中长期水文预报方法措施

李　杨，黎光明（四川省内江水文水资源勘测局，四川　内江　641110）



中长期水文预报方法措施

李杨，黎光明（四川省内江水文水资源勘测局，四川内江641110）

纵观世界各地，每年都要不同程度的遭受洪水的威胁，因此，水文预报的重要性不言而喻。本文针对中长期水文预报这个问题，首先阐述了我国当前水文预报研究现状，然后介绍了中长期水文预报的方法并重点介绍了BP神经网络模型法，最后分析BP神经网络模型法在中长期水文预报中的应用，希望能促进水文预报工作的发展。

中期水文预报；长期水文预报；方法措施

前言

水文预报中，通常将预见期在3～10日的预报称为中期预报，预见期在15d以上、一年以内的预报称为长期预报。从20世纪60年代以后，世界各国都开始了水文预报的研究，各种方法、各种手段。通过经验的累积，总结出了一套通用的方法：运用计算机技术、现代控制理论以及水情自动预报来预报水文事件。但水文预报研究时间短，起点低，所以存在很多不足，并且洪水有时带有突发性和复杂性，这导致了水文预报存在客观的不确定性。但是研究水文预报仍然不可或缺，这在防洪减灾的决策上提供了很大的帮助，研究水文预报不仅理论价值重大，现实意义也不可小觑。鉴于流域尺度降雨的中期预报和径流的长期预报在防洪和水资源管理中的重要作用，而目前预报方法还不够成熟完善，本论文从能投入生产实际的角度出发，对降雨中期预报和长期径流预报问题进行了探讨。

1　当前水文预报研究现状

应用计算机技术，使得洪水预报在水情信息收集、水情情况处理的环节更加的方便和迅速，60年代末，计算机技术的迅猛发展使运用遥测水文信息直接预报洪水水情成为了可能；80年代，预报系统中应用了自动控制理论来对洪水预报进行实时校正；而美国在90年代初期运用交互式预报程序，揭开了洪水预报系统最新一代的篇章。这些研究统称为确定性洪水预报，应用也最为广泛，但是不足之处就是对不确定性信息不能充分利用，因此不能得出最令人满意的最优决策，有时运用不当，更可能造成更严重的财产损失和人员伤亡。各国又在此研究的基础上探究新的方法，90年代末，美国率先研制成功一套用分析量化来预报水文预报中不确定性的概率水文预报系统，这使得水文预报研究又上了一个新的台阶。

2　中长期水文预报的方法

中长期水文预报存在的主要问题是预报精度较低。传统的中长期预报方法主要是根据河川径流的变化具有连续性、周期性、地区性和随机性等特点来开展研究，主要有成因分析和水文统计方法。近年来，计算机技术的发展和新的数学方法的不断涌现，为中长期水文预报拓展了新的途径，如模糊数学、人工神经网络、灰色系统分析、小波分析、混沌理论、近邻预报等以及这些方法的相互耦合，每种方法都有各自的适用条件，或存在有待深入研究的问题。本文主要研究BP神经网络模型法。

20世纪80年代，精准的BP水文情况运算方法被提出，它能有效地解答多层次神经网络运作的相关问题，促进多层次网络系统模式的构建，从而进一步使得BP神经网络模式被广泛地应用于现代城市水文预报工作中。

BP神经网络模型又被叫做是误差反向传播神经网络。具体而言，它是含有多层前馈神经的网络系统，具体涵盖了信息输入层、信息输出层以及隐含层次等，它的每一个层次都包含着众多的神经节点。在整体神经系统构建模式中，促进了BP神经网络模型内部上下层次间的相互连接，同时为不同神经单元设置了相应的阙值。需要注意的是，统一层次的神经值之间是没有必然联系的，隐含信息可以将输入信息从输入节点按照输入次序传输到输出节点，通过逐层的信息输入来开展节点传递工作。依据最小二乘机制，运用梯度搜索的技能，利用正向传播机制进行水文预测。然而如果出现输出层无法输出指定数值的情况，相关人员则应采取反向传播机制，使得出现错误的信息按照它之前的传播线路原路返回。同时，在神经元后期传播过程中，积极修订各个层次中神经元的阙值，从而尽可能地将实际传输数值与理想状态下数值间的数据差距减小到最低。

3　BP神经网络模型法在水文预报中的运用

就BP神经网络模型具体运作情况而言，这是一种具有较强操作性能的水文预报系统，能方便技术人员对水文预报工作进行有效操控。最近几年，陆续吸引了国内外众多学者积极加入到它的水文预报研究体系中。事实上，BP神经网络模型已被普遍应用于现代化水文预报中，如图1所示。具体而言，它主要的作用在于对国内暴雨发生情况进行事前预测、对水位高度进行系统测量，有效分析水流径流量以及完善地处理好水资源配置的问题等（如图2）。

图1　BP神经网络算法程序框图

图2　BP神经网络模型类似图

3.1BP神经网络模型在天气预报中的运用

就水文预报工作者在前期水文预测工作中发现，在进行水文预报时，但没有充足数据材料的情况下，相较于传统水文探测方法，BP神经网络模型的运用不论是在操作性能方面还是在数据探测精准度方面都是较为有利的。近年来，有关学者通过对多层前馈网络的运用，详实地对不同暴雨情况进行系统的归类和总结，有效地应用决策树在人工神经系统中的映射反应，从整体上构建出多层次的神经网络系统。具体来说，就是将形成暴雨天气的多种气象因子变换成数据信息进入网络，将暴雨发生情况作为网络信息输出的内容。在历年来的暴雨预测资料库中，收集相应的暴雨情况资料，将其作为暴雨发生的参考数据，有针对性地对暴雨发生模式开展一系列的实践活动，深入探究BP神经网络模型对暴雨预报的发展趋势。我国著名气象学者严绍瑾运用了BP神经网络模型的三层映射反应，将南京90年代所发生的暴雨情况作为数据参考，确立三层模式下的水文预报系统，对其长时间的雨量情况进行探测。就近代气象研究学者陈百炼发现，运用人工智能水文预测的方式，通过运用BP神经网络模型技能，融入相应的数值探测机制，对当地气象情况进行详实判断，从而构建出能准确探测出天气情况的BP神经网络模型，促进全国各地都能建立出精准的天气预报体系，为水文预报工作提供有力指导。研究得出，BP神经网络模型结合了实践运算方式，能运用较少的数据资料，通过时间序列进行资料查询，这是一种值得广泛宣传的水文预报方式。

3.2BP神经网络模型在径流研究体系中的运用

对于径流研究而言，有关专家针对龙羊峡水库 1996～2000年间的径流情况进行系统分析，通过BP神经网络模型的运用对径流入库模式进行了系统探测，将其所得数据与常规性的数据进行了类比分析。而胡宾等研究学者则运用人工神经网络系统，构建完备的BP神经网络模型，有效地运用这一模型对河流每月径流量进行研究并与传统预报方法相对比，如表1所示，通过对两种方法预报精度的对比我们可以看出：BP神经网络模型法的预报精度略高于长期统计预报方法。而钟登化等专家则采用单、多输出相互结合的水文输出时间序列构建出BP模型，对不同时间段的水文流量进行详细预测，并与新安江模型和萨克模型进行比较，如表2所示。分析表2可知，虽然新安江模型在径流总量和流量过程拟合程度等方面上都比BP模型精度高，但是不需要大量的地形和工程资料，只要利用现有的水情观测资料，可以在对系统内部演变规律不十分清楚的情况下，从大量记录系统状态的数据信息中发现并展示系统内在的规律性，从而帮助水资源管理者快速制订适用的管理策略。据以上调查显示，BP神经网络模型这一预测体系的建立，能较为准确地对河流径流进行预测，是非常实用的水文预测方式。

表2　三个模型检验期模拟精度统计对比表

4　结语

水文系统是一个庞大的非线性体系，它涵盖着系统运行时间与空间的变换关系。就系统的水文现象而言，运用物理探测模式是相对困难的，因此数理统计是一种较为普遍的方式。近年来，由于BP神经网络模型的出现，促进了我国水文预报工作的深入发展。对此，本文有针对性地对BP神经网络模型在水文预报工作中的应用进行了深入研究，对暴雨天气、河流水文、河道径流以及水资源配置进行了系统分析，以期在未来的日子里促进我国水文预报工作更加有序的开展。在中长期水文预报方法这个问题上，我们仍然需要做出更深入的研究与探索，以期为新时期的水文预报工作做出贡献。

［1］康尔泗，程国栋，蓝永超，等.概念性水文模型在出山径流预报中的应用［J］.地球科学进展，2014，17（1）：18～26.

［2］王金帅.刍议现代水文预报技术在城市防洪中的应用［J］.黑龙江水利科技，2013，4：276～278.

［3］陈淑艳，陈晓君.浅谈我国水文预报技术发展和展望［J］.河南科技，2013，15：194.

表1　水库两种方法试报1996～2000年逐月径流结果统计

TV124

A

2095-2066（2016）12-0084-02

2016-4-10