水文预报方法与中长期水文预报的分析

□许　峰（辽宁省本溪水文局）



水文预报方法与中长期水文预报的分析

□许峰（辽宁省本溪水文局）

文章以辽宁省大伙房水库作为研究对象，通过对几种中长期水文预报方法的比较分析，选取出预报精度最高的一种方法。研究结果表明，BP神经网络法在径流中长期预报方面的精度最高，因此可运用该方法对水库径流进行中长期预报，从而为水库引水及调度计划的合理制定提供依据。期望通过文章的研究能够对中长期水文预报方法的推广应用有所帮助。

水文预报；中长期；径流

1　中长期水文预报方法的研究现状

所谓的中长期水文预报具体是指按照前期的水文气象要素，采用成因分析、数理统计等方法，对未来一段时期内的水文要素进行科学合理地预测。现阶段，国内中长期水文预报的主要项目有以下几类：径流、旱涝趋势分析、江河湖海水位预测、冰情及泥沙情况等等。在这些预报项目中，径流预报是水文领域研究的重点内容，一般将预见期超过流域最大汇流时间的情况称之为中长期径流预报。在开展中长期水文预报的过程中，较为常用的方法有以下几类。

1.1成因分析法

这是一种侧重于描述和分析水文现象物理形成过程的预报方法。较具代表性的成因分析法为利用前期环流进行预报，其又被称之为天气学预报方法，该方法的理论依据如下：在制约流域或某个地区水文情况的诸多因素中，大气环流是最为主要的因素之一，通常情况下，大面积洪涝和干旱灾害总是与较大范围内的环流异常密切相关。为此，通过分析找出异常环流的演变规律，便可对后期的水文情况进行预报。该方法的基础是历史气候资料，通过对大气环流逐月平均形势与对应的水文要素进行综合分析，可以概括出旱涝年前期的环流特征模式，然后再依据前期的环流特征，便可对后期的水文情况进行定性预报。这种预报方法是以水文要素与预报因子之间存在的因果关系来建立分析模型，由此构建起来的模型更具物理意义。

1.2数理统计法

在水文预报中，该方法常被用于定量预报，它以历史资料为依据，运用概率和数理统计的方法，探寻水文要素历史变化的统计规律，找到出现过的预报对象与预报因子间的统计规律和关系，进而建立起预报模型，对水文要素进行定量预报。根据制作预报模型的历史资料，可将其细分为以下两类，一类是单个要素预报，具体是指对水文要素本身的时序变化规律进行分析预报，常用的方法有历史演变法、平稳时间序列、随机函数分解、趋势分析等等；另一类是多个因子综合预报，具体是指分析水文要素与前期多个因子之间的相关性，再以数理统计法进行综合预报，常用的方法有多元回归分析法、多维时间序列等等。

1.3现代中长期水文预报法

1.3.1模糊数学预测法

该方法于上个世纪80年代正式在水文研究领域中得到应用。当时，业内的一些专家在水文水利、水资源及环境科学等领域进行了模糊集的应用研究，经过不懈的努力取得了一定的成绩，通过将模糊集分析与系统分析结合到一起，形成了全新的模糊随机系统分析体系，该体系在水文预报研究中获得了广泛的应用。

1.3.2人工神经网络法

这种方法从上个世纪90年代以来，被广泛应用于水文预报当中，一些专家学者提出，人工神经网络模型具有高度的非线性特征，它可以有效地模拟本质为非线性的水文系统

1.3.3小波分析理论

该方法源自于傅立叶分析，实践表明，其适应于水文序列的变化特性分析，可以使用该方法对水文序列的周期进行检测。

中长期水文预报的方法及相关模型的种类相对较多，截止到目前，尚且没有一种模型可以适用于所有的水文序列，水文预报模型的适用性仍然是一个有待深入研究的重要课题。在工程实际应用中，一般都是采用分析、尝试、检验等步骤，找出最适宜的水文预报模型。

2　中长期水文预报方法的优选

2.1水库概况

大伙房水库地处辽宁省抚顺市东部，位于浑河流域的中上游，共有3个入库口。该水库的总库容量约为21.87×108m3，整个水库控制的流域面积约为5437 km3，水库的兴利库容约为12.96×108m3，死水库容量约为1.34×108m3。水库的主体工程全部按照1000 a一遇洪水标准进行设计建造，并以10000 a一遇洪水标准进行校核。水库设计的年供水量为9.70×108m3，水电站装机总量为 3.20×104kW，设计年发电量为6940× 104kWh。大伙房水库兼具防洪、城市供水、农业灌溉、发电等功能，自2002以来，先后兴建了一期和二期引水工程。下面文章选用几种较具代表性的中长期水文预报方法，用其进行大伙房水库年径流预报建模，通过不同方案模拟结果的比较，选取出预报精度最高的一种方法。

2.2预报因子的选取

由于水文要素本身具有复杂性的特征，并且它的发展变化会受到多方面因素的影响，为了深入探索水文要素与各个影响因子之间的关系，可以采用成因分析法进行预报。径流变化的影响因素主要包括以下几类：流域下垫层、水文、气象、人类活动等，因水文、气象这两大要素受环境影响的变化幅度要比另外两个因素更加明显，所以常将之作为径流变化的主要影响因素。辽宁省地处东北，大伙房水库则处于东北部山区当中，该地区的降雨多集中在汛期，换言之，水库年水量的丰枯期受汛期来水的影响较大，该观点从现有的历史资料中可以得到证明。相关研究结果表明，汛期的来水量会间接受到大气环流的影响，如台风环流北上，会使北部地区产生暴雨天气。通常可将枯水期分为两个部分，随着汛期的结束，降水量也会相应减少，河流来水为前期流域蓄水消退所形成，在这个期间的水量主要受汛期存蓄地下水量的影响；在5-6月时，前期的蓄水对径流的影响较小，河流的大部分水量为春季降雨，少部分来自于冰雪融化。鉴于上述分析，结合现有的资料，对用于预报的因子进行初步选定，详情如表1所示。

表1　预报因子集表

2.3中长期水文预报方法的选取

本次研究选用了以下3种预防方法：时间序列法、逐步线性回归法、BP神经网络法。下面分别通过这3种方法对年径流预报方案进行制定。

2.3.1基于时间序列法的建模

本方法的建模资料选取大伙房水库以往44年的径流数据，自回归模型的阶数P=3（因为当P为3时，拟合预报的合格率最最高），具体的回归方程如下：

在上式当中，Y表示待预报年径流量；x1～x3表示待预报年之前三年的径流量。

2.3.2基于逐步现象回归法的建模

采用该方法进行建模前，需要对因子进行筛选，为了防止重要因子被遗漏的情况发生，α可以取最大值，即0.25。参与计算的因子包括表1中列出的所有因子，通过逐步回归计算，得出对预报气象影响最为显著的5个因子，依次为表1中的2、12、9、3、5。由此可建立起如下回归方程：

上式当中，Y表示待预报年径流量，x2…x12的意义与表1中（2～12）因子的相同。通过对该方程进行统计检验后得出F=141.93＞Fα=7.40，表明回归效果较为显著，证明该模型能够用于径流量预报计算。

2.3.3基于BP神经网络的建模

在BP神经网络模型的构建中，选取以下5个因子，即表1中的2、7、1、11、9。BP神经网络模型的有关参数如下：模型结构（5，7，1），学习率0.60，冲量因子0.10，允许迭代误差0.06×10-1，训练次数4098，拟合预报确定性系数0.88。

2.4预报结果分析

进过拟合计算后，三种预报方法的合格率依次为70.62%、81.15%、89.20%，依据我国现行的《水文情报预报规范》的规定要求，预防方法的拟合合格率应当≥70%，上述三种方法均可用于径流预报。其中时间序列法的合格率最低，仅为70.62%，BP神经网络法的合格率最高为89.20%，因此，建议选用BP神经网络法进行径流中长期水文预报。

3　结论

综上所述，文章在对中长期水文预报方法进行简要介绍的基础上，以辽宁省大伙房水库为研究对象，对几种预报方法进行了比较分析，结果表明，BP神经网络法的预报精度最高，建议在水库径流中长期预报中，以该方法作为所选。

［1］冯国章.中长期水文预报研究评述与展望［J］.西北农业大学学报，2012（10）：88-90.

［2］陈森林.水文周期迭加预报模型的改进及应用［J］.吉林水利，2013（6）：77-79.

［3］许士国.径流长期预报的模糊数学方法［J］.大连理工大学学报，2014（5）：102-104.

（责任编辑：赵鑫）

TV 124

B

1673-8853（2016）06-0038-02

2016-01-26