基于流溪河模型的水库洪水预报方案.pdf

12云南水力发电YUNNAN WATER POWER第 40 卷第 3 期 *收稿日期：2022-05-05 作者简介：刘雅倩（1996-），女，回族，内蒙古乌兰察布人，助理工程师，主要从事水文与水资源调查及大坝安全监测、水库管养等工作。基于流溪河模型的水库洪水预报方案刘雅倩（深圳市深水水务咨询有限公司，广东深圳518000）摘要：中国是世界上洪水灾害发生最频繁的国家之一。建立准确可靠的洪水预报程序是应对洪涝灾害的关键。中国南方的某水库流域属于亚热带季风气候，春季雨水较多，夏季暴雨集中，秋季有台风。坝址洪水多为中小型洪水，具有典型的山洪上升陡、下降缓的特点。为了探索流溪河模型在某水库洪水预测中的适用性，基于 DEM、土地利用和土壤类型数据，建立了水库流溪河预测模型，并选取 1 个典型的洪水事件，利用粒子群优化算法对参数进行优化，并通过模拟其他洪水验证了模型的准确性。关键词：流溪河模型；水库；洪水预报；典型洪水事件；粒子群优化算法中国分类号：TV697.1+3 文献标识码：A文章编号：1006-3951(2024)03-0012-005DOI：10.3969/j.issn.1006-3951.2024.03.004Reservoir Flood Prediction Scheme Based on Liuxi River ModelLIU Yaqian(Shenzhen Shenshui Water Resources Consulting Co.,Ltd.,Shenzhen 518000,China)Abstract：China has experienced one of the most frequent flood disasters in the world.Accurate and reliable flood forecasting programs are key to responding to flood disasters.A reservoir basin in southern China has a subtropical monsoon climate,with more rain in spring,concentrated rainstorm in summer and typhoon in autumn.The floods at the dam site are mostly small to medium-sized floods,with typical characteristics of steep rise and slow decline of mountain floods.In order to explore the applicability of Liuxi River model in flood prediction of a certain reservoir,Liuxi River prediction model was established based on DEM,land use,and soil type data.A typical flood event was selected,and the parameters were optimized using particle swarm optimization algorithm.The accuracy of the model was verified by simulating other floods.Keywords：Liuxi River model;reservoir;flood forecast;typical flood event;Particle Swarm Optimization0引言洪水是人类面临的自然灾害之一，而中国是世界上洪水灾害发生最频繁的国家之一。作为中国的枢纽工程，某水库的功能主要是发电，结合防洪、灌溉等综合利用。流域属中亚热带季风气候，春季降雨时间长，夏季气候湿热，秋季台风暴雨集中1。每年4月至9月，暴雨会引发大中型洪水，其上升/下降幅度很陡，建立确实可靠的洪水预报框架是减轻水库洪涝灾害的关键。1研究区域1.1水库流域概况水库位于南水河流域，目前流入水库的支流主要有南水、龙溪河、车产水和长溪河，其中南水是珠江流域北江的一级支流。水库坝址以上控制面积为 608 km2，占南水河流域的 40.8%。根据 1 000 年一遇洪水设计，正常高水位为 220 m，总库容为 12.805108 m3，有效库容为 7.14108 m3，库容系数为 68%，属于多年调节。水库流域属于亚热带季风型气候，流域内降雨分布不均，降水主要集中在 4 月至 9 月。暴雨主要由冷锋天气形成，其中 5 月至 9 月是暴雨爆发的集中期，造成坝址中小洪水急剧上升和下降，为典型的山洪。盆地地形特征主要为西北高、东13刘雅倩基于流溪河模型的水库洪水预报方案南低、西北多山、东南平原丘陵。1.2水库水文资料收集水库水情自动预报系统共有 6 个雨量站，分别是梯下、龙溪、南水坝、合江口、平溪和泉水大坝。收集了水库流域 2000 年至 2020 年的 22 个洪水数据，其中每小时记录每个雨量站和流入流域降雨量数据。根据洪峰流量大小对洪水事件进行分类，其中小于 600 m3/s 为小洪水事件，大于 900 m3/s为大洪水事件，其他为中等洪水事件。共记录了7 次小洪水事件、8 次中等洪水事件和 7 次大洪水事件。降雨数据已通过 Thiessen 多边形方法进行分析，使用流域范围内降雨的空间插值。Thiessen多边形插值根据雨量站的分布将流域范围划分为不同的区域。每个区域的降雨强度由分配给水库流域内每个单元网格的降雨量定义2。1.3水库物性特征数据的收集与分析收集的物理特征数据主要包括：DEM 数据、土地利用类型数据和土壤类型数据。根据不同的流域，模型通常需要不同的物理特性数据。DEM 数据是由 METI 和 NASA 联合开发和发布的 Aster V3数据，空间分辨率为 30 m30 m。土地利用数据是使用地质调查局全球土地覆盖数据库的数据获得的，空间分辨率是 1 000 m1 000 m。根据水库分水岭范围剪辑获得的土地利用数据，水库流域共有 8 种土地利用类型，包括常绿针叶树、常绿阔叶林、灌木林、疏林、高山和亚高山草甸、斜坡草地、湖泊、耕地，占比分别为 65.2%、15.2%、15.5%、0.013%、0.57%、0.66%、1.85%、0.85%。常绿针叶林的比例不仅最大，而且超过了水库流域总面积的 50%。土壤类型数据来自国际粮食及农业组织，空间分辨率为 1 000 m1 000 m。剪裁流域范围后，水库流域共发现 8 种土壤类型，包括比例数-9、10 033、10 169、30 075、30 139、30 147、30 279、60 041，占 8.51%、13.06%、33.7%、1.87%、21.9%、3.18%、14.09%、3.58%，土壤类型数据中标记为 10 169 的土壤类型，在比例上最大，占据了整个流域的 30%以上。由于流溪河模型是通过网格计算的，因此单元网格的大小通常决定了模型的运行时间。流溪河模型中常用的单元网格尺寸为 90 m，而水库的数据遵循这一规定3。单元网格越小，运行时间越长。同时，单元网格越小越能反映流域的真实表面类型。因此，在选择模型的基本分辨率时存在平衡，这最终会影响模型的效率和准确性。对收集到的水库盆地的物理特征进行了重新采样，空间分辨率为 90 m。2流溪河模型的构建2.1流域单元划分和河道分类流溪河模型将流域划分为具有独立物理特征和降雨的网格单元，其中每个网格单元可以进一步划分为河道单元、斜坡单元和水库单元。河流单元是指河道形态相对清晰，进行地表径流汇流的单元，通常根据设定的累积流量阈值进行提取。水库单元是指水库淹没区内的单元，通常根据为DEM 设置的阈值（正常水位）提取水库单元。斜坡单元主要用于斜坡汇流，是整个流域除河道和水库单元以外的剩余单元4。流溪河模型采用 D8 流向法提取河道单元。D8 方法假设每个单元有 8 个可能的流动方向，并根据 DEM 计算的最陡坡度方向确定每个单元的可能流动方向。单元的累积流量由生成的流程图计算，并定义为累积到单元中的上游单元的数量。累积流量值越大，表明流入该单元的上游排水越多，该单元更有可能是 1 个通道单元。可以根据累积流量阈值的设置来提取通道单元。关于累积流量阈值的设置，由于没有科学的参考，通常使用试算法来比较实际提取的河道，这在实践中效率低下。为了避免选择累积流量阈值时的不确定性，流量模型使用Strahler方法对河道进行分级5。根据从分级结果获得的范围，选择适当的阈值来提取河道单元。采用 FAO 的不同累积流量阈值值来划分河道单元，并将河道的最大数量划分为 6个级别。通道属性是通过设置分段点将通道划分为若干段，然后参考这些分段河段的高分辨率遥感图像设置通道底部宽度、边坡、通道粗糙度和底部坡度，构建三级和四级通道分段点的结果如图 1所示。14云南水力发电2024 年第 3 期图 1流溪河模型第三和第四河道的分段点设置图2.2初始模型参数流溪河模型根据流域单元的物理特征，将参数分为地形参数、气象参数、土壤类型参数和土地利用类型参数。其中，地形参数是根据收集的DEM 数据计算得到的，主要包括流向和坡度，这些参数是不可调整的。蒸发量是唯一的气象参数，根据经验设置为 5 mm/d。土地利用参数包括坡度粗糙度和蒸发系数。边坡粗糙度是敏感的，通常根据文献中的推荐值确定。由于蒸发系数的灵敏度较弱，统一取 0.7。土壤中涉及的模型参数多种多样，包括饱和含水量、田间持水量、饱和导水率等高敏感参数，以及土壤厚度、枯萎含水量和土壤特性等低敏感参数。其中，土壤特征值取 2.5，剩余土壤参数由土壤水力特征计算器根据土壤中所含成分进行计算6。2.3模型参数优化流溪河模型采用粒子群优化算法对模型参数进行优化。粒子群优化算法是模拟鸟群觅食过程中的迁徙行为。小组根据搜索过程中获得的经验相互分享和教导，以找到最佳搜索策略。由于其简单高效的整体搜索能力，它被各行各业广泛引用。基于 PSO 算法的洪水预测模型中使用的参数只需要从历史数据中选择 1 个典型的洪水过程进行优化，然后根据优化后的参数和逐时降雨数据模拟过程线。选取编号为 2013081400 的洪水案例进行基于 PSO 算法的参数优化，其余 21 次洪水用于洪水预测模型的验证。粒子群算法的参数包括粒子群的种群大小、迭代次数、计算总数、惯性因子以及学习加速因子。其中，粒子数和迭代次数以及计算总数分别设置为 20、200 和 1 000。惯性因子在0.1，0.9范围内采用线性递减进行优化，学习加速因子在 0.5，2.5范围内使用反余弦加速算法进行动态迭代优化。流溪河模型有 13 种参数，在参数优化前对模型参数进行归一化并确定初始值。将要优化的参数归一化到0.5，1.5的范围。图 2 描述了参数优化过程中的适应值、参数值的演变过程以及参数优化前后的洪水模拟过程线7。图 2参数优化结果图3结果和讨论3.1不同河流顺序的洪水模拟流溪河模型中的河道单元会影响地表径流汇流过程。在构建水库洪水预报方案的同时，还讨论了不同河道顺序的洪水模拟效果。由于第 1 和第 2 河道不能很好地反映水库流域的河道分布，因此选择了三级和四级河道来讨论对蓄水洪水模拟的影响。并对不同河道顺序的洪水过程和模拟指标进行了比较。选择编号为 2013081400 的洪水案例作为三级和四级河流模拟的参数优化案例，其余 21 次洪水作为验证案例。流溪河模型的模拟和验证案例之间的输入类型完全一致，但通道参15刘雅倩基于流溪河模型的水库洪水预报方案数除外。从三级通道和四级通道的参数比较可以看出，对于模拟和验证案例以及评估指标，三级通道的过程线和四级渠道的过程线几乎相同。然而，关于优选参数的结果，每个参数的值非常不同，并且差距很大8。为了比较不同河道等级对水库入库洪水模拟的影响，分别根据三级和四级河道使用优化参数处理剩余的 21 个洪水案例进行模型验证。其模拟结果的平均评估指标，其中四级信道优于三级信道的模拟平均指数。平均确定系数从 0.71（三级通道）提高到 0.82（四级通道），提高了 11%，平均相关系数相对提高了 5%，平均过程相对误差降低了 4%，平均峰值误差降低了 8%。在此仅选取 6 条具有代表性的洪水模拟过程线进行分析，其中 2 条具有双峰特征（编号 2001070600 和编号2016051812），4 条具有单峰特征，如图 3 所示。四级通道比三级通道具有更好的模拟性能，而四级通道的峰值通常高于三级通道，并且四级通道峰值时间晚于三级通道。从综合平均指数和洪水过程图中可以看出，与三级通道相比，洪水模拟结果的峰值增加，峰值时间延迟，平均洪水模拟指数增加，洪水模拟效果更合适。结果表明，由于模型的平均精度与三级河道相比有了显著提图 3不同河流（三级和四级河流）的模拟洪水过程线图16云南水力发电2024 年第 3 期高，并且大多数模拟过程线与实测结果一致，因此使用四级河道分类进行洪水预测更为合适。根据中国水文信息预报标准，21 次洪水事件中有 18次洪峰误差小于 0.2，合格率达到 85%。预测方案等级可评定为 B 级，模拟结果满足水库入库洪水预测的精度要求。3.2模型参数优化结果分析分布式水文模型的参数往往是由存在不确定性的流域的物理特征决定的。模型参数的理论中有一个真实的值，使分布式模型的模拟表现最佳。这组真值是模型的最佳参数，因此模型需要适当的算法来进行参数优化。为了探讨粒子群算法对流溪河模型洪水模拟精度的影响，使用最优参数和原始模型参数对 21 次洪水进行了比较。结果表明，基于粒子群算法对流溪河模型的参数进行优化，可以明显提高模型的仿真精度。与初始模型参数模拟的指标结果相比，平均确定性系数从 0.72提高到 0.82，提高了 10%，平均相关系数相对提高了 3%，平均过程相对误差相对降低了 2%，平均峰值误差相对降低 14%。PSO 算法不仅提高了模型的精度，而且有效地提高了流溪河模型在实际应用中只需要 1 个典型的洪水参数进行优化的便利性9。4结束语为了研究流溪河模型在水库入库洪水实时预测中的适用性，研究了基于 DEM 数据、土地利用数据、土壤类型数据的水库预测框架，分辨率为90 m90 m，并根据分布式水文模型的特点，讨论了不同河道分级和粒子群算法对入库洪水预测的影响。通过研究，可以得出以下 3 个结论。1）基于流溪河模型的水库洪水预报框架令人满意，模拟效果良好：平均确定系数为 0.82，平均相关系数为 0.94，平均过程相对误差为 0.35，平均峰值误差为0.08。根据我国水文信息预报标准，该预报方案可评定为 B 级，满足洪水预报方案的精度要求，适用于水库洪水实时预报。2）基于粒子群算法参数优化的方法可以明显提高水库流溪河模型洪水预报的准确性。同时，粒子群优化算法由于其简单高效的特点，可以很好地解决分布式水文模型以往参数多、运行效率低的问题。3）讨论了不同河道等级对水库入库洪水预报的影响。与三级渠道相比，水库采用四级渠道构建的洪水预测方案模型具有较高的精度：平均确定性系数提高了 11%，平均相关系数相对提高了5%，平均过程相对误差相对降低了 4%，并且平均峰值误差相对降低了 8%。建立的流溪河模型对水库的洪水预报具有良好的性能，可以满足洪水预报的精度要求。通过讨论不同河流等级和粒子群算法对洪水预测的影响，结果表明，粒子群优化算法可以明显提高水库流溪河洪水预报模型的精度。基于四级渠道分级的模拟比基于三级渠道的模拟有更好的结果，表明峰值洪水值增加，峰值时间延迟，模拟更接近实测值。参考文献：1 邢丽雪，陈洋波，冯永修，等.基于流溪河模型的新丰江水库入库洪水预报模型研究J.水文，2022，42（1）：47-53.2 代超，尹健梅.西静河水库除险加固工程设计洪水计算分析J.云南水力发电，2022，38（1）：81-88.3 黎楚安，陈洋波，叶盛，等.上犹江水库入库洪水预报的流溪河模型研究J.水力发电学报，2021，40（7）：1-12.4 黄家宝，董礼明，陈洋波，等.基于流溪河模型的乐昌峡水库入库洪水预报模型研究 J.水利水电技术，2017，48（4）：1-7+12.5 谭玉坤.基于流溪河模型的中小流域洪水预报研究J.黑龙江水利科技，2017，45（2）：78-79.6 卫瀛海.新安江模型在琴江尖山水文站洪水预报中的应用研究 J.珠江水运，2022，（21）：89-91.7 杜俊，陈晶.滇中引水工程董家村渡槽跨河断面洪水分析J.云南水力发电，2016，32（3）：1-3.8 李涛，夏润亮，李冰，等.洪水预报研究与展望J.中国农村水利水电，2022，（12）：107-114.9 糜佳伟.雷达测雨及临近预报在中小流域洪水预报中的应用研究D.郑州：华北水利水电大学，2022.