沂河流域水文降雨預測模型研究

劉景青

（莒南縣澇坡水利服務中心，山東 莒南 276600）

水文預報是水資源管理預報最主要的工作之一，目前，BP神經網絡模型、小波神經網絡（WANN）模型均已應用到了水文預測模型中，但由于BP神經網絡模型收斂速度較慢、出錯率較高，WANN模型在收斂速度與計算參數優化過程中同樣存在一定的缺陷。極限學習機算法（ELM）是一種新型的單隱含層前饋神經網絡算法，在訓練中無需參數調整即可找出最優解，克服了傳統神經網絡算法收斂速度慢的缺點，目前已在農田蒸散預測、土壤滲透預測等方面得到了廣泛應用。本文基于ELM算法建立水文預報過程預測模型，并與傳統BP神經網絡模型、WANN模型進行比較，驗證ELM模型的精度。

1 計算方法

1.1 極限學習機算法模型

ELM模型主要可分為輸入層、隱含層和輸出層3部分。首先通過輸入層輸入所求變量，通過與隱含層之間的權重ωij，計算出輸出層權重βjk和輸出變量矩陣，得出最終結果。

極限學習算法將神經網絡輸出權重過程分為2步。在初始階段，假定所求權重為β，假設初始輸入權重為ai和輸入偏置bi，輸入層矩陣用H0表示，通過式（1）計算輸出權重為β0：

式中：β0為輸出權重，H0為輸入層矩陣，T0為變量矩陣。

對于輸出權重βi，可由下式計算：

根據求得的輸出權重，與輸出變量進行運算，最終求得極限學習機算法的最終模擬結果。本文中ELM模型算法采用Matlab2013a軟件進行模擬計算。

1.2 計算誤差比較

Nash-Sutcliffe系數（CD）、逐日相對均方根誤差（RMSE）和 Kendall一致性系數（K）可以較好地反映長時間預測序列與實測值的誤差和一致性，是系統性較好的數據評價指標體系。其中，CD與K的值越大、RMSE的值越小，模型算法與實測值的一致性越好、計算精度越高，具體公式如下：

式中：n為樣本數量；P＇為模型算法模擬值；Pm為實測值；為實測值的均值；A為待檢驗方法與實測結果中擁有一致性元素的對數；B為待檢驗方法與實測結果中不具有一致性元素的對數。

2 實例分析

沂河位于山東省臨沂市，是山東省第一大河。全長300多公里，流域面積達到了11 820 km2，沂河集水面積4 800 km2，流域山丘區面積占總面積的70%，平原區占30%。沂河地處南北方氣候過渡帶，多年平均降雨量在800 mm左右，降雨主要集中在5～8月，降雨量較大，因此研究合理的模型預測該區域降水，對當地防洪政策的制定具有重要意義。

2.1 日降雨模擬精度對比

圖1為3種不同計算模型模擬日降雨與實測降雨的對比。圖1顯示，ELM模型的計算精度明顯高于BP神經網絡模型和WANN計算模型，ELM模型模擬結果與實測值的擬合的決定系數R2達到了0.906 7，且相關性達到了極顯著水平（P＜0.01），同時擬合方程的斜率為1.297 1，而BP神經網絡模型和WANN模型計算結果R2分別僅為0.452 8和0.48，且相關性均未達顯著水平（P＞0.05），擬合方程斜率分別為1.488 6和1.827，明顯高于ELM模型的擬合方程斜率，因此，ELM模型計算結果與實測數據保持著較高的計算精度和一致性。

2.2 三種模型計算精度指標對比

表1為3種不同模型計算結果與實測值的計算精度指標分析。表1顯示，ELM模型計算結果要明顯優于BP神經網絡模型與WANN模型，其逐日相對均方根誤差RMSE僅為0.107，而BP神經網絡模擬日降雨的計算結果RMSE值達到了0.647，WANN模型計算結果RMSE值達到了0.754；ELM模型對日降雨的模擬結果與實測值的一致性最高，其K值和CD值分別為0.934和0.917，決定系數R2也達到了0.907，且計算結果的相關性均達到了極顯著水平（P＜0.01），而BP神經網絡模型與WANN模型的計算結果的一致性較差，K值分別為0.372和0.401，CD值分別為0.478和0.395，決定系數R2分別為0.453和0.480，且計算結果與實測值的相關性均未達顯著水平（P＞0.05）。綜上所述，ELM模型因其RMSE值較低，K值、CD值與R2的值較高，表明該模型計算結果與實測值的計算誤差最小，計算結果的一致性最高，因此，該模型可作為沂河流域水文降雨預報的計算標準模型。

圖1 三種模型模擬日降雨精度對比

表1 三種模型模擬結果精度分析

[1] 邢柏鋒.基于小波神經網絡的徑流預測方法分析 [J].科技創新與應用，2012，(11)：41.

[2] 張建云.中國水文預報技術發展的回顧與思考 [J].水科學進展，2010，21(4)：435—443.

[3] 古力皮亞·沙塔爾.改進的WANN模型在新疆中長期水文預報中的應用研究 [J].水利規劃與設計，2016，(11)：27—30+33.

[4] 馮禹，崔寧博，龔道枝，等.基于極限學習機的參考作物蒸散量預測模型 [J].農業工程學報，2015，31(增刊1)：153－160.