基于BP神经网络预测水电站对库表水温及鱼类活动影响 ——以三峡库区宜昌站为例

姚田成，谭均军，王慧敏，李 勉

(三峡大学 水利与环境学院，湖北 宜昌 443000)

0 引 言

流域水温预测在一定程度上，不仅可以减少人力物力的投入，还可以起到未雨绸缪的作用，对水利工程建设可以提供必要的参考依据，因此探寻操作性高的流域水温模拟方案具有重要的现实意义。

控制流域内水温效果是多方面的综合作用，其中最主要的是当地气候条件，比如太阳辐射、日照时数、气温等因子；其次是水体本身特性，如水位、流量等，在这些因素共同作用下，流域水温数值呈现出有规律的周期性变化。但水电站的建设，破坏了原有规律，引起流域水温的变化。本文将探讨采用BP神经网络预测三峡水电站建成后，因子的改变对于流域水温的影响，并推论温变对鱼类活动的作用与影响。

1 研究区域概况

宜昌市水文站位于E111°19′，N30°41′，宜昌水文站是国家一类水文站，建设以来为防洪预报、水利建设、水文勘测等多项工程提供了详实的资料。宜昌站地处长江干流上中游咽喉位置，长江流域面积180×104km2，其中100×104km2就由宜昌水文站控制。水电之都——宜昌是国家能源动力心脏，又是葛洲坝水利枢纽工程及三峡水利枢纽工程坝址的代表站，因此以该站流域为研究对象具有一定的典型性和代表性。

三峡大坝是现今世界上规模最大的水利枢纽工程，位于E111°2′，N30°50′，水库正常蓄水位175 m，总库容393×108m3，防洪库容221.5×108m3，总装机容量18 200 MW。葛洲坝是长江上修建的第一座大型径流式水电站，位于E111°18′，N30°44′，总库容为15.8×108m3，总装机容量271.5 MW。江段年径流量为4 510×108m3，多年平均流量为14 300 m3/s，两坝址控制流域面积均为100×104km2。三峡工程坝址、葛洲坝工程坝址、宜昌水文站位置关系见图1，两项重大水利枢纽工程坝址仅距离38 km，且与宜昌站相隔较近，对宜昌站水文影响作用强烈。

图1 研究区域示意图

工程河段属于亚热带季风湿润气候，位于亚热带和北亚热带的过渡带，研究区域雨热同季，降雨充沛，日照充足，多以东南风为主，年降雨量1 100～1 200 mm。

通过分析宜昌站水温实测数据，查阅宜昌气候特点以及宜昌站水文特性，发现以上两座水电站建设完成后，新形成的水温变化规律与工程建设有较强的相关性。因此，拟定结合历史气候数据和水文数据，分析各因素之间的相互作用，对未来水温变化走向作出预测。

2 宜昌站表面水温变化分析和预测

2.1 气象与水文资料分析

调查得到宜昌站部分水文资料，结合宜昌市当地气候特性，绘制宜昌站水文气候表，详见表1。

表1 宜昌站水文气候数据

宜昌站江段水表温度随月份变化明显，与当地太阳辐射、气温、日照时数变化趋势大致相同，但是否能够判断为主要影响因素有待研讨。同样，参考前人研究，气压、湿度等因素与水温的关系也不可忽视，但宜昌站具体实地情况不尽同于其他测点，各因素间结构关系模糊，层次紊乱，实际作用还需要进一步验证。

2.2 水温预测惯用方法

中国自20世纪50年代就开始了水库水温的相关研究。在发展中结合大量的实践观测数据基础上，总结出大量的经验公式对水温进行计算，如常见的东勘院法、朱伯芳法、李怀恩法。经验法简单易用，能够较高地反映出水温的统计性规律，但是经验法的局限性也显而易见。首先经验法依赖于大量的实践，考虑水温影响因素较少，如流量、泥沙量以及气象特征等，在实际应用中存在误差，对大型工程适用性有争议；其次，经验法依赖当地详实的水温观测资料，反之则不能很好地反映这一地区的水温特点。

发展过程中数学模型法弥补了经验法的不足，数学模型法的基本方程是能量转换方程和热量平衡方程。水温预测原理较经验法更完善的同时，考虑了水库多方面的影响，如水库水位变化、含沙量、水库运行方式等综合因素，数学模型法对各种水库水温的预测具有普适性。相对地，应用模型法使数据分析计算的工作量增加，忽视了计算参数的优化问题，各参数(如气象、水库几何形态等)对计算精度存在影响。

2.3 应用BP神经网络预测温变

2.3.1 BP人工神经网络设计结构

BP神经网络在20世纪80年代中期，由Rumelhart,McClelland等提出，采用了误差反向传播算法。BP神经网络包含多个隐含层网络结构，具有强大的非线性映射能力，突破了线性神经网络只用于线性可分问题限制，仅通过对样本训练、权值调整、学习规则，可以得到逼近期望输出值的结果。在实际应用中，神经网络模型几近80%都采取了BP神经网络结构，现已广泛应用于压缩、识别、逼近、回归等众多领域，现计划尝试使用BP神经网络对河段表面水温进行预测，并分析BP神经网络对于水温预测的适用性。

在设计神经网络结构之前，分析各因素与水温的潜在关联度。

结构中国控制论专家邓聚龙首先提出了灰色系统理论。该理论属于一种动态预测模型，具有样本数少、计算量小、准确度高等特点，如今已广泛应用于农业、工业、地质和气象等许多领域，为数据的预测提供了一定的参考。在这里使用Matlab灰色系统理论(即根据因素之间发展态势的相似或相异程度来衡量因素间关联的程度，来揭示动态关联的特征与程度[1])分析以上各个因素与水温的潜在联系，结果见表2。

表2 外部环境因子与水温关联度

分析数值。宜昌水文站在以上两个水电站建设完成后，日照时数、风速、湿度、气压、水位、特征流量、太阳辐射、气温(按照关联程度降序排列)因素都与水温变化存在较强的相关性，其中日照时数、风速、湿度、气压、水位环境因子重相关，均达到0.8以上的关联度，最弱关联度气温因素也达到0.5以上。可以得出结论，以上因子可作为BP神经网络参考数据。

针对以上气象和水文数据，设计BP神经网络结构示意图，见图2。宜昌站水温预测模型结构中输入层预测因子个数为8个，结构图2中显示为X1-X8，分别为气象因子，日照时数、风速、湿度、气压、太阳辐射以及水环境因子、水位、特征流量；隐含层数取一层，结构图2中显示G层；输出层结构单一，目标因子个数为1，仅水温。

图2 BP神经网络结构示意

2.3.2 BP神经网络数据预处理

为将有限数据充分利用，兼顾实时数据和预测功能，将数据划分成两部分:训练数据和测试数据，使用1-7月份作为数据样本训练得出模型，预测8-12月份宜昌站水面温度变化趋势；再以8-12月份的宜昌站水温实测数据对样本进行检验。

由于12个月份相关数据十分有限，为了避免训练样本不足的情况，对7份训练样本数据进行二维插值，将样本数量扩充到200份数据。分析决定使用Matlab二维插值函数，首先将训练输入矢量和相应的目标输出组合成9*7矩阵，运用二维插值之后，获得9*200矩阵，之后再将其拆分为8*200矩阵作为训练输入，1*100的行向量作为训练样本的输出。

2.3.3 BP神经网络温变预测结果

预使用200作为BP神经网络权值系数开始训练，根据输出值和期望值计算误差，由误差反向传播算法逐层修改权值。如此反复，当误差不再下降，训练就此结束。由图3得知，该BP神经网络实际训练次数为168次。

从图4观察水温随月份变化的曲线图，水温预测值逼近真实值，水温变化走势一致，在一定误差允许范围内可以认为BP神经网络对水温变化预测结果基本正确。由此可以预知，当水文、气象因素数据样本充足时，经过样本的预处理，使用BP 神经网络对河段水温有一定的预测能力，能为河段水温预测提供一种参考方案。

图3 误差下降曲线

图4 预测值与真实值对比图

水温是水生态的重要环节，水温变化对水生生物影响巨大。调查得知，流域主要鱼类生活在水下2～5 m水深处，该深度水温与流域江面水温基本保持一致，因此BP人工神经网络对库表水温的预测可以为未来鱼类行为变化受水温影响提供参考依据。在各个相关数据不充分的条件下，也可以对水温走势进行预测，该预测方法对于水生态保护和渔业发展有一定的现实意义。

3 宜昌站的滞温效应

3.1 水电站带来的滞温效应

由图5可看出，水电站建成后，虽然全年水温变化走势大体相同，但是整体温度略有上升，且存在很明显的滞温效应，主要表现为夏季滞冷、冬季滞温。

图5 电站建设前后水温变化

三峡水电站及葛洲坝梯级枢纽水库的下游即为宜昌水文站的检测面，本段落拟以三峡水电站为例来分析滞温效应。三峡水电站是迄今为止规模最大的水电站，其总库容量达393×108m3，最高蓄水高程达175 m，这样的水位变化必然对水电站的水温分层及水温状态带来显著影响，随之改变的是水气界面的热交换，进而对三峡水电站的下泄水温产生影响；而影响水温的通常还有水电站的气象、泄水方式、水体与河床热交换、运行调度情况、支流来水等因素[2]，其中水电站的下泄水温起到了关键作用，如果下泄水温升高，河道水温受之影响也会升高；反之则河道水温降低，由此便产生了滞温效应[3]。

在前些年三峡水电站处于初步运行时期时，随着蓄水高程的增涨，“滞温效应”的存在时间也不断延长。近些年三峡水电站的运行模式趋于稳定，水电站建设带来的“滞温效应”也应该有规律可循，若能采用BP神经网络技术精确预测库表水温，可以为找到保护长江鱼类的方法提供参考方案。

3.2 水温影响鱼类生命活动

3.2.1 水温对鱼类的影响综述

在鱼类生命活动中，水温占据了十分重要的作用。水温及其对水体环境的改变都会影响鱼类行为活动，如鱼类代谢水平、生长率、发病率、性腺发育、产卵率等直接受到水温影响；而水温通过影响溶氧量、植物生长率、分解者分解效率，进而影响物质循环来间接影响鱼类活动[4]。

鱼类的代谢水平与自身体内的各种酶活性息息相关，而酶又是催化生物体内多种反应的催化剂，促使反应高效进行。水温通过影响酶活性来决定鱼类的代谢水平；在适宜的温度条件下，随温度升高，酶促反应效率升高，鱼类生命活动代谢加快，生长率也会有一定程度的提升。

另外，水温还会影响溶解氧的含量，溶解氧与鱼类呼吸作用关联甚密，鱼类在适宜的充足溶解氧环境下呼吸旺盛，采食速率和消化速率都会上升。不仅如此，水体温度适宜的话，水中天然饵料的含量也会增加，因为微生物此时分解效率加快，各种水生植物、浮游植物在适宜的条件下合成自身原生质，繁殖速度加快，生长率提升，这样鱼类摄食量便随之增多，由此可知温变还会影响鱼类生长发育快慢。

温变还可以对鱼类的性腺发育、产卵率等繁殖子息方面造成直接影响。比如，某些鱼类在春季产卵，其卵巢一直生长到第二年春天等水温回升后完成性腺成熟。各种鱼类的性腺成熟期都是长期适应的结果，但水电站带来的滞温效应就会推迟其性腺成熟期，进而影响到鱼类的产卵率。水温变化就像一个信号，鱼类会接收信号有选择地挑选适合受精卵存活和发育的时期产卵，产卵期的亲鱼对水温要求极为严格。比如金鱼，只要温度不在适宜范围内时，纵使其他条件都具备，它也不产卵，只有达到适宜范围内时才会主动产卵，如果中途水温变化超过适宜范围后还会发生停止产卵或流产现象，鱼类的产卵率因此降低。水温作为水体环境的一个重要调控因子，在胚胎期直接影响受精卵的孵化、发育和孵出小鱼的健康程度。比如，水体温度为18℃时，鲢鱼卵经61 h才能孵化完成；当水温提高到28℃时，仅18 h即可完成。并且在小鱼发育期间，不适宜水温会降低它的采食速率，延迟其发育甚至导致死亡。

水温变化还会刺激鱼类的内分泌系统、降低其稳定性，削弱鱼类的免疫应答能力，如草鱼出血病、鲑鱼冷水性疾病等；温变会通过影响一些酶活性及免疫球蛋白的分泌等来影响鱼类免疫能力。

水温影响鱼类的活动。如洄游的鱼类会受温变影响，特别是季节性的温变，可以说鱼类洄游时间是由一年中水温上升或下降的早晚决定的。水体温度还是决定鱼类游泳速率和持续游泳能力的一大因素，某试验对幼鳕进行急性低温处理，削弱了其呼吸作用和产能效率，使其游泳速率明显降低，大多数情况下，鱼类最适游泳温度和最适生存温度基本吻合[2]。

适宜的水温给鱼类带来了充足的天然饵料、丰沛的氧气、良好的代谢水平、较高的免疫能力和反应力，有利于鱼类生长。但维持适宜的温度不是一件容易的事情，水电站的建设打破了河流流域原有的平衡，水库大量泄水时引发的水体温度突变导致鱼类生长畸形、死亡的情况不在少数。三峡工程蓄水后，明显改变了河流水域的水温，打破了鱼类与环境长时间发展形成的平衡，特别是下泄水温使原水温降低，造成宜昌站的四大家鱼自然繁殖期明显推迟，压缩了其整个产卵期的长度，不仅如此，无法预测温变对鱼类的整个生命活动过程都是有较大的负面影响[5]。为了保护鱼类，研究水电站建设对水温的改变很有必要。因为宜昌江段的鱼类基本上生活在浅水层，本文采用BP神经网络预测水表温度变化来探究水温对鱼类的作用。

3.2.2 温变对鱼类影响实例分析

水温是水体环境的一个重要调控因子，其变化可以直接影响鱼类生长的一系列生命活动。三峡水电站的滞温效应对长江流域中下游的众多鱼类生物的成长栖身和繁殖子息造成极大的影响，温变给鱼类自身调节能力带来了巨大考验。鱼类对水温的感知特别灵敏，且作为变温动物，鱼体自身温度会随着温变而产生变化，同时它的生理行为和代谢强度也会产生变化[6]。

下面以草鱼为例，讨论水温变化对草鱼生长率的影响，见表3。

表3 各种水温试验中草鱼鱼种的生长

由表3可以看出，不同水温试验中草鱼鱼苗的生长、采食以及鱼食的消化效率有着很大的差异。在试验的各种温度中，第三组试验水温中的鱼苗生长最快，其次为第二组试验水温；而在第一组试验水温中，鱼苗由于生长环境温度过低而在整个试验期间生长缓慢。据前人研究数据可知，水温在小于32.3℃的前提下，对于同样体重规格的草鱼，其采食速率会随着水温的升高而加快(水温越高，鱼消化道内食物消化速率就越快，摄食就越多)。这是由于在适合的水体温度范围内，酶活性和消化速率随水温的升高而增大，而低温使鱼食消化速率明显下降[7]。在20℃～32℃时(草鱼适宜水温)，草鱼具有较高的免疫应答能力。若温度过高，草鱼的机体代谢就会发生紊乱，易生病(如草鱼出血病)，死亡率也会升高[8-9]。

水电站的建设改变了鱼类生存的水体环境，破坏了它们以往的生活规律；还带来 “滞温效应”，推迟了草鱼的自然繁殖期(水温变化导致性腺成熟期推迟)，降低草鱼的产卵规模(繁殖期水温降低达不到最低产卵温度)，在一定程度上降低了草鱼生长率[10-12]。

4 结 语

三峡库区的大坝工程建设为人类和社会供给了防洪、供水、浇灌、水电、树木栽植、海航运输、休闲娱乐等需求，推动了人类社会的发展，为社会经济建设做出了巨大的功绩。但另一方面，其建设也破坏了河道流域生态系统的连续性和稳定性[13]。水电站建设带来的水温变化显著影响了鱼类行为，其中水温分层及低温下泄水对长江流域的水生生物有不利影响，如“滞温效应”使中华鲟和四大家鱼的自然繁殖期显现明显延后趋势。探究水电站建设带来的水温变化，对鱼类的保护有着极其重要的意义[14-15]。

本文基于BP神经网络(采用其强大的泛化能力、逼近能力、概括能力来研究气象因子对水温的改变，具有极强的容错性和储存性)，分析预测因子与水温的关联度，且其温变预测结果基本正确。若能以此来预估水电站建成后库表水温的变化，寻求温变与鱼类行为的联系，可有效减弱滞温效应及低温下泄水等对长江流域中下游的水生生物的不利影响，有效保护长江的众多鱼类。