基于产流机制的中长期径流预测RBF神经网络模型研究

基于产流机制的中长期径流预测RBF神经网络模型研究

李天成;钟平安;吴业楠;朱非林;曹明霖;马彪

【摘要】从产流的物理过程出发,提出了影响产流的主要因子集,利用逐步回归分析法筛选影响各月径流的主要因子;利用筛选的主要因子建立了逐月径流预报RBF神经网络模型,并进行了实证研究.结果表明,不同月份的径流量主要影响因子不完全相同,存在明显的季节性差异;基于产流机制的RBF神经网络模型对于月尺度的径流过程,具有较好的模拟与预测能力.%The main factor set that affects runoff generation is firstly established based on the physical process of runoff,and the main factors influencing monthly runoff are selected by using stepwise regression analysis.Then a monthly runoff prediction model based on Radial Basis Function (RBF) neural network is set up.A case study is carried out.The results show that the main factors influencing monthly runoff are not identical in different months which show obvious seasonal difference,and the RBF neural network model based on runoff generation mechanism has better simulation and forecast ability for monthly scale runoff process.

【期刊名称】《水力发电》

【年(卷),期】2017(043)003

【总页数】5页(P13-17)

【关键词】产流机制;影响因子;RBF神经网络;径流模拟;径流预报

【作者】李天成;钟平安;吴业楠;朱非林;曹明霖;马彪

【作者单位】河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;河海大学水文水资源学院,江苏南京210098;长江规划勘测设计研究院,湖北武汉430010

【正文语种】中文

【中图分类】P338.2

可靠的中长期径流预报,对于水资源的规划与管理,确保水利设施的安全及其经济效益的发挥均具有重要意义。Box和Jenkins等[1]将ARMA类模型应用于中长期径流预报领域,使得线性时间序列有了重大发展；汤家豪教授[2]采用分段线性化构造的方法提出了目前非线性时间序列经典模型之一的门限自回归模型；Hsu[3]等提出了3层BP神经网络模型并应用到径流预报中；崔东文[4]在此基础上提出多隐层BP神经网络模型,提高了模型的预报精度；杨洪[5]结合自适应动量梯度法等三种方法提出改进BP神经网络算法并应用于径流预报中,克服了单一模型稳定性不高的缺陷；陈晶等[6]通过构建相邻月径流之间的分布函数,提出了基于Copula函数的月径流预报方法；林剑艺和程春田[7]将支持向量机原理应用于径流预报中,取得了良好的效果；黄巧玲[8]等在此基础上采用Mallat算法对原始月径流序列分解、重构,提高了支持向量机在月径流预报中的精度。从已有文献看,绝大部分的研究者都是针对径流时间序列本身,对影响径流形成的物理过程考虑较少。实际上,所有的水文要素都是依据其特定的物理机制发生变化的,从物理成因角度出发,筛选合理的预报因子；依据水文现象形成的物理机制,基于物理成因建立相应的预报模型具有重要意义。为此,本文从影响径流的物理过程出发,采用逐步回归的方法确定某流域逐月径流与温度、风速、相对湿度、降水及考虑流域滞时情况下的前期降水等气候因子的相关关系；选用目前在模式识别[9-11]领域内常用的RBF神经网络结合每

月径流相关因子,逐月建立预报模型。

径流是从降水开始到水流汇集至流域出口断面的物理过程。由产汇流理论可知,其

形成主要受流域气候特征和下垫面条件的影响。

流域气候特征是影响径流量最基本和最重要的因素。在气候特征中,对径流量产生

影响的主要因子为降水和蒸发。降水是径流的来源,降水的大小和空间分布将直接

影响径流量的形成；而蒸发的大小则影响径流量的变化。在现实生活中,实际蒸发

量是无法直接得到的。一般情况下,为获取实际蒸发量,可通过水面蒸发量乘以折算

系数α得到。折算系数α的确定存在很大的变异性,因此通过这种方法得到的实际蒸发量往往误差较大。为避免误差传递对预测结果产生影响,考虑采用其他指标来

替代蒸发项。结合实时信息的易获取性,本文采用温度、风速、相对湿度三项与蒸

发密切相关的指标项作为蒸发的表征指标。

下垫面条件主要影响产汇流过程。根据产汇流理论可知,土壤前期蓄水量的大小决

定了产流开始时间,并影响总产流量的大小。降水、蒸发和前期径流对土壤前期蓄

水量有着决定性的作用。考虑到土壤前期蓄水量无法直接获取,本文选取前期降水

和前期径流作为表征土壤前期蓄水量的指标。

由上述分析可知,径流量的大小可能受本时段降水、前期降水、土壤前期蓄水量和

本时段内的流域蒸发量的综合影响。流域蒸发量可采用流域平均温度、流域平均相对湿度和流域平均风速反映；土壤前期蓄水量可采用前期径流和前期降水反映。结合流域滞时的影响,对于前期降雨和前期径流,在本文研究中初步选取前6个月的降雨和径流进行表征。因此,流域月径流及其影响因子可描述为

式中,Rt为当前时段(月)的流域平均径流量；Pt为当前时段(月)的流域平均降水量；Tt为当前时段(月)的流域平均温度；Wt为当前时段(月)的流域平均风速；Ht为当前时段(月)的流域平均相对湿度；Rt-k为前移k个时段(月)的流域平均径流量；

Pt-k为前移k个时段(月)的流域平均降水量；k=1,2, (6)