吳占華

(凌源市水土保持局，遼寧 朝陽 122500)

1 工程簡介

白石水庫始建于2009年，壩址位于遼寧省北票市大凌河干流上，是一座以供水為主，兼具發(fā)電、旅游、養(yǎng)殖的大型水利樞紐工程[1]。水庫控制流域面積17649km2，占大凌河流域面積的76%，水庫正常蓄水位為126m，總庫容為16.45億m3。水庫建成后可以使下游地區(qū)的防洪標(biāo)準(zhǔn)由原來的20a一遇提高到50a一遇，同時(shí)每年可以向下游的阜新和錦州等城市提供生產(chǎn)生活用水2億m3。白石水庫的防洪設(shè)計(jì)標(biāo)準(zhǔn)為100a一遇，下瀉流量為2675m3/s，校核標(biāo)準(zhǔn)為1 000a一遇，下瀉流量為3814m3/s。白石水庫所在的大凌河流域?qū)儆诤疁貛Т箨懶詺夂?，降雨的年際變化較大，最大年降雨量為1053mm，最小年降雨量為345mm；夏季降雨較多，其中7、8兩月的降雨量占全年的4成左右。大凌河是遼寧省西部的第一大河流，流經(jīng)遼寧省朝陽市5縣1市2區(qū)，在錦縣東南注入遼東灣。大凌河全長397.2km，流域面積2.35萬km2，平年均徑流量約16.67億m3[2]。流域內(nèi)年平均降雨量450-610mm，降雨多集中于7、8兩月，同時(shí)，河流的上中游氣候干旱，多荒山丘陵，水土流失比較嚴(yán)重。因此，大凌河含沙量可達(dá)57kg/m3，屬于高含沙河流。因此，加強(qiáng)白石水庫水沙聯(lián)合調(diào)度具有重要的理論意義和實(shí)踐價(jià)值，可以為水庫水沙調(diào)度風(fēng)險(xiǎn)管理提供依據(jù)。

2 基于長歷時(shí)互相關(guān)性的水沙預(yù)測模型

2.1 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是由Rinehart和McClelland提出的，按照誤差逆?zhèn)鞑ニ惴ㄟM(jìn)行訓(xùn)練的多層前饋網(wǎng)絡(luò)，是人工神經(jīng)網(wǎng)絡(luò)體系中的精華部分。由于BP神經(jīng)網(wǎng)絡(luò)具有十分強(qiáng)大的運(yùn)算能力，因此在理論研究和實(shí)踐中均獲得十分廣泛的應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)可以分為輸入層(input)、隱層(hide layer)和輸出層(output layer)三層。雖然BP神經(jīng)網(wǎng)絡(luò)是一種精確、快速的預(yù)測模型，但是也存在一些缺點(diǎn)，主要是學(xué)習(xí)過程中沒有能力解釋自己的推理過程，同時(shí)過擬合現(xiàn)象，影響研究成果的實(shí)際應(yīng)用價(jià)值[3]。鑒于BP神經(jīng)網(wǎng)絡(luò)的上述缺陷，近年來提出了名為Dropout 的方法，可以有效解決過擬合問題。其基本原理是在訓(xùn)練迭代過程中Dropout可以隨機(jī)選擇幾個(gè)節(jié)點(diǎn)進(jìn)行“凍結(jié)”處理，并在下一次迭代過程中作為輸入值，基本Dropout 方法將節(jié)點(diǎn)凍結(jié)率設(shè)定在了50%。這種方式不僅可以保證每次迭代過程的變化，同時(shí)又可以保留基本結(jié)構(gòu)特征，進(jìn)而避免過擬合情況。在本次研究中，將改進(jìn)BP神經(jīng)網(wǎng)絡(luò)用于水沙預(yù)測模型的構(gòu)建。對于預(yù)測結(jié)果，研究中采用NSE(納什效率系數(shù))作為水沙預(yù)測精度標(biāo)準(zhǔn)，其計(jì)算公式如下：

(1)

2.2 長歷時(shí)互相關(guān)性在預(yù)測模型中的應(yīng)用

建立起基于BP神經(jīng)網(wǎng)的白石水庫入庫徑流量預(yù)測模型，并以2016年5月-2016年10月的歷史數(shù)據(jù)輸入模型。在以前n天的數(shù)據(jù)輸入時(shí)，可以獲得模型的NSE值與n之間的關(guān)系，結(jié)果顯示，NSE值隨著n值的增大而增大，并在n=7時(shí)達(dá)到最大，為0.7054，之后逐步減小。因此，雖然入庫徑流量具有長歷時(shí)相關(guān)特征，但是超過7d的數(shù)據(jù)對提高預(yù)測精度不利，因此預(yù)測模型最好輸入前7d的歷史數(shù)據(jù)。同樣，建立起基于BP神經(jīng)網(wǎng)的白石水庫入庫徑流含沙量預(yù)測模型，并以2016年10月的歷史數(shù)據(jù)輸入模型。在以前n天的數(shù)據(jù)輸入時(shí)，可以獲得模型的NSE值與n之間的關(guān)系，結(jié)果顯示，NSE值隨著n值的變化特征與徑流量預(yù)測模型類似，在n=4時(shí)達(dá)到最大，為0.6643，因此含沙量預(yù)測模型最好輸入前4d的歷史數(shù)據(jù)。

2.3 建立基于長歷時(shí)互相關(guān)性的水沙預(yù)測模型

相關(guān)研究成果顯示，水沙序列之間具有長歷時(shí)互相關(guān)性，也就是河流的徑流序列以及含沙序列不僅在長歷時(shí)過程中具有對自身的當(dāng)前與未來的長期記憶，相互之間也具有顯著的影響。所以，過去的徑流量與含沙量歷史過程，對未來的含沙量和徑流量模擬均具有較好的參考價(jià)值。因此，在徑流量的預(yù)測模型中，可以將含沙量作為重要的輸入因子，利用兩者之間的長歷時(shí)互相關(guān)性提高模型的預(yù)測精度，對含沙量預(yù)測模型也是如此。

根據(jù)前文獲得的最佳n值，將其涵蓋范圍內(nèi)的歷史數(shù)據(jù)作為模型的輸入因子進(jìn)行預(yù)測，獲得如表1所示的徑流量與含沙量預(yù)測結(jié)果的NSE值。由表中結(jié)果可知，在加入另一變量后，徑流量和含沙量預(yù)測模型的NSE值均有所提升，說明基于長歷時(shí)互相關(guān)性的模型具有更好的預(yù)測效果。

表1 基于長歷時(shí)互相關(guān)性的預(yù)測模型NSE值

根據(jù)表1中顯示的最好預(yù)測模型，也就是前3天的徑流量和前4天的含沙量，構(gòu)建水沙預(yù)測模型，并利用Levenberg-Marquardt 法進(jìn)行訓(xùn)練，在訓(xùn)練10000次之后的預(yù)測結(jié)果如圖1和表2所示。結(jié)果顯示，基于互相關(guān)性的模型預(yù)測結(jié)果與實(shí)際結(jié)果的擬合度更高，而模型的合格率由不考慮互相關(guān)性模型的74.3%提高到 86.2%，NSE值也由0.6742 提高到 0.8321，具有更高的可信度。

圖1 含沙量預(yù)測模型預(yù)測效果對比

預(yù)測模型考慮互相關(guān)性不考慮互相關(guān)性誤差/%9.8713.74合格率/%86.274.3NSE值0.83210.6742

3 白石水庫水沙預(yù)測及適應(yīng)性調(diào)度策略

3.1 庫區(qū)沖淤模型變量關(guān)系

利用上節(jié)構(gòu)建的基于長歷時(shí)互相關(guān)性的白石水庫水沙預(yù)測模型以及郭維東等關(guān)于白石水庫洪水過程泥沙沖淤數(shù)值模擬分析的相關(guān)研究成果，對白石水庫在不同水位、流量條件下的庫區(qū)一日內(nèi)淤積情況進(jìn)行模擬研究，獲得各個(gè)變量之間存在的如下規(guī)律：

1)當(dāng)白石水庫庫區(qū)水位低于118.0m時(shí)，主要表現(xiàn)為沖刷，并且沖刷量會(huì)隨著流量的增大而增大；當(dāng)庫水位高于118.0m時(shí)，庫區(qū)主要表現(xiàn)為淤積，并且淤積量會(huì)隨著流量的增大而增大[4]。

2)當(dāng)入庫流量>1250m3/s時(shí)，如果庫水位低于118.0m，可以通過增大下瀉流量至850m3/s避免庫區(qū)淤積；如果庫水位高于120.0m，無論如何調(diào)整下瀉流量，均會(huì)產(chǎn)生比較嚴(yán)重的淤積。因此，如果入庫流量較大，應(yīng)該適當(dāng)降低庫水位。

3) 當(dāng)入庫流量>850m3/s時(shí)，無論以何種水位運(yùn)行，均不會(huì)產(chǎn)生比較嚴(yán)重的淤積。從提高水庫效益出發(fā)，可以保持高水位運(yùn)行。

4)如果庫水位低于115.0m，當(dāng)下瀉流量>1250m3/s時(shí)，可以獲得良好的沖沙效果。

3.2 白石水庫適應(yīng)性調(diào)度策略

根據(jù)上文研究獲得的基于長歷時(shí)互相關(guān)性水沙預(yù)測模型以及庫區(qū)一日沖淤變量關(guān)系，文章在一年內(nèi)的月、旬時(shí)間尺度下提出具體的適應(yīng)性調(diào)度策略：

1)大凌河在每年的3月中旬開始進(jìn)入春汛期，徑流量明顯增大但是含沙量較小，從4月上旬開始，徑流量明顯減小但是含沙量增大。總體來看，這一時(shí)期徑流量不大且含沙量低，提高庫水位不會(huì)造成水庫嚴(yán)重淤積，可以保持高水位運(yùn)行提高水庫的效益。

2)4月至6月白水水庫的入庫徑流量較小，此時(shí)的水位高低與庫區(qū)淤積關(guān)系不大，因此可保持高水位運(yùn)行。在保證水庫水位的條件下，可以視上游來水情況適當(dāng)加大下瀉流量，保持下游河道的良好生態(tài)環(huán)境。

3)7月至8月為大凌河的主汛期，流域內(nèi)多短時(shí)強(qiáng)降雨，入庫流量的波動(dòng)性較大，且伴隨著高含沙水流。因此，當(dāng)出現(xiàn)>1250m3/s的入庫流量時(shí)，建議降低庫水位防止庫區(qū)產(chǎn)生比較嚴(yán)重的淤積；如果此時(shí)恰好處于沖沙水位，則應(yīng)當(dāng)將下瀉流量加大至1250m3/s以上，以便達(dá)到良好的沖沙效果。

4)白石水庫在8月下旬開始流量逐步減小，流量不會(huì)>1250m3/s。同時(shí)，8月下旬至10月上旬屬于汛末階段，應(yīng)當(dāng)在保證下游生態(tài)流量的前提下積極抬高庫水位蓄水，以最大限度發(fā)揮水庫的綜合效益。

4 結(jié) 論

水沙預(yù)測是水庫調(diào)度研究的重要的內(nèi)容，精準(zhǔn)度高的水沙預(yù)測模型對提高水庫調(diào)度的科學(xué)性，提升水庫綜合效益具有重要價(jià)值。文章以遼寧省白石水庫為例，利用BP神經(jīng)網(wǎng)絡(luò)建立起基于長歷時(shí)互相關(guān)性的水沙預(yù)測模型，進(jìn)行了白石水庫水沙預(yù)測及適應(yīng)性調(diào)度策略研究，并獲得如下主要結(jié)論：

1)將徑流量7d、含沙量4d作為輸入因子可以提高各自預(yù)測模型的預(yù)測精度，超過這一范圍預(yù)測精度反而會(huì)降低。

2) 在徑流量的預(yù)測模型中，可以將含沙量作為重要的輸入因子，利用兩者之間的長歷時(shí)互相關(guān)性提高模型的預(yù)測精度，對含沙量預(yù)測模型也是如此，徑流量和含沙量預(yù)測模型的NSE值計(jì)算結(jié)果也印證了上述結(jié)論。

3)以長歷時(shí)互相關(guān)性水沙預(yù)測模型為支持，獲取白石水庫一日水沙信息和庫區(qū)沖淤模型變量關(guān)系，并以此為指導(dǎo)提出相應(yīng)的適應(yīng)性調(diào)度策略。