過對參數(shù)數(shù)值（白變量）進行不斷劃分來確定因變量數(shù)值，從而建立自變量一因變量映射關(guān)系。在每“棵”決策樹的構(gòu)造過程中，其分支處參數(shù)的選擇和劃分都是隨機的，因此得到的因變量數(shù)值也具有一定隨機性。在隨機森林算法中，當(dāng)決策樹數(shù)目很大時遵循大數(shù)定律，隨機森林算法不會隨著分類樹的增加出現(xiàn)過度擬合，但有一個有限的泛化誤差值。

隨機森林算法應(yīng)用廣泛，在水文氣象方面，也有基于隨機森林算法的暴雨洪水預(yù)報等模型。本文是隨機森林算法應(yīng)用于洪水期流量測驗斷面預(yù)測的一次初步嘗試。

1.2 模型構(gòu)建和參數(shù)選擇

本文使用scikit -learn算法集合中的Random Forest類建立斷面形態(tài)預(yù)測模型，依據(jù)隨機森林算法在解決非線性問題及其在決策樹構(gòu)建和綜合過程中對數(shù)據(jù)特征識別方面的優(yōu)勢，將其作為模型的核心算法。模型總體上包括數(shù)據(jù)集劃分、模型訓(xùn)練、模型測試和檢驗指標計算等組成部分，見圖1。

模型訓(xùn)練是指將訓(xùn)練集合中的選定參數(shù)作為自變量、目標函數(shù)的實測值（垂線水深）作為因變量輸入模型并建立斷面形態(tài)預(yù)測模型的過程。本文根據(jù)隨機互斥原則，將數(shù)據(jù)集按照85：15的比例劃分為訓(xùn)練集和測試集。在模型測試階段，將測試集中的選定參數(shù)輸入模型，模型輸出目標函數(shù)預(yù)測值。模型檢驗針對測試集目標函數(shù)的實測值及其預(yù)測值進行，具體而言就是以實測水深來檢驗預(yù)測水深的準確度。采用均方誤差（MSE）和決定系數(shù)（R2）兩個經(jīng)典檢驗指標進行準確度判斷：式中：y_i為水深預(yù)測值；y_i為水深實測值；y為平均水深。

在斷面形態(tài)預(yù)測模型中，預(yù)測因子是白變量，斷面形態(tài)是因變量。模型預(yù)測因子的挑選采用逐步篩選法，對于所有的檢驗樣本，隨機打亂某一白變量取值，再用模型對樣本進行測試，擬合誤差越大，說明該解釋變量越重要。隨機森林模型通過R代碼（ RF.impor-tances）給出了每個白變量對因變量作用的重要性的計算命令，計算得出的各自變量重要性之和為1，計算值越大表示該變量越重要，在解釋變量重要性的基礎(chǔ)上，采用隨機森林算法的回歸功能進行斷面形態(tài)預(yù)測。

2 實例應(yīng)用

2.1 吳堡水文站概況

吳堡水文站于1935年建站，是國家重要水文站、黃河重點報汛站、大河干流控制站，位于陜西省吳堡縣宋家川鎮(zhèn)柏樹坪村，距河口站距離為1544 km，集水面積為433 514 km2。吳堡站測驗河段基本順直，河勢穩(wěn)定，主流偏有。流向與斷面基本垂直?；希ɑ鶞蕯嗝嫔嫌危? 300 m有急彎，基下230 m右岸有一小支溝，流域面積約為30 km2，最大山洪流量為200 m3/s。主槽較穩(wěn)定，主流一般在起點距320 m左有，大水時略向有岸移動。下游小支溝漲水時，若黃河干流流量小于1 000 m3/s，則對水面比降有一定影響，大于1000 m3/s時沒有影響。

本文選取吳堡站1953-2012年流量大于1 000m3/s的1 237次實測斷面流量測次（垂線20 855條）作為數(shù)據(jù)全集，使用全集中的85%（1 051個測次，垂線17 700條）作為訓(xùn)練集，用于模擬訓(xùn)練，構(gòu)造隨機森林模型：其他15%（186個測次，垂線3 155條）作為測試集，用來對模型進行檢驗和評估。訓(xùn)練集和測試集采用隨機分配的方法進行劃分。

2.2 斷面形態(tài)預(yù)測因子的選取

斷面形態(tài)預(yù)測模型的回歸目標是由垂線水深構(gòu)成的斷面形態(tài)。斷面形態(tài)與水沙量級有關(guān)，水位可以作為其代表，由于斷面形態(tài)與流速分布存在相關(guān)性，因此選擇水位、垂線起點距、垂線平均流速作為首選參數(shù)。又因為斷面形態(tài)預(yù)測中影響這3個參數(shù)的因子有很多，所以從流速分布（起點距一流速數(shù)組）中提取左岸水邊起點距、右岸水邊起點距、垂線最大流速3個特征值作為模型的待選參數(shù)，其中前兩個值代表了斷面橫向的位置和河寬，后一個值兼顧表征水沙量級和流速極值特征。

模型預(yù)測因子挑選采用逐步篩選法。本文以不同起點距位置的垂線平均流速作為初選預(yù)測因子，將對應(yīng)起點距位置的測次垂線水深作為預(yù)測對象，輸入逐步篩選程序，并設(shè)置F檢驗的顯著性水平α= 0.1，以垂線流速分布、水位、垂線最大流速、過水?dāng)嗝嫫瘘c距范圍等為參數(shù)，采用隨機森林算法建立回歸模型，預(yù)測各起點距對應(yīng)的水深，根據(jù)均方誤差和決定系數(shù)判斷回歸性能，篩選出合適的參數(shù)組合。不同參數(shù)組合的檢驗結(jié)果見表1。

由表1可知，參數(shù)組合編號為119的均方差最?。?.29），決定系數(shù)最大（0.88），所以最終確定模型的6個參數(shù)為水位、左岸水邊起點距、右岸水邊起點距、垂線最大流速、起點距、垂線平均流速，其中各參數(shù)的敏感度見圖2，可知垂線平均流速在所有參數(shù)中最敏感，其余依次分別為水位、起點距、右岸水邊起點距、左岸水邊起點距和垂線最大流速。

2.3 預(yù)測結(jié)果及誤差分析

預(yù)測斷面形態(tài)的目的是進行流量計算，因而本文中斷面形態(tài)預(yù)測模型的檢驗評估分為斷面形態(tài)、流量兩個方面。

2.3.1 斷面形態(tài)

圖3為2012年9月13日9：00斷面形態(tài)預(yù)測結(jié)果。以斷面面積相對誤差作為衡量指標，其概率分布見圖4（E80、E60分別為80%、60%概率所對應(yīng)的最大相對誤差的絕對值，loc為誤差的平均值.std為標準差），由圖4可知回歸的斷面面積存在1%的系統(tǒng)偏差，相對標準差為14%，檢驗測次中80%的面積誤差小于16%，60%的面積誤差小于10%。

2.3.2 流量

流量誤差檢驗方面仍以相對標準差作為主要的評估指標，結(jié)果見表2。圖5、圖6分別為在測試集全集、流量大于3 000 m3/s的測次集合上使用模型進行斷面形態(tài)回歸所計算流量結(jié)果的相對誤差概率分布。

由圖6可知流量大于3 000m3/s時相對誤差絕對值大都在10%以內(nèi)，由圖7可知相對誤差有隨著流量增大而減小的趨勢，這說明模型對高洪條件有較好的適應(yīng)性。

從模型在測試集上的回歸結(jié)果中隨機抽取10個3 000 m3/s以上流量測次，預(yù)測斷面面積與實測斷面面積、預(yù)測流量與整編流量的比較見表3。

3 結(jié)語

（1）采用數(shù)學(xué)模型來確定測流斷面形態(tài)是對傳統(tǒng)的鄰近借用法的有力補充。得益于機器學(xué)習(xí)算法對歷史資料中數(shù)據(jù)特征的經(jīng)驗性識別，模型預(yù)測的斷面形態(tài)比簡單的鄰近借用法更有依據(jù)。

（2）對吳堡站流量在3 000 m3/s以上測次的斷面預(yù)測結(jié)果表明，流量計算的標準差為13%，大于流量測驗規(guī)范中浮標法測流標準差小于10%的標準。因此，從生產(chǎn)應(yīng)用角度出發(fā)，該模型仍需改進。

（3）斷面形態(tài)是水沙過程與河床相互作用的結(jié)果。根據(jù)目前有限的擴展研究，筆者認為斷面形態(tài)預(yù)測的改進途徑有兩種：一是增加特征垂線實測水深等附加參數(shù)：二是從斷面變化角度出發(fā)，分析斷面沖淤與水沙過程的關(guān)系，進而找到更多的影響因子加入回歸模型。

參考文獻：

[1]鄭建民，楊禎祥，鄭飛.洪水期浮標法測流應(yīng)用研究[J].東北水利水電，2016，22（2）：33-34.

[2] 袁曾任.人T神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用[M].北京：清華大學(xué)出版社.1999：26-41.

[3] KHOTANZAD A， ELRAGAL H， LU T L.Combination ofArtifal Neural Network Forecasters for Prediction of NaturalGas Consumption[J].IEEE， Transactions on Natural Net-work， 2000， 11（2）： 464-473.

[4] 陳哲，馮天瑾.小波神經(jīng)網(wǎng)絡(luò)研究進展及展望[J].青島海洋大學(xué)學(xué)報（白然科學(xué)版），1999，29（4）：663-668.

[5] 趙學(xué)智，鄒春華，陳統(tǒng)堅，等.小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J].華南理工丈學(xué)學(xué)報（白然科學(xué)版），2003，31

（2）：77-79.

[6] 李國正，王猛.支持向量機導(dǎo)論[M].北京：電子工業(yè)出版社，2005：33-48.

[7] 李紅蓮，王春花，袁保宗.一種改進的支持向量機NN-SVM[J].計算機學(xué)報，2003，26（8）：1叭5-1叭9.

[8]

BREIMAN L Random Fore.sts[J]. Machine Learning， 2001， 45（1）：5-32.