基于BP算法的小型水库应急管理风险评估方法研究

刘瑞宁,罗征文

(1.青海省西宁市湟中区云谷川水库管理所,青海 西宁 810001; 2.青海省九○六工程勘测设计研究院,青海 西宁 810001)

0 引 言

现阶段,中国部分小型水库建成时间较长。在建设过程中,由于当时经济水平与工程技术发展不够完善,且建成后长期未进行运营维护,年久失修,部分地区的小型水库安全性较差,容易引发洪涝等灾害,使水库周边居民的生命财产安全存在较大的隐患[1]。截至2020年,中国出现垮坝失事事故的水库共计4 682座,其中,包括小型水库4 427座,占水库失事事故总数的94.55%[2]。科学合理的水库应急管理风险评估方法能够有效改善这一问题[3]。有研究学者基于支持向量机原理,针对小型水库安全风险进行评估,构建支持向量机模型,选取小型水库安全风险指标,对水库数据进行处理,基于灾害通告和支持向量机对水库等级进行划分,实现对水库安全风险等级的评判[4]。然而,在实际应用过程中,容易受到致灾因子数据误差的影响,使水库运行安全风险的评判精度降低,影响了小型水库除险加固工作。传统方法存在容易受到致灾因子数据误差的影响,而出现评估精度低的问题。BP神经网络算法能够学习和适应非线性的复杂关系,对于水库管理风险存在的非线性问题具有良好的泛化能力,可对未知数据进行预测和分类。本文在传统水库管理风险评估方法的基础上,引入BP算法,针对小型水库的发展现状与特征,提出了对应的应急管理风险评估方法,为提高小型水库的安全性与风险评估的准确性提供保障。

1 水库运行影响因素与应急管理风险因素

小型水库在运行过程中,容易受到多方面风险因素的影响,降低了水库运行的安全性与稳定性。主要风险因素包括自然影响因素与人为影响因素。自然影响因素主要为极端天气引起的暴风、暴雨,还有多种地质灾害,比如泥石流、山体滑坡、地震等。人为影响因素主要分为前期影响因素和后期影响因素。前期人为影响因素主要是指在水库建造过程中使用的建造材料、施工工艺等方面出现瑕疵,对水库施工质量造成一定程度的影响;后期的人为影响因素是指在水库附近进行的工程建设导致地基沉降、向水库库区弃水弃渣影响水库正常运行等。

当水库存在一定运行风险后,需要进行应急管理。为了提高小型水库的应急管理能力,应确定应急管理过程中存在的风险因素,主要包括水质风险、水量风险和应急风险。水质风险为突发水污染泄漏程度;水量风险为上游来水流量预警程度、备用水源应急能力;应急风险为应急处置执行程度、预报预警精度、应急预案完备程度。

2 基于BP算法的应急管理风险评估方法设计

2.1 BP神经网络风险评估模型构建

为了实现对小型水库应急管理风险的准确评估,首先,构建小型水库应急管理风险评估体系,将水质风险、水量风险和应急风险作为一级评估指标,将突发水污染泄漏程度、上游来水流量预警程度、备用水源应急能力、应急处置执行程度、预报预警精度、应急预案完备程度作为二级评估指标。然后,采用BP神经网络算法构建小型水库应急管理风险评估模型。BP神经网络是一种多层的前馈神经网络,每层神经网络都由神经元构成,单独的每个神经元相当于一个感知器,具有高度自学习和自适应的能力,能够提高对水库运行应急管理的评判精度。最后,采用梯度下降的原理,通过反向传播不断调整网络的权值和阈值,使网络误差平方和最小,实现对小型水库应急管理风险评估模型的训练[5]。将小型水库样本数据通过模型的输入层神经元传输到模型的训练网络中,对应急管理风险各个隐含层函数进行相应计算,发送至输出层神经元中,输出层神经元基于应急管理风险逐层连接权值与阈值进行调整处理,降低风险评估结果中存在的误差[6]。模型经过多次迭代运算,直至小型水库应急管理风险的误差达到允许的误差范围内[7]。

本文构建的BP神经网络风险评估模型结构如图1所示。

图1 基于BP神经网络的风险评估模型Fig.1 Risk assessment model based on BP neural network

如图1所示,本文构建的风险评估模型主要包括3层BP网络结构,其中,x1,x2,xN1分别作为小型水库应急管理风险评估模型中网络输入层的输入向量;y1,y2,yN2分别作为小型水库应急管理风险评估模型中网络隐含层的输出向量;z1,z2,zN3分别为小型水库应急管理风险评估模型中网络输出层的输出向量;T1,T2,TN3分别为小型水库应急管理风险评估模型的期望输出向量。本文构建的基于BP神经网络的小型水库应急管理风险评估模型隐含层的激活函数表达式为

(1)

式中:e-x为模型中隐含层与输出层之间的连接权值,通过计算隐含层的激活函数,将函数结果输入风险评估模型中,为模型提供参数依据。

2.2 基于BP算法估算水库应急管理危险度

在小型水库应急管理风险评估中,选取指定的水库风险事件,将其作为应急管理的风险率,利用BP算法计算出对应的水库应急管理危险度,为风险评估提供数据支持[8]。

根据水库管理的风险度定义理论,将水库应急管理内容主要划分为应急管理危险事故类型、风险事故发生概率、风险事故产生的后果[9]。根据以上3个方面的内容,对小型水库应急管理危险度定义为对水库周边居民的生命财产健康以及周边环境造成负面影响的度量方式[10]。小型水库应急管理危险度的表达式为

RD=Pf×L

(2)

式中:RD为小型水库应急管理危险度;Pf为水库应急管理危险率;L为水库失事导致的损失,包括经济损失、人员伤亡等。通过式(2),能够获取小型水库应急管理风险的整体危险度值,在此基础上,分别从个人生命危险、社会生命危险、经济危险以及社会与环境危险等几个方面,对小型水库管理的危险度进行具体研究设计[11]。

(1)针对个人生命危险,年死亡概率指水库运行过程中风险活动产生事故引发的死亡概率,应急管理风险中个人生命危险度IR的计算公式为:

IR=Pf×Pd|f×ε

(3)

式中:Pd|f为假定应急管理危险中个人死亡发生的条件概率;ε为应急管理事件发生概率。

(2)社会生命危险度a1的计算公式为

a1=1-FN(x)

(4)

式中:FN(x)为水库应急管理风险中死亡人数N的概率分布函数,即死亡人数小于x的年概率。在社会生命危险度估算过程中,结合死亡人数与死亡频率之间的对应关系,利用F-N曲线原理与定量分析的方式,获取社会生命危险期望值。

(3)经济危险指除了事故以外,其他因素导致的损失,采用社会危险类似的表达方法,水库应急管理风险中经济危险度a2的表达式为

a2=1-FD(x)

(5)

式中:D为水库事故发生导致的经济损失;FD(x)为水库事故造成经济损失的概率密度函数。

(4) 社会与环境危险度a3的表达式为

a3=1-FT(x)

(6)

式中:T为社会与环境恢复所需时间的超越概率值;FT(x)为在水库应急管理风险情况下,社会与环境恢复所需时间的概率分布函数。通过以上计算获取小型水库各个应急管理危险度的具体情况,根据危险度与小型水库管理的实际情况,选取适用于该水库应急管理的可接受危险指标,为后续的风险评估提供保障。

2.3 评估小型水库致灾因子

在完成上述基于BP算法水库应急管理风险度估算后,通过评估小型水库致灾因子进行水库应急管理的风险评估[12]。通常情况下,小型水库致灾因子种类较多,一般包括持续降雨、洪水、滑坡、泥石流、决堤、水土流失、集水区开发、地震等。本文以上述8种小型水库的致灾因子为例,对小型水库的应急管理风险进行评估。通过采集设备采集8种致灾因子的原始数据,并进行滤波降噪处理,避免致灾因子数据误差过大,对风险评估结果产生影响。将小型水库所处地区的致灾因子组成一个二维数组,基于二维插值法的原理获取小型水库在某个特定时间段内的致灾因子的安全参数,结合上述建立的BP神经网络风险评估模型,在参数中布设一定数量的网格节点,提高二维数据的规范性。在二维数据散乱的节点中,利用加权平均方法,按照一定的致灾因子反比关系,对二维数组进行加权平均处理,获取小型水库致灾因子的插值函数,公式为

(7)

式中:Rij为二维数组中致灾因子节点P与Pij之间的距离;u为小型水库所处区域的各个致灾因子的安全参数;ui为某个特定时间段内的各个致灾因子的实际参数。通过上式计算小型水库致灾因子的插值函数结果,得出致灾因子对小型水库应急管理风险的影响程度。

在此基础上,根据致灾因子的插值函数结果,结合上述获取到的小型水库应急管理危险度,共同对小型水库的应急管理风险等级进行划分,将致灾因子插值结果与应急管理危险度范围设置在0～1之间,划分为5个不同的风险等级,对应的小型水库应急管理风险度也包括5个等级,划分结果见表1。

表1 小型水库应急管理风险度等级划分Tab.1 Classification of risk levels for emergency management of small reservoirs

按照表1划分的等级获取水库对应的危险等级、致灾等级与风险等级,完成小型水库应急管理风险评估的目标。水库应急管理风险评估的流程如图2所示。

图2 小型水库应急管理风险评估流程Fig.2 Risk assessment process for emergency management of small reservoirs

3 验证分析

为了对本文提出的基于BP算法的小型水库应急管理风险评估方法的可行性作出进一步客观分析,选取青海省西宁市湟中区云谷川水库为研究对象进行实验分析。该水库距湟中县李家山镇25 km ,主要用途为农田灌溉和汛期防洪,水库年供水量70万m3,供水人口3.65万,有效灌溉面积可达到2 320 hm2(3.48万亩)。水库上游水位为285.6 m,所在地的动峰值加速度为0.08g,主要建筑物包括正常与非常溢洪道、拦河大坝、坝后式电站等。水库大坝类型为浆砌石重力坝,最大坝高为30.5 m,堤顶高程为286.7 m,堤顶的长度为118.4 m,水库坝顶采用控制溢流的方式,闸门为电动卷扬式启闭机,将正常溢洪道布设在水库大坝的中部,非常溢洪道布设在水库大坝的左侧,水库的溢流面坡度比例为1∶0.7,为底流消能的水库运行模式。2022年进行了维修改造,水库实际环境如图3所示。

图3 水库实际环境Fig.3 Actual environment of the reservoir

由图3可知,水库大坝结构中出现多处裂缝,并出现不同程度的渗漏,可能会导致大坝失稳、决堤,引发严重洪水灾害,对周围居民的生命安全与财产安全造成较大的威胁。因此,根据图2的风险评估流程,对云谷川水库大坝进行检查与综合评价,参照水库应急风险管理相关标准规范与水库堤坝的荷载变化情况,获取水库中风险导致的失事后果与风险失事概率。在此基础上,共同计算小型水库应急管理的风险值,基于风险值判断水库运行中是否存在风险缺陷。当存在风险缺陷时,采用量化方式对风险缺陷进行评估,输出应急管理风险评估结果;若不存在风险缺陷,则重复上述步骤。

利用BP算法,通过公式(2)～(6)计算出水库应急管理危险度,计算结果如表2所示。

表2 水库应急管理危险度计算结果Tab.2 Hazard level calculation results of reservoir emergency management

综合数值结果可判断该水库应急管理危险度为0.44,属于中度危险;致灾度为0.45,属于中度致灾;风险度为0.48,属于中度风险。

设置水库安全的可靠度为本次实验风险评估指标,可靠度β计算公式为

(8)

式中:μR为水库管理风险中抗力随机因子R的均值;μS为水库管理风险中荷载效应随机因子S的均值;σR为抗力随机因子R的标准差;σS为荷载效应随机因子S的标准差。

根据上述的水库管理风险综合评价结果,构建应急管理风险区间判断矩阵。基于水库管理的分属主体,设置各个主体对应的分项指标及其权重标准,获取各个分项指标应急管理风险评估指标的权重,对标准权重进行对比,并结合专家打分的方式,对各个分项指标评估结果的权重值进行打分,获取最终小型水库应急管理风险评估结果。

将该水库数据输入至MATLAB 2016a仿真平台中,模拟水库发生应急事件。采用本文设计的基于BP神经网络的应急管理风险评估方法与传统的基于支持向量机的评估方法,对该水库进行风险评估。对比两种评估方法的指标权重与专家打分结果,结果分别如表3,4所示。

表3 两种风险评估方法指标权重对比Tab.3 Comparison of index weights between two risk assessment methods %

表4 两种风险评估方法专家打分结果对比Tab.4 Comparison of expert scoring results between two risk assessment methods %

根据表3,4的结果可知,在两种水库应急管理风险评估方法中,与传统评估方法相比,本文提出的基于BP算法的水库风险评估方法得出的水质风险、水量风险、应急风险主体的各个分项指标权重结果均更加接近标准权重,且专家打分结果较高,均在95.61%以上。

4 结 语

为了有效降低现阶段中国小型水库应急管理中存在的风险,本文在传统水库风险评估方法的基础上,结合BP算法,针对小型水库提出了全新的应急管理风险评估方法。实例验证表明,该方法能在一定程度上提升小型水库风险识别与风险评估的准确性,评估结果较为准确。该方法可为及时制定水库应急管理风险解决方案与措施提供依据,保障了小型水库运行的安全。

本文方法还存在选取分项指标不够细化的不足,应考虑增加更多的评估指标内容。在接下来的研究中,应不断完善风险评估的指标,详细分析人类活动对水库安全的影响,尽力克服水库风险评价时的数据采集难度,使评估结果能为水利工程灾害防治提供更多技术性支持。