佟 強

(沈陽市遼中區(qū)農(nóng)業(yè)技術(shù)推廣與行政執(zhí)法中心，沈陽 110200)

0 引 言

為了解決水資源短缺問題，水資源管理制度得到嚴格落實，水資源監(jiān)測能力越來越受到重視。在水資源開發(fā)利用中，農(nóng)業(yè)灌溉是占比較大的一部分。做好農(nóng)業(yè)灌溉取水流量的測量計算[1]，掌握水量監(jiān)測數(shù)據(jù)，對水資源監(jiān)測具有重要的影響[2]。灌區(qū)取水流量在線監(jiān)測將水量信息提供給管理部門，管理部門根據(jù)灌溉用水總量數(shù)據(jù)，通過管理制度和專業(yè)人員分析，達到水資源的合理調(diào)配。這個過程中監(jiān)測方式的合理選擇，以及檢測技術(shù)的準確應(yīng)用，可以直接影響最終的取水流量數(shù)據(jù)計算結(jié)果。灌區(qū)取水流量在線監(jiān)測方法需要針對不同類型的灌區(qū)取水狀態(tài)，選擇不同的流量監(jiān)測方法[3]。目前，廣泛應(yīng)用的灌區(qū)取水流量在線監(jiān)測方法都存在一些弊端，如成本比較高、后期維護頻繁等。在測算過程中，傳統(tǒng)方法很容易受到渠道內(nèi)水草、泥沙等外界因素的干擾[4]，影響最終監(jiān)測數(shù)據(jù)測量精度。為了使灌區(qū)取水流量達到更好的監(jiān)測效果，實現(xiàn)灌區(qū)水資源的統(tǒng)一調(diào)度，所以取水流量值的計算是最為重要的環(huán)節(jié)之一。

本文以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，設(shè)計灌區(qū)取水流量在線監(jiān)測方法。利用傳感器采集灌區(qū)水位信息，以傳統(tǒng)水流量計算方案為基礎(chǔ)，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的計算模型，借助水位信息和計算模型得到灌區(qū)取水流量數(shù)據(jù)。通過水位值和流量軟測量模型獲取水流量監(jiān)測數(shù)據(jù)[5]，可以保證監(jiān)測過程中受到較小的干擾，穩(wěn)定可靠地實現(xiàn)灌區(qū)取水流量在線監(jiān)測工作[6]。

1 灌區(qū)取水流量在線監(jiān)測方法設(shè)計

1.1 采集灌區(qū)取水流量信息

文中設(shè)計的灌區(qū)取水流量在線監(jiān)測方法[7]，是以水位信息采集為基礎(chǔ)，結(jié)合現(xiàn)場RTU、遠程控制端共同完成。水流量監(jiān)測過程中，采用水位計讀取水位信息，并利用現(xiàn)場RTU接收水位值并對數(shù)據(jù)進行處理。文中設(shè)計將兩個水位計安裝在水流平穩(wěn)上下游渠道內(nèi)，并保證二者之間的距離為500 m左右。采用RS485總線實現(xiàn)上游水位計、現(xiàn)場RTU終端的數(shù)據(jù)傳遞。針對下游水位計和RTU終端的信息傳遞，選擇433 MHZ短距離通訊。具體的水位計數(shù)據(jù)傳輸過程見圖1。

圖1 水位計數(shù)據(jù)傳輸示意圖

由圖1可知，在灌區(qū)范圍內(nèi)，通常會安裝現(xiàn)場終端RTU，承擔著數(shù)據(jù)采集、信息傳遞的作用。水位計采集的數(shù)據(jù)通過現(xiàn)場終端RTU進行傳遞，所以數(shù)據(jù)的發(fā)送方式、數(shù)據(jù)通信、傳輸組網(wǎng)的應(yīng)用都會對最終監(jiān)測效果產(chǎn)生較大影響。由于灌區(qū)內(nèi)各種外界因素影響，數(shù)據(jù)的傳輸不采用有線通信方式。常用的幾種無線通信方式及其相關(guān)特性對比見表1。

表1 常見通信方式及其特性

通過表1的無線通信方式對比可以發(fā)現(xiàn)，GPRS通信方式以數(shù)據(jù)量為依據(jù)進行計費，通過分析發(fā)現(xiàn)該方式適用于遠程傳輸工作。文中采用此方式完成RTU與控制端服務(wù)器的通信，上下游水位傳感器將采集信息傳遞給灌區(qū)現(xiàn)場RTU，然后通過GPRS遠程發(fā)送到監(jiān)測平臺。最后利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的軟測量模型[8]，基于水位值完成水流量值的計算。

1.2 基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建計算模型

以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)構(gòu)建的計算模型屬于軟測量建模方法之一，在線性或非線性問題處理中可以發(fā)揮極大作用[9]。尤其是人工智能算法的結(jié)合，推廣了軟測量模型在各個領(lǐng)域的應(yīng)用。該方法與應(yīng)用過程中，可以將模型中的輔助變量作為輸入信息，從而獲取輸出變量。近年來，基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建計算模型開始被提出[10]，并在應(yīng)用中提升了數(shù)據(jù)計算精度。文中針對灌區(qū)最常見的自然流梯形渠進行計算模型設(shè)計。利用BP神經(jīng)網(wǎng)絡(luò)擬合水位-流量關(guān)系，通過灌區(qū)現(xiàn)場的水位和流量值完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，將灌區(qū)現(xiàn)場采集的數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，完成取水流量值的計算[11]。模型構(gòu)建中應(yīng)用到最小二乘法，其核心概念是極小值思想。針對比較復(fù)雜的函數(shù)f(x)和給定的函數(shù)p(x)，促使其對n個實際數(shù)據(jù)的誤差E=f(xi)-p(xi)對應(yīng)最小的平方和誤差。選擇流量計算公式時，若進行最小二乘法的曲線擬合，需要采用水位-流量法對應(yīng)的水文公式為：

Q=KXM

(1)

式中：Q為斷面的流量；X為水位；K和M分別為兩個參數(shù)。

根據(jù)式(1)可以形成擬合曲線圖，見圖2。

圖2 水位-流量函數(shù)擬合曲線圖

基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建計算模型后，采用BPNN作為算法核心，結(jié)合神經(jīng)網(wǎng)絡(luò)模型[12]，建立基于擬合曲線的計算模型。針對灌區(qū)現(xiàn)場數(shù)據(jù)，通過仿真對比的方式驗證文中設(shè)計算法的精確性[13]。BPNN網(wǎng)絡(luò)拓撲結(jié)構(gòu)見圖3，通過3個連接層組合而成，在神經(jīng)元接受前一級的同時，并將結(jié)果向下一級輸出。

圖3 BPNN的網(wǎng)絡(luò)拓撲結(jié)構(gòu)

圖3中XM以輸入值存在于神經(jīng)網(wǎng)絡(luò)中，輸出值用YJ來表示。M和J分別表示輸入、輸出層神經(jīng)元的個數(shù)。而I表示隱含層神經(jīng)元數(shù)量。用εMI來表示XM到KI的連接權(quán)值，εIJ表示KI到Y(jié)J的連接權(quán)值。應(yīng)用基于BP神經(jīng)結(jié)構(gòu)建立的水位-流量測流模型中，包含兩個變量信息。變量數(shù)據(jù)為上游、下游的水位數(shù)據(jù)，輸出的就是渠道流量信息。在模型計算過程中，需要進行n次的迭代計算，該次計算對應(yīng)的隱含層第i個神經(jīng)元輸入公式為：

(2)

其輸出為：

(3)

式中：I為隱含層節(jié)點數(shù)；V為上一層輸出信號；f()為激勵函數(shù)。

此外，在計算過程中總是存在一些誤差的。為了保證計算結(jié)果誤差降到最小，可以采用最速下降法調(diào)整權(quán)值，公式為：

(4)

式中：η和θ分別為學(xué)習(xí)率、局部梯度。

1.3 確定灌區(qū)取水流量計算參數(shù)

針對基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的計算模型，計算參數(shù)的選擇直接影響著最終計算結(jié)果[14]。在計算模型開始應(yīng)用之前，依據(jù)計算樣本的特征信息、模型計算的精確度、模型訓(xùn)練周期，選擇并處理建模數(shù)據(jù)。文中設(shè)計的模型以斷面的水位值為輸入數(shù)據(jù)，獲取輸出的取水流量值[15]。將灌區(qū)常見的梯形斷面明渠作為研究地點，在渠道中選擇兩個過水斷面作為測量點。

計算模型所應(yīng)用的數(shù)據(jù)需要從罐區(qū)現(xiàn)場來獲取，其參數(shù)包括水位、流量值等。在斷面上選擇5～8條測速垂線，將每條垂線中設(shè)置3個不同深度的測量點。通過測量點的數(shù)據(jù)獲取垂線的流速，然后依據(jù)流速獲取對應(yīng)的水流量信息。在神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型中，應(yīng)用實際數(shù)據(jù)進行訓(xùn)練。訓(xùn)練數(shù)據(jù)選擇50組，其余數(shù)據(jù)當作測試樣本。因為在神經(jīng)網(wǎng)絡(luò)計算模型中輸入的樣本大部分不是一個量綱，所以在模型應(yīng)用之前將需要的數(shù)據(jù)采用歸一化方法處理，確保神經(jīng)網(wǎng)絡(luò)計算模型的應(yīng)用效果。數(shù)據(jù)歸一化處理公式為：

(5)

式中：xi為輸入值；ximax為輸入?yún)?shù)中的最大值；ximin為最小值；xj為歸一化后的無量綱值。

因為輸入?yún)?shù)數(shù)量有限，采用單隱含層神經(jīng)網(wǎng)絡(luò)，并結(jié)合sigmod函數(shù)進行計算。除此之外，在BP神經(jīng)網(wǎng)絡(luò)中，沒有一定的標準來確定隱含層的節(jié)點數(shù)，這一點往往需要通過實際情況來判斷。具體的判斷結(jié)果可以通過以下公式來決定：

(6)

式中：l為隱含層個數(shù)；m、n分別為輸入層和輸出層節(jié)點數(shù)目；a為常數(shù)，其取值范圍0～10。

為了實現(xiàn)良好的訓(xùn)練結(jié)果，通過MATLAB仿真方式，分析應(yīng)用不同的隱含層節(jié)點數(shù)產(chǎn)生數(shù)據(jù)誤差，選擇最優(yōu)節(jié)點數(shù)目。通過節(jié)點個數(shù)改變觀察數(shù)據(jù)均方誤差、隱含層節(jié)點的關(guān)系，見圖4。

圖4 訓(xùn)練節(jié)點mse變化圖

通過圖4可以發(fā)現(xiàn)，隨著隱含層節(jié)點數(shù)量的增長，訓(xùn)練數(shù)據(jù)均方誤差處于不斷變化的狀態(tài)。直到節(jié)點為6的時候，誤差瞬間減少，隨后保持比較穩(wěn)定的狀態(tài)。因此，將測流模型的隱含層節(jié)點數(shù)選擇為6。

1.4 實現(xiàn)取水流量在線監(jiān)測

灌區(qū)取水流量在線監(jiān)測中應(yīng)用的軟測量模型需要提前確定完成，在離線時通過實際數(shù)據(jù)進行仿真建模處理。在檢測過程中，將基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建計算模型保存到遠程控制中心，將GPRS傳遞過來的水位信息輸入模型，并在模型的作用下計算灌區(qū)取水流量值。具體的數(shù)據(jù)處理及其模型計算流程見圖5。

圖5 數(shù)據(jù)處理及模型計算的流程圖

將計算后的監(jiān)測數(shù)據(jù)通過C/S與B/S結(jié)合的上位機架構(gòu)進行存儲。基于B/S模式設(shè)計外部服務(wù)器，通過客戶端瀏覽器將灌區(qū)水位和流量信息的監(jiān)測數(shù)據(jù)呈現(xiàn)在工作人員面前。文中采用VS2010的.Net平臺，作為監(jiān)測的顯示服務(wù)器。

針對灌區(qū)監(jiān)測方法所需要的功能進行設(shè)計，在取水流量在線監(jiān)測實現(xiàn)過程中，需要的基本功能包括讀取并顯示灌區(qū)現(xiàn)場的水位數(shù)據(jù)、導(dǎo)入測量模型、輸入水位數(shù)據(jù)、計算實時流量值、顯示取水流量值變化、保存監(jiān)測數(shù)據(jù)等。此外，以報表的形式將數(shù)據(jù)進行存儲，工作人員通過Web登錄完成取水流量在線監(jiān)測，并通過監(jiān)控點的選擇，查詢現(xiàn)場水流量監(jiān)測數(shù)據(jù)。

除此之外，在取水流量在線監(jiān)測工作中，監(jiān)測方案的確定需要以現(xiàn)場實際環(huán)境為基礎(chǔ)。與現(xiàn)場情況相結(jié)合，適當修改監(jiān)測設(shè)備與方法。在取水流量監(jiān)測時，還需要考慮供電系統(tǒng)穩(wěn)定性，分析其對監(jiān)測數(shù)據(jù)產(chǎn)生的影響，采取相應(yīng)解決措施，以保證監(jiān)測數(shù)據(jù)的誤差降到最小。

2 實 驗

2.1 實驗準備

為了驗證文中設(shè)計的取水流量在線監(jiān)測方法具有良好的應(yīng)用效果，特進行實驗。地點選擇某一農(nóng)業(yè)灌溉區(qū)域，根據(jù)調(diào)查可知，該區(qū)域每年從4月份開始進行取水灌溉，直至8月份結(jié)束灌溉工作，屬于比較穩(wěn)定的灌區(qū)。將本次測試期限設(shè)置為一周，每天對灌區(qū)取水流量實際值進行測量，同時應(yīng)用文中設(shè)計的在線監(jiān)測方法進行在線監(jiān)測，分析二者數(shù)據(jù)之間的差異，獲得文中設(shè)計檢測方法的相對誤差。為了加強實驗結(jié)果的說服力，采用兩種傳統(tǒng)監(jiān)測方法同時進行監(jiān)測，對比3種方法的誤差，從而判斷文中取水流量在線監(jiān)測方法的可靠性。根據(jù)統(tǒng)計，一周期限內(nèi)灌區(qū)取水流量人工測量結(jié)果見圖6。

圖6 灌區(qū)取水流量實測數(shù)據(jù)統(tǒng)計圖

以圖6中水量實測數(shù)據(jù)為基礎(chǔ)，進行檢測方法相對誤差的分析。

2.2 結(jié)果與分析

應(yīng)用3種方法同時進行灌區(qū)取水流量在線監(jiān)測，經(jīng)過統(tǒng)計后，取水流量監(jiān)測顯示數(shù)據(jù)見表2。

表2 3種方法灌區(qū)取水流量監(jiān)測數(shù)據(jù)

針對表2中數(shù)據(jù)進行分析可以發(fā)現(xiàn)，運用3種監(jiān)測方法可以獲取灌區(qū)每日取水流量數(shù)據(jù)，但所獲取的數(shù)據(jù)相對實測數(shù)據(jù)來說包含一定誤差。并且隨著監(jiān)測方法的不同，產(chǎn)生的誤差大小也不相同。在與實測數(shù)據(jù)對比分析后可知，文中設(shè)計的灌區(qū)取水流量在線監(jiān)測方法所獲取的數(shù)據(jù)是3種方法中誤差最小的，最貼近實測數(shù)據(jù)。而兩種傳統(tǒng)方法中，傳統(tǒng)方法1誤差小于傳統(tǒng)方法2。將每日取水流量監(jiān)測數(shù)據(jù)與實測數(shù)據(jù)進行對比，繪制相對誤差對比圖，見圖7。

圖7 3種監(jiān)測方法誤差對比圖

由圖7可知，文中設(shè)計監(jiān)測方法其相對誤差最高僅為2.31%，并且某些時候可以使得監(jiān)測數(shù)據(jù)和實測數(shù)據(jù)保持一致。而傳統(tǒng)方法1和傳統(tǒng)方法2的最高相對誤差分別為12.59%和15.68%，甚至相對誤差最低為4.02%和5.98%。通過計算可知，文中設(shè)計監(jiān)測方法的平均誤差為1.52%，相比兩種傳統(tǒng)方法，將平均誤差分別降低8.53%和9.54%。因此，將文中設(shè)計的在線監(jiān)測方法應(yīng)用于灌區(qū)取水流量監(jiān)測中，可以有效降低監(jiān)測數(shù)據(jù)的相對誤差，從而提高在線監(jiān)測的可靠性，發(fā)揮更加良好的效果。

3 結(jié) 語

本文以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，設(shè)計了取水流量在線監(jiān)測方法，通過人工智能技術(shù)的應(yīng)用，促進了灌區(qū)水流量監(jiān)測對水資源管理調(diào)度工作的重要意義。本文研究在實際應(yīng)用中達到良好的預(yù)期效果，增強了在線監(jiān)測的可靠性。但是文中的研究僅僅針對監(jiān)測數(shù)據(jù)精度進行研究，未來針對水流量監(jiān)測方面還可以進行深入研究。從灌區(qū)信息化監(jiān)測平臺的設(shè)計上來看，還可以進行全方面設(shè)計。添加流量軟測量模型，以及接收水位采集信息板塊，提升信息灌區(qū)取水流量在線監(jiān)測的效率，并加入異常警報等功能，提升取水流量監(jiān)測方法的性能。