基于深度学习的水文流量预报方法研究

基于深度学习的水文流量预报方法研究

刘展伟

伊犁水文勘测局  新疆维吾尔自治区伊犁哈萨克自治州 839300

摘要：水文数据监测是实现洪涝灾害预测预报、水库调度以及防汛指挥的基础。河水流量是对水文资源、水库、江河湖泊等水量作出反映的重要资料，更是观测河流的重要水文要素之一。基于此，本文主要对基于深度学习的水文流量预报方法进行研究，详情如下。

关键词：深度学习；水文流量；预报方法

引言

水文情势是指自然水体的水文要素随时空变化的情况，其变化与河流生态系统稳定和生物多样性均息息相关。描述水文情势改变程度的水文变异性分析，是评估河流水文要素波动、生态系统变化及水利工程开发影响的重要途径。水文情势改变度综合估算法可用于评估水利工程建设等人类活动对水文情势影响，捕捉更多水文改变指标在人类影响前后的信息差距，为研究区域的生态修复、生态调度等措施提供更加可靠、全面的参考依据和数据支撑。

1研究背景

流量预测对于洪水控制、水力发电、农业灌溉等水资源系统规划和管理活动具有重要意义，准确预测河流流量是减少洪水风险的基本要求，并且几十年来一直都是研究重点。然而，准确预测河流流量是一个难题，因为河流流量分析是一个复杂的动态过程，具有时空变化的特点。预测水文时间序列(HTS)是研究人员的重要研究课题，毫无疑问，预测一直是水文实践中的首要关注点。

2基于深度学习的水文流量预报方法

2.1生态流量时程演变规律

①针对河道某一控制断面，受不同水平年下不同来水期最小月平均径流差异的影响，在径流序列长度较小时，断面年均生态流量并非完全遵循主观认识上的由丰水年、偏丰水年、平水年、偏枯水年、枯水年依次递减的规律。②针对每座水库，其丰水年年均生态流量在时程上均呈增加趋势，而在其它年型中，除大花水水库平水年年均生态流量在时程上呈增加趋势外，均表现出年均生态流量在时程上减小的趋势，表明流域年际间来水的丰枯差异增大;同时，由“综合”曲线可以看出，上述各库的年均生态流量均呈降低趋势，表明近年来流域来水整体上较水库运行前期有所减少。③径流序列长度较小时，针对某一控制断面，其生态流量计算结果变化较大，随径流序列长度的增加，生态流量计算结果趋于平稳。

2.2遥测水位系统

随着水文行业现代化的发展，遥测技术已大量应用在水文测验中，遥测水位系统是水文遥测系统工程的一部分。该系统由水位监测传感器、通信设施、控制装置、信号接收和处理装置等多种设备组成。水文遥测系统建成以前，测区主要采用机械式水位计获取水位数据。但从取得的实测资料分析发现，过去存在着实测流量空间分布不合理、洪峰流量无法测到的情况，不能满足流量巡测要求，只能采用驻测方式。为了实现测区巡测，测区现已装配了遥测水位系统。遥测水位站的布设坚持尽量利用现有测站、便于通信组网、便于建设和维护的原则，在此原则下，测区内各河流控制站点已建成岸基浮子式遥测水位计，可以把获取的实时水位数据通过遥测终端机进行数据传输。遥测水位系统建成后，测区均使用遥测水位计获取水位数据，巡测人员只要登录阜阳水旱情信息实时监控系统就可以查到实时水位数据，运用实时水位数据可以掌握最佳的流量测验时机，及时了解水量的变化过程。以某水文站为例，巡测人员通过遥测水位系统迅速获取了该站点水位实时变化趋势后，利用点绘的实时水位流量关系线对三关线进行合理性分析并判断其变化趋势，再用生成的实时水位过程线与实测流量过程线进行对照检查，判断各要素变化趋势的合理性，进而分析测次的布置是否满足流量定线的精度要求，以此来确定测验时机。通过对实时水位变化趋势的变幅及拐点与相对应的流量变化趋势的关联因素的分析，获得实时的水量变化过程信息，从而掌握了最佳的流量测验时机。最佳的测流时机确定后迅速制定出应急巡测方案，赶在洪峰出现时及时完成了流量巡测，抢测到当年最高洪峰值。据此，巡测人员对当年该河流发生的洪水进行了较为完整的实测，很好地提高了该站的定线精度和年度资料整编的质量。从巡测的流量资料点绘的水位流量关系图来看，水位流量关系时空分布不合理问题已得到有效解决，且高水延长幅度满足定线要求。定线精度得到大幅提高，达到国家基本站的精度指标，明显高于水文巡测规定的精度指标。实践证明，该系统的运用是保证水文巡测工作质量的必要条件。

2.3无人机测流

水文测流属于野外作业，通常作业条件复杂艰苦，水文站虽有人值守，但施测难度较大，无法随时准确地掌握第一手资料。常规流量测验工作中也容易受到多种因素的影响，比如极端天气、险要地势等，为保障测流数据准确性及人员安全性，无人机测流具有重要应用价值。无人机测流系统的组成包括无人机平台、高清摄像头、电波流速仪、便携式计算机以及打印机等。在应用中，通过无人机平台上搭载的电波流速仪，针对指定河道断面实施非接触式测流，所监测结果经计算机的分析计算，获取断面流量成果。在此过程中，系统中的高清摄像机也可以进行视频拍摄，将其实时传输到地面显示器，为工作人员了解实际水情及其周边环境提供依据，通过这些图片也可以实现对数据可靠性的初步判定，并为无人机飞行安全提供保障。无人机测流前，需先对河道大断面情况进行基本了解，以此提前设置无人机飞行航线，确定具体的起点距、悬停测流时间以及施测垂线距离。测流过程中，按照航迹规划在指定垂线处实施悬停测流，将所得数据实时传回，在计算机软件的分析处理下对断面流量、流速等数据实施计算，获得《测速记载及流量计算表》。完成所有测流任务后，无人机返回起飞点。在无人机航测技术的发展中，搭载雷达波测流系统的测流无人机越来越多地应用到水文应急监测中。测流无人机凭借自身灵活便捷的工作模式，能够在短时间获取有效可靠的流量测验数据，降低人工测量的风险系数，同时也有助于提升工作效率和测量进度，在汛情突发地区或洪灾应急现场快速完成对水文数据的采集和信息报送任务，达到水文应急监测及报汛传输的连续性和快速性，规避水文监测盲区和预警盲区，为上级防汛决策指挥提供可靠支撑保障。为此，还需要加大对这一技术的研究，进而促进其广泛推广应用。

2.4代表流速精度控制

流量在线监测系统通常采用流速 － 面积法建模。为了使模型推算的断面平均流速更贴近真实流速，需充分考虑各项代表流速的代表性与一致性。流量在线监测系统断面面积可采用实时水位插补大断面数据方法获取，受旁瓣及盲区影响，走航式 ADCP 自测的断面面积与实际存在偏差，需要优化面积测量方式。

结语

为更进一步提高预报精度和实时性，后续研究者可以将水利工程等因素考虑到预报模型中，对于解决实际工程问题可以起到关键性作用。同时，不稳定的河流断面在河流河段也属常见，优化算法模型解决此问题也非常重要。

参考文献

[1孙志军,薛磊,许阳明,etal.深度学习研究综述[J].计算机应用研究,2012,29(8):5.

[2]卢文韬,肖辉,吴姿瑾,etal.基于混沌CSO-WNN-RBF的光伏功率超短期组合预测[J].电源技术,2021,45(4):485–489.

[3]王炜,吴耿锋,张博锋,etal.径向基函数(RBF)神经网络及其应用[J].地震,2005,25(2):7.

[4]朱启兵,刘杰,应怀樵.基于小波能量和RBF网络的钢水下渣自动检测[J].振动．测试与诊断,2005,25(3):3.

[5]尹邵龙,赵亚楠.深度学习在城市交通流预测中的实践研究[J].现代电子技术,2015,38(15):5.