基于山區(qū)中小河流水文資料的洪水預(yù)測(cè)研究
——以貴州省威寧縣為例

馬 祥

(威寧縣水務(wù)局,貴州 威寧 553100)

0 引 言

洪澇災(zāi)害的發(fā)生受多種因素影響。在保定地區(qū),除了水利設(shè)施建設(shè)以及人為因素以外,暴雨氣候和地形因素等條件也是洪水發(fā)生的原因之一[1]。因此,洪水災(zāi)害預(yù)警和河流徑流量預(yù)測(cè)成為現(xiàn)階段國(guó)內(nèi)外學(xué)者的重點(diǎn)研究對(duì)象。陳忠虎[2]以莆田市涵江區(qū)為樣本,研究了山洪災(zāi)害防治項(xiàng)目評(píng)價(jià)方法,并采用推理公式法進(jìn)行了洪水評(píng)價(jià)方法的參數(shù)優(yōu)化。張乾柱等[3]從地貌、高程、坡度、降雨及河網(wǎng)密度等因素方面,分析了重慶山洪災(zāi)害發(fā)生的空間分布規(guī)律,結(jié)果表明,重慶地區(qū)長(zhǎng)江干支流沿線更容易發(fā)生洪水災(zāi)害,該試驗(yàn)可為重慶市的抗洪建設(shè)提供數(shù)據(jù)支持。周晏等[4]創(chuàng)新性地將智能視覺(jué)識(shí)別技術(shù)和山區(qū)洪水防治結(jié)合,利用時(shí)空特征學(xué)習(xí)方法和三維卷積神經(jīng)網(wǎng)絡(luò),對(duì)山洪進(jìn)行了視頻監(jiān)測(cè)。該方法識(shí)別檢測(cè)快、精度性能高,為傳統(tǒng)山洪預(yù)警方法進(jìn)行了有效補(bǔ)充。

基于以上研究,本文通過(guò)GA算法優(yōu)化的水文模型,進(jìn)行山區(qū)中小河流洪水災(zāi)害預(yù)測(cè),旨在通過(guò)徑流量的計(jì)算模型優(yōu)化以及威寧縣興隆河樣本測(cè)試分析,驗(yàn)證模型的有效價(jià)值,為河流洪水災(zāi)害預(yù)警提供有效的技術(shù)支持。

1 基于LSTM的山區(qū)中小河流水文資料的洪水預(yù)測(cè)方法

1.1 威寧縣水文條件分析及水文模型研究

季節(jié)性暴雨是我國(guó)南方山區(qū)洪水災(zāi)害發(fā)生的主要原因,周期性的水文條件變化對(duì)洪水防治問(wèn)題提出新的挑戰(zhàn)。為了對(duì)山區(qū)中小河流的洪水災(zāi)害進(jìn)行預(yù)警,本次研究將基于河流水文條件和氣象資料,對(duì)貴州省威寧縣地區(qū)進(jìn)行水文資料分析。在水文研究中,一般將長(zhǎng)度小于10km、流域面積小于3 000km2的河流定義為中小河流。在山區(qū)中小河流流域內(nèi),季節(jié)性暴雨具有時(shí)空分布不均衡的特點(diǎn)。地形地貌特殊,降水時(shí)空分布復(fù)雜,可能因局地短時(shí)強(qiáng)降水引發(fā)山洪災(zāi)害。極端強(qiáng)降水可能引發(fā)滑坡、泥石流、小流域山洪、城市內(nèi)澇等次生災(zāi)害。本次研究構(gòu)建威寧縣興隆河水文模型,對(duì)河流洪水進(jìn)行預(yù)測(cè)分析,同時(shí)采用長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)對(duì)模型進(jìn)行優(yōu)化[5]。首先對(duì)威寧縣的水文條件和地理環(huán)境進(jìn)行分析,見(jiàn)圖1。

圖1 威寧縣水系圖

圖1中,線條表示河流水系,中間橢圓表示草海。由圖1可知,威寧縣內(nèi)眾多河湖交錯(cuò),河流總長(zhǎng)度1 031.1km,干流長(zhǎng)368.5km。縣內(nèi)中小河流可分為四大水系,四大水系又由眾多河流湖泊組成。其中,北盤(pán)江水系包括小可渡河、麻乍河、文昌河、冒水小河等河流;牛欄江水系包括哈喇河、安丹河、恰西河等河流;橫江水系包括羊街河、三道河、興隆河等河流;烏江水系包括拱橋河、文明小河、妥倮沖小河等河流。縣內(nèi)河網(wǎng)密度16.4km/km2,許多地處河湖地帶的鄉(xiāng)鎮(zhèn)村寨都以河湖來(lái)命名,如草海鎮(zhèn)由城西南部草海得名、二塘鎮(zhèn)因二塘河貫穿其間而得名。

威寧縣的氣候特征屬于亞熱帶季風(fēng)性濕潤(rùn)氣候,年日照時(shí)數(shù)1 812h,無(wú)霜期180天,年降雨量926mm,降雨集中在八九月份。特殊的地理環(huán)境和水文氣候條件導(dǎo)致威寧縣常常出現(xiàn)特大暴雨,因此也是貴州省的山洪多發(fā)地區(qū)。2014年8月10日開(kāi)始,受持續(xù)強(qiáng)降雨影響,貴州省多地遭受暴雨洪澇災(zāi)害。截至12日14時(shí),強(qiáng)降雨導(dǎo)致12人死亡、12人失蹤,3.5萬(wàn)余人緊急轉(zhuǎn)移安置。受災(zāi)最嚴(yán)重的習(xí)水、赤水、威寧等地交通、電力、通訊設(shè)施損毀嚴(yán)重,城鎮(zhèn)發(fā)生不同程度的內(nèi)澇。

本次研究借鑒新安江水文模型,構(gòu)建威寧縣興隆河水文模型,同時(shí)從威寧縣水務(wù)局收集相關(guān)水文降雨氣象資料[6]。水文模型對(duì)于河流洪水的預(yù)測(cè),依靠現(xiàn)代信息技術(shù)以及徑流量計(jì)算的原理完成,而河流的水文條件模型表示和徑流量計(jì)算,依靠流域內(nèi)產(chǎn)流量和匯流量等參數(shù)的分析完成。本次研究構(gòu)建的水文模型結(jié)構(gòu)見(jiàn)圖2。

圖2 山區(qū)中小河流洪水預(yù)警水文模型

從圖2可以看出,本次研究構(gòu)建的模型中主要參數(shù)為產(chǎn)流量、降雨氣候因素以及匯流量[7]。本次研究中,對(duì)于降雨氣候的評(píng)估將采用誤差值、相關(guān)系數(shù)進(jìn)行評(píng)價(jià),而在水文模型中,對(duì)于模型徑流量的評(píng)估精度采用納什效率系數(shù)(Nash-Sutcliffe efficiency coefficient,NSE)和相關(guān)性系數(shù)進(jìn)行評(píng)價(jià)[8-9]。

1.2 LSTM山區(qū)洪水預(yù)測(cè)模型構(gòu)建

根據(jù)水文模型的理論分析,以貴州威寧縣興隆河作為研究對(duì)象,構(gòu)建水文氣象參數(shù)模型。對(duì)于河流徑流量的預(yù)測(cè)來(lái)完成洪水災(zāi)害預(yù)測(cè)的目標(biāo),可以看出是一個(gè)參數(shù)變化之后的時(shí)間序列問(wèn)題[10]。因此,本次研究考慮通過(guò)優(yōu)化的遺傳算法(Genetic Algorithm,GA)來(lái)進(jìn)行水文模型的優(yōu)化處理[11]。水文模型的參數(shù)類別、具體參數(shù)及其含義見(jiàn)表1。

表1 威寧縣興隆河水文模型參數(shù)

從表1可以看出,對(duì)于山區(qū)中小河流水文模型的構(gòu)建需要?dú)庀髤?shù),其中降雨量和蒸發(fā)量決定了通過(guò)一個(gè)簡(jiǎn)化的降雨評(píng)級(jí)和蒸發(fā)量閾值進(jìn)行判定。當(dāng)河流流域內(nèi)的降雨量為大且大于蒸發(fā)量閾值時(shí),表明河流的徑流量會(huì)急速增加。當(dāng)降雨量為小且小于蒸發(fā)量閾值時(shí),表示洪水災(zāi)害的風(fēng)險(xiǎn)較小[12]。產(chǎn)流量參數(shù)中,主要考慮的是透水面積和不透水面積的產(chǎn)流量,兩個(gè)參數(shù)通過(guò)蓄水容量參數(shù)和蓄水容量曲線指數(shù)衡量[13]。匯流量參數(shù)分為地面徑流、壤中流和地下徑流3種,因此3種階段的徑流消退系數(shù)以及滯留時(shí)間決定了流域內(nèi)的匯流量。

本次研究采用非支配排序遺傳算法,進(jìn)行多目標(biāo)優(yōu)化問(wèn)題中的參數(shù)分析[14]。該算法的優(yōu)勢(shì)在于采用精英策略,將父代個(gè)體與子代個(gè)體合并后進(jìn)行非支配排序,使得搜索空間變大,生成下一代父代種群時(shí)按順序?qū)?yōu)先級(jí)較高的個(gè)體選入,并在同級(jí)個(gè)體中采用擁擠度進(jìn)行選擇,保證優(yōu)秀個(gè)體能夠有更大的概率被保留。研究通過(guò)輪盤(pán)賭方式進(jìn)行選擇,同時(shí)利用交叉操作,模擬自然界中染色體的交叉換位現(xiàn)象,用于生成新個(gè)體,公式表示如下:

式中:p(1,x+1)、p(2,x+1)分別為交叉操作生成的第x+1代個(gè)體;α為均勻分布因子;p1,x、p2,x分別為兩個(gè)新個(gè)體的父代個(gè)體。

同時(shí),本次研究采用變異操作,是模擬生物的基因變異、豐富子代生產(chǎn)的方式,其表達(dá)式如下:

2 GA算法參數(shù)優(yōu)化的水文模型在山區(qū)中小河流洪水預(yù)測(cè)中的應(yīng)用分析

為了驗(yàn)證本次研究構(gòu)建的GA參數(shù)優(yōu)化水文模型在山區(qū)中小河流洪水災(zāi)害預(yù)測(cè)中具有實(shí)際應(yīng)用價(jià)值,本次研究將貴州省威寧縣興隆河作為研究對(duì)象,同時(shí)選取2022年9月11日凌晨1時(shí)至12時(shí)的興隆河徑流量數(shù)據(jù)和流域氣候資料進(jìn)行分析。本次研究的數(shù)據(jù)來(lái)源于威寧縣水務(wù)局。

本次研究構(gòu)建的水文模型,經(jīng)過(guò)GA算法參數(shù)優(yōu)化,對(duì)比參數(shù)優(yōu)化前后兩個(gè)模型的相關(guān)性系數(shù),見(jiàn)圖3。由圖3(a)可知,傳統(tǒng)模型的相關(guān)性系數(shù)在提前一天的最高值為0.853,提前兩天的預(yù)測(cè)結(jié)果相關(guān)性系數(shù)為0.703,提前三天的結(jié)果降為0.62。由圖3(b)可知,優(yōu)化模型的相關(guān)性系數(shù)在提前一天的預(yù)測(cè)結(jié)果中最高值為0.957,提前兩天最高值為0.917,提前三天的預(yù)測(cè)結(jié)果中相關(guān)性系數(shù)為0.882。

圖3 傳統(tǒng)水文模型和優(yōu)化模型的預(yù)測(cè)相關(guān)性結(jié)果對(duì)比

本次研究對(duì)原水文模型和GA優(yōu)化參數(shù)的水文模型進(jìn)行性能對(duì)比分析,水文模型在優(yōu)化前后的徑流量預(yù)測(cè)能力是隨著預(yù)測(cè)時(shí)間的提前而降低,見(jiàn)圖4。由圖4(a)可知,傳統(tǒng)水文模型在提前一天的納什效率系數(shù)最高為0.728,提前二天為0.492,提前三天降至0.337。由圖4(b)可知,優(yōu)化模型的納什效率系數(shù)在提前一天的預(yù)測(cè)結(jié)果中最高值為0.915,提前兩天最高值為0.832,提前三天預(yù)測(cè)納什效率系數(shù)仍然保持在0.77的水平,表明傳統(tǒng)耦合模型的穩(wěn)定性不足。在不同時(shí)間段和預(yù)測(cè)提前量的基礎(chǔ)上,本次研究提出的GA優(yōu)化水文模型在性能中均高于傳統(tǒng)模型。

圖4 傳統(tǒng)水文模型和GA優(yōu)化模型的效率系數(shù)對(duì)比

本次研究將不同算法進(jìn)行參數(shù)優(yōu)化之后的水文模型進(jìn)行徑流量預(yù)測(cè)性能對(duì)比,見(jiàn)圖5。從圖5可以看出,威寧縣興隆河流域在2022年9月11日當(dāng)天的河流徑流量計(jì)算中,蟻群算法當(dāng)天的預(yù)測(cè)誤差處于[0.457m3/s,1.09 3m3/s]之間,24h內(nèi)河流徑流量預(yù)測(cè)數(shù)據(jù)的平均誤差為0.851 2m3/s;粒子群算法當(dāng)天的預(yù)測(cè)誤差處于[0.297m3/s,1.071m3/s]之間,24h內(nèi)河流徑流量預(yù)測(cè)數(shù)據(jù)的平均誤差為0.674 9m3/s;本次研究提出的GA算法優(yōu)化模型預(yù)測(cè)的當(dāng)天徑流量誤差處于[0.198m3/s,0.654m3/s]之間,24h內(nèi)河流徑流量預(yù)測(cè)數(shù)據(jù)的平均誤差為0.436 1m3/s。研究表明,2022年9月11日當(dāng)天的威寧縣興隆河流域在不同算法優(yōu)化下,本次研究提出的GA水文優(yōu)化模型誤差較小,對(duì)于河流徑流量的預(yù)測(cè)更精確。

圖5 不同參數(shù)優(yōu)化算法的徑流量預(yù)測(cè)誤差對(duì)比

3 結(jié) 論

針對(duì)貴州山區(qū)暴雨天氣中氣象參數(shù)分布時(shí)空不均,導(dǎo)致傳統(tǒng)模型徑流量預(yù)測(cè)相應(yīng)慢、誤差大問(wèn)題,本文研究構(gòu)建了遺傳算法參數(shù)優(yōu)化的水文模型,用于威寧縣興隆河的徑流量預(yù)測(cè),并對(duì)威寧縣興隆河流域2022年9月11日的氣象水文數(shù)據(jù)樣本進(jìn)行了分析。結(jié)果顯示,本次研究構(gòu)建的優(yōu)化模型在降雨預(yù)測(cè)中相關(guān)性系數(shù)最高為0.957,而預(yù)測(cè)結(jié)果的最高效率系數(shù)為0.915。同時(shí),模型預(yù)測(cè)當(dāng)天徑流量的誤差處于[0.198m3/s,0.654m3/s]之間,24h內(nèi)河流徑流量預(yù)測(cè)數(shù)據(jù)的平均誤差為0.436 1m3/s,誤差小于其他優(yōu)化算法。研究表明,本次研究構(gòu)建的GA優(yōu)化水文模型在威寧縣興隆河的洪水預(yù)測(cè)中性能優(yōu)化,徑流量預(yù)測(cè)誤差小,相關(guān)性高,優(yōu)于其他算法模型。