水位站点相关性分析和辅助预警策略研究

涂 杰，周保红，洪福鑫，刘 帅，张玉松，杨锦辉，刘道君，杨 旭

（中国长江电力股份有限公司三峡水利枢纽梯级调度通信中心， 湖北 宜昌 443002）

2022 年汛期，长江流域来水出现明显偏枯现象，中下游干流8 月出现百年一遇严重枯水，给地区经济发展、生活带来严重影响[1]。这一“汛期反枯”的严重现象警醒人们，提高水位测量精准性并快速采取应对措施，对于确保汛期防控以及抗旱用水调度决策至关重要。水位站对地区水位的准确测量，并应用数据监测预警系统对业务和管理人员及时上报和处置险情有重大意义[2，3]。在此背景下，深化研究关键水位站点间水位相关性联系和水位辅助预警方法，对于保障流域水库防洪、提高水文预报精度和调度决策水平具有重要价值。

保障水文预报精度的关键技术之一是提高测量精度并制定可靠的数据预警方法。近年来，一些学者也曾在这方面开展过一些研究。如在科技设备方面改进水库水位测量方法，有运用PPK 技术（载波相位差分定位）进行高精度测量、智能全站仪辅助测量水位或利用ARM 处理器与图像处理技术计算水位线高度等，在判断水位数据异常后产生预警，提高了测量精度[4-9]。虽然这些研究在技术设备上创新改进，但均未深化研究水位站间水位相关性联系，缺乏流域水位规律性提炼，且未考虑自然环境对设备的影响以及预警策略测试时间不充足等问题。

上述传统方法大多数从科学技术、改进水位测量设备方面来提高水位站点测量准确性，并未深入研究水位数据本身和应用实际案例验证。为解决传统方法在水位测量装置、外界因素引发的少量异常数据入库问题，提高水位数据测量质量，本文深化研究关键水位站点间水位相关性联系和函数关系。利用大数据集算法最大信息系数分析相邻站点的数据相关性，提炼流域水位规律；利用神经网络算法得出相邻站点间水位函数关系，并制定水位测量辅助预警策略。结果表明，将辅助预警策略应用在水调系统报警平台，经过半年多的应用测试，完全符合长江电力业务需要，有效提高数据测量质量和水文预报精度。

1 水调系统报警平台业务原理

如图1 所示，水调系统报警平台由水位数据传输和报警平台两模块构成[2，10]。其业务原理为：长江干流各水位站水位传感器将测得的数据以每5 min 1 次传送给数据采集器采集，并通过VHF（甚高频通信系统）、GSM（全球移动通信系统）或北斗通信传输到中心站，解析后存入数据库中。本研究运用最大信息系数MIC 算法分析水位数据相关性，通过神经网络求得相邻站点拟合函数并制定辅助预警策略，应用于现有水调系统报警平台中，即在报警平台加入相邻站点水位预警模块。最后，以短信、语音形式报送预警信息至运维人员。

图1 数据预警平台总体设计

2 大数据集算法-最大信息系数MIC 和神经网络

本文研究中，需应用到大数据集算法对典型站点水位进行相关性分析并得出站点间拟合函数关系式。查阅相关文献资料[11-17]，比较皮尔逊相关系数、斯皮尔曼系数和神经网络等算法，综合考虑广泛性、公平性、鲁棒性等指标，选择MIC 最大信息系数用于水位数据相关性分析[14]和神经网络算法求取站点间拟合函数[13-16]。上述算法确定后，本文进一步研究思路为：选取关键水位站奉节站（109.51°，31.04°）、巫山站（109.52°，31.04°）和巴东站（110.41°，31.02°）为研究对象，整理站点近5 年的历史水位数据，结合不同时期水流、水位变化特征，分汛期和非汛期展开研究；应用MIC 算法分析奉节-巫山、奉节-巴东水位相关性规律，并将站点水位定义为变量数组，应用神经网络求得相邻站点水位拟合函数关系；最后，制定水位辅助预警策略，应用在已有的三峡梯调水调系统报警平台中。

3 水位相关性分析

选取奉节站、巫山站和巴东站作为典型站点，整理3 站点近5 年历史水位数据，并定义奉节站水位数据为数组变量x，巫山站和巴东站水位数据分别定义为一次数组变量y，展开研究。

3.1 奉节-巫山站水位相关性分析和拟合函数求解

（1）汛期

根据三峡梯调中心调度指令，将每年4～10月作为来水汛期，整理奉节和巫山水位站近5 年（2016～2021 年）汛期历史水位数据，近67 万余条。定义奉节站水位数组为变量x，巫山站水位数组为变量y，导入至算法程序中，得到两站点水位数据散点图、最大信息系数MIC 和拟合函数，并画出拟合曲线，如图2 所示。

图2 奉节-巫山汛期水位数据拟合曲线

求得最大信息系数MIC 值为0.987 504 080

拟合函数参数为W=0.999 6，b=-0.048 2，

拟合函数为y=0.999 6x-0.048 2

由图2 可知，奉节-巫山两水位站数据分布较为规律，呈线性相关，巫山站水位值随着奉节站水位增大而增大。此外，在图中有两处过大偏离点集（1 和2），可初步判断该点集处为历史水位测量异常。根据散点图分布和MIC 值大小可知，汛期奉节站水位和巫山站水位有极强的相关性。结合拟合函数和拟合曲线，也可看出奉节-巫山站水位数据有着近似一次函数关系。

（2）非汛期

将每年11～次年3 月作为来水非汛期，整理奉节和巫山水位站近5 年（2016～2021 年）非汛期历史水位数据，近46 万余条。定义奉节站水位数组为变量x，巫山站水位数组为变量y，同理导入至算法程序中，得到两站点水位数据散点图、最大信息系数MIC 和拟合函数，并画出拟合曲线，如图3 所示。

图3 奉节-巫山非汛期水位数据拟合曲线

求得最大信息系数MIC 值为0.997 302 767

拟合函数参数为W=0.999 7，b=0.006 1，

拟合函数为y=0.999 7x+0.006 1

由图3 可知，奉节-巫山两水位站数据同样分布规律，较明显呈线性相关，巫山站水位值随着奉节站水位增大而增大。根据散点图分布和MIC 值大小可知，非汛期奉节站水位和巫山站水位有极强的相关性。同样，结合拟合函数和拟合曲线，可看出奉节-巫山站水位数据有着近似一次函数关系。

3.2 奉节站-巴东站水位相关性分析和拟合函数求解

（1）汛期

同3.1 小节奉节-巫山站类似研究，整理奉节和巴东水位站近5 年（2016～2021 年）汛期历史水位数据，近67 万余条。定义奉节站水位数组为变量x，巴东站水位数组为变量y，导入至算法程序中，得到两站点水位数据散点图、最大信息系数MIC 和拟合函数，并画出拟合曲线，如图4 所示。

图4 奉节-巴东汛期水位数据拟合曲线

求得最大信息系数MIC 值为0.949 897 455

拟合函数参数为W=0.998 9，b=-0.424 7，

拟合函数为y=0.998 9x-0.424 7

由图4 可知，奉节-巴东两水位站数据分布较为规律，呈线性相关，巴东站水位值随着奉节站水位增大而增大。根据散点图分布和MIC 值大小可知，汛期奉节站水位和巴东站水位有较强的相关性，但相较奉节-巫山站相关性明显较弱，可推断随着流域距离增大，不同站点间的水位相关性也会受影响。结合拟合函数和拟合曲线，可看出奉节-巴东站水位数据有着近似一次函数关系。

（2）非汛期

同上，整理奉节和巴东水位站近5 年（2016～2021年）非汛期历史水位数据，近46 万余条。定义奉节站水位数组为变量x，巴东站水位数组为变量y，同理导入至算法程序中，得到两站点水位数据散点图、最大信息系数MIC 和拟合函数，并画出拟合曲线，如图5 所示。

图5 奉节-巴东非汛期水位数据拟合曲线

求得最大信息系数MIC 值为0.995 127 190

拟合函数参数为W=0.999 9，b=0.025 5，

拟合函数为y=0.999 9x+0.025 5

由图5 可知，奉节-巴东两水位站数据分布规律，较明显呈线性相关，巴东站水位值随着奉节站水位增大而增大。根据散点图分布和MIC值大小可知，非汛期奉节站水位和巴东站水位有极强的相关性，与3.1 小节中奉节-巫山相似，可推断非汛期随着流域距离的增大，不同站点之间的数据相关性受影响较小，其主要原因与该时期来水量变化较小有关。结合拟合函数和拟合曲线，可看出奉节-巴东站水位数据有着近似一次函数关系。

由上述奉节-巫山站和奉节-巴东站相关性分析，对应相关性规律如表1 所示。

表1 不同水位站相关性分析

根据表1 结果：以奉节站水位为基准，分析巫山站和巴东站与其水位相关性规律。汛期：随着流域距离增大，最大信息系数MIC 值在减小，这说明随着流域距离增大和汛期来水量急，影响水流变化因素增多，对站点间水位数据相关性影响也较大；非汛期：随着流域距离的增大，最大信息系数MIC 减少较小，这说明随着流域距离增大和非汛期来水量缓和，影响水流变化因素较汛期少，对站点间水位数据相关性影响也较小。

4 水位测量辅助预警策略

水位数据传输业务流程：水位站将测量水位传送至中心站采集，并实时存入水调系统数据库中[2，10，17]；遥测人员每周对水位站巡检1～2 次，抽查测量、人工校验数据误差等工作。通过查看水调系统数据库中水位信息，在系统报警平台用SQL 语言编写预警策略，当实时存入数据库水位值超出裕度范围[±10 cm]时（结合实际业务需求，经技术人员研讨后设置的辅助校验值），报警平台自动给运维人员发送水位预警短信和值班语音预警提示，具体水位辅助预警策略如下：

定义写入数据库中实测水位值为y_zx，经拟合函数计算理论值为y_mat，当|y_zx-y_mat|误差范围在[±10 cm]内，不产生预警提示，无需遥测人员现场校验；当|y_zx-y_mat|误差范围超过[±10 cm]范围，水调系统报警平台发出语音报警，同时以短信形式告知遥测人员；对于报警提示时长偏短时，可认为是外界环境影响该时刻水位测量偏大或小，如落石、行船等，此时遥测人员可不进入现场，采用拟合函数计算的校验值来代替过大偏差值写入；当报警提示时长较长时，遥测人员需进入现场查验，根据实际情况采取措施；此外，当|y_zx-y_mat|在误差范围内，可适当减少人工现场巡检的次数。具体水位测量辅助预警策略如图6 所示。

图6 水位测量辅助预警策略图

在水调系统报警平台配置辅助预警策略程序后，需验证策略的有效性。实时测试巫山水位站4～9 月水位测量写入数据库情况，共产生报警6 次，均集中在9 月份，结果如图7 所示。

图7 水位测量辅助预警策略有效性验证

由上图7（a）水调系统报警平台的水位报警提示，（b）数据库4～9 月水位测量报警时间可知，经过6 个月的水位预警实时测试，共计6 条水位报警提示，未出现频繁报警或持续报警现象，初步判断为外界因素导致的水位偏差。算例测试结果表明，相比传统方式直接写入数据库，共计减少运维人员现场巡检20 余次，减少异常数据入库6 条，辅助预警策略不仅能有效提高数据测量质量，提高水文预报精度，也大大缓解了遥测人员现场巡检次数，提高人工巡检效率。

5 结语

本文提出了一种长江干流关键水位站点相关性分析和辅助预警策略，通过理论研究和算例分析验证得出如下结论。

（1）分析奉节站与巫山、巴东水位站水位数据相关性，在汛期，随着流域距离的增大，最大信息系数MIC 值明显减小；非汛期，随着流域距离的增大，MIC 值略微减小。这说明汛期随着流域距离增大和来水量急，影响水流变化因素增多，对站点间水位数据相关性影响也较大；非汛期随着流域距离增大和来水量缓和，影响水流变化因素较汛期少，对站点间水位数据相关性影响也较小。

（2）通过制定了一套水位测量辅助预警策略并应用于现有水调系统报警平台中，经过6 个多月的业务测试，所提策略不仅能有效提高数据测量质量和水文预报精度，还能减少遥测人员现场巡检次数，提高水位测量效率。