實時洪水預報系統應用實例分析

段明威，田京楠，田長濤

( 伊春水文局，黑龍江 伊春153000)

0 前 言

洪水預報作為防洪工作的一項重要非工程措施，被稱為防汛搶險工作的“耳目”和“參謀”。傳統的洪水預報技術多建立在單要素經驗相關的基礎上，隨著系統論、信息論、控制論等新理論和計算機技術的發展，洪水預報系統在信息處理技術以及預報方法上較以往傳統的方法都有所突破，明顯地提高了洪水預報精度，增長了有效預見期。在高海拔山區流域，由于水文站網分布密度較低;受支流匯入影響河段較多;洪水組成比較復雜;洪水來源隨機性強;匯流時間短;漲落迅速等原因，傳統洪水預報手段針對這類河段常常是勉強應對或是無能為力，導致洪水過程難以準確預報，不能達到洪水預報的最佳效益。本文根據洪水預報系統軟件和實時水情數據庫技術，采用多模型結合使用的方法來進行受區間入流影響河段的洪水預報方法分析。

1 實時洪水預報系統介紹

所謂“實時洪水預報”，是指對暴雨、洪水信息觀測資料的采集、傳遞、輸入，處理運算并作出洪水預報的全過程，其中包括對預報過程的誤差實時校正。這一系列的操作，由計算機自動完成，人工不予干涉。當前，建立實時洪水預報系統，大體有兩條途徑: ①把流域或河道的雨洪關系直接視作一個線性系統，用狀態方程、量測方程或常微分方程來描述，然后采用近代控制理論中的卡爾曼濾波方法來求解狀態變量即預報變量;②把流域或河道的雨洪關系，先用近代流域水文模型來描述，通過對這種確定性預報模型的計算值與本時段相應實測值的比較，獲得它們的實際誤差序列系統，并建立模型和估算參數，并對流域水文預報模型作補充描述，也就是預報模型加實時校正。

通過研究和實踐發現第2 種途徑概念較清晰，立論也比較新穎，是確定性與隨機性的有機結合，符合實際情況，在進行模型計算時也可以盡量簡化處理誤差系統部分。

洪水預報系統一般包括6個子系統，即歷史和實時數據收集系統;數據傳輸系統;數據庫管理系統;預報模型計算與休整系統;預報發布系統; 預報評估系統。決定洪水預報系統的質量關鍵在于兩點: ①快速，即通過各種水文信息的及時采集、迅速傳輸和處理運算來實現;②準確，即通過預報變量實時信息的反饋對預報模型計算成果或參數不斷進行實時校正來達到。這兩個關鍵點必須始終貫徹于從數據采集、處理到預報、發布整個預報系統中。洪水預報系統的具體內容包括:

1) 歷史和實時數據收集系統: 主要收集流域內的雨量站、水位站、水文站觀測的雨、水情信息。

2) 數據傳輸系統:系統將收集到的雨水情信息采用短信平臺、超短波等方式傳送至信息接收中心。

3) 數據庫管理系統: 為數據處理與存儲環節，具體的信息處理內容有:①翻譯雨水情電報報文; ②識別錯誤信息并處理;③根據洪水預報輸入要求，生成相應時段的水文要素過程;④根據用戶信息查詢要求，制成相應的圖表;⑤遇特殊雨水情發出預警;⑥向有關部門轉發信息，在處理信息之后，原始信息和處理后的信息將被存儲到數據庫。

4) 預報模型計算與修正系統:經過處理后的信息從數據庫中提取出來進入到預報模型計算系統，經過處理后進行典型雨洪分析。在計算系統中，最重要的環節是模型率定參數的確定，一是利用歷史資料建模并進行率定，二是利用實時資料對模型參數進行補充、修改，最后按照實際模擬達到合格要求后，才能確定預報模型的參數。

5) 預報發布系統: 根據確定后的預報模型，輸入實時雨水情信息進行產流、匯流計算，根據計算結果及時向社會發布洪水預報。

6) 預報評估系統: 在預報發布后，要更新數據庫實時數據，計算出的預報數據與實時數據比較后，評價此次預報的及時性和準確性，如果出現預測失誤的現象，就需要及時調整模型參數。

2 應用實例

2.1 模型選擇和參數率定

實現水文預報系統建模的前提條件是正確地選擇模型的結構型式。在同一信息系統里，往往可以得到多種模型結構。本文依據“模擬誤差最小”和“參數節省”的優選準則，選用了預報系統軟件中的“三水源蓄滿產流模型( SMS_3) 、三水源滯后演算匯流模型( LAG_3) 和馬斯京根河道分段連續演算法模型( MSK) ”來建立多支流匯入河段出口斷面的實時預報方案。上述模型和方法屬于概念性模型，其參數都有明確的物理意義，原則上可以根據其物理意義來確定其數值。但由于量測上的困難，在實際應用中難以做到，一般采用系統默認的經驗值作為模型的初始值。用初始參數值模擬出產匯流過程，并與實際過程進行比較和分析，以與實測過程的誤差最小為原則，用人工試錯和自動優選相結合的方式率定模型參數。模型可以隨時根據數據庫中的歷史數據自動進行誤差訂正，逐步接近實際參數值。參數率定是模型識別的主要環節，其目標是尋求模擬客觀系統的最滿意的模型參數。

2.2 應用實例

選擇湯旺河伊新站為例來介紹多支流匯入河段的洪水預報模型建立過程。伊新站洪水來源可分成3 部分:①上游五營站控制斷面來水; ②五營至伊新區間流域來水，該區間流域面積為3 600 km2，共有友好河、雙子河、長青河、梅花河4條較大無測驗斷面的河流匯入湯旺河;③右岸支流伊春站控制斷面的伊春河來水。以上來水具備隨機不確定性，均可單獨或共同形成伊新站的洪水過程，詳見圖1。

根據選定模型和實際預報河段的雨水情采集信息情況，建立伊新站預報模型時五營和伊春站采用馬斯京根河道分段連續演算法，區間流域使用三水源蓄滿產流模型和三水源滯后演算匯流模型。利用預報系統的參數率定功能和實時水情數據庫中10 次較大洪水過程的歷史數據對上述模型進行參數率定，最終優選結果見表1。

表1 湯旺河伊新站洪水預報系統各模型參數率定成果表

表1 參數中WM、KK、ES、F 需人為確定，實際使用發現SM 參數比較重要而且敏感，對洪峰值影響明顯，一般需要人工多次試驗優選來確定，其它參數取率定值即可。( 各年份參數率定和檢驗過程略) 。根據以上參數即可進行伊新站洪水過程預報。該模型自起報時刻起每3 h計算一次預報值。圖2 為使用該模型對2005年7月28日8 時—8月2日2 時伊新站一次較大洪水過程作出的預報結果。經檢驗，預報洪水過程流量平均絕對誤差為22.0 m3/s，平均相對誤差為4.5%，均方誤差為45.9 m3/s，洪峰流量相對誤差為0.54%，預見期為72 h，達到了《水文情報預報規范》( SL250－2000)規定的甲級預報方案精度標準，見表2。

表2 伊新站2005731 次洪水過程預報誤差統計表

3 結 語

洪水預報系統是流域防洪調度決策支持系統的關鍵組成部分，是實現防洪調度系統科學、高效、可靠決策的基礎，其預報結果精度客觀上依賴于水文資料的質量、代表性以及觀測精度。隨著時間的推移和人類活動的影響，模型參數必然發生變化，因此需要定期對模型參數進行重新率定分析。

模型參數依賴于模型的結構和輸入輸出的信息，盡管它會受到模擬概化的影響和輸入信息的隨機干擾，但參數的物理機制仍將起主導地位，在選用預報模型時建議選擇物理機制明顯且便于掌握的模型來使用。

人工試錯法調試參數可以避免系統自動率定參數時出現的“虛假擬合”現象，還可以充分利用用戶的知識技能和實踐經驗來檢驗模型參數的實用性，有利于模型的實際應用，在參數率定中要給予高度的重視。

實際使用中發現洪水預報系統目前在通用性和操作簡便性方面還存在一些不足，對終端用戶要求還較高，主要體現在可選模型較少，小江河應用效果較差，模型參數過多，人機交互界面復雜等幾個方面，有待進一步完善和提高。

圖1 湯旺河五營站至伊新站區間各支流分布圖

圖2 湯旺河伊新站2005731 次洪水實測與預報過程圖

［1］長江水利委員會. 水文預報方法:第二版［M］. 北京:中國水利電力出版社，1993.

［2］葛守西. 現代洪水預報技術［M］. 北京:中國水利水電出版社，1999.

［3］水利部水利信息中心. SL330－2005 水情信息編碼標準［S］.北京:中國水利水電出版社，2005.