石佛寺流域洪水分类预报研究

范雪芬

（辽宁省石佛寺水库管理局，辽宁 沈阳 110166）

1 流域介绍

石佛寺水库位于辽河干流的中下游，是辽河干流唯一的控制性水利工程，辽宁省内流域面积16 161万km2，水库总库容1.85亿m3。石佛寺水库通过与辽河干流左侧三大支流上的南城子、清河、柴河、榛子岭4座水库联合调控，将石佛寺水库以下辽河干流的防洪标准从30年一遇提高到100年一遇[1]。

根据石佛寺流域特点和水利工程分布情况，将石佛寺流域划分为4个子区间，即松树子区间、开原子区间、铁岭子区间和石佛寺子区间[2,3]。石佛寺水库洪水预报方案中，产汇流预报采用大伙房模型[4]，洪水演算采用错时段法。

2 分类洪水预报模型

2.1 模型建立

采用模糊聚类ISODATA迭代模型对洪水进行聚类，在文献[5]中详细介绍了ISODATA模型的推导过程，将历史洪水划分为大洪水、中等洪水和小洪水3类，以洪峰和洪量作为模糊聚类的特征指标，指标权重向量W=（0.5，0.5）。由于无法提前获取洪峰和洪量两个指标，使得基于洪峰和洪量指标的模糊聚类方法应用受到了极大限制。使用模糊推理的方法，来提前判断洪水所属类型，以便快速准确的选取相应模型参数。

基于综合信息的模糊推理模式是建立在以成因分析、统计分析、经验相关等方法的基础上，利用历史信息归纳生成推理模式语句，再根据面临时刻信息与历史信息相匹配，得到相应的结果作为结论。模糊推理要求具有代表性好，且足够多的历史信息作为输入因子用来生成规则。

根据多规则、多输入、单输出的模型求解思路，多重模糊推理形式为：

式中：A为推理因子；B为推理结果；m为推理因子个数；n为规则个数。

洪水类型识别模糊推理模型，分为离线阶段和在线阶段两部分，洪水分类预报流程如图1所示。离线阶段是根据历史资料生成推理规则和将历史洪水进行聚类，在线阶段是利用面临时刻信息进行模糊推理，判断实时洪水类型。

图1 基于模糊推理的洪水分类预报模型流程图

2.2 模型求解

由于松树子单元水文资料好，人类活动少，且下垫面条件稳定，适合进行模糊推理研究。对松树子单元1954-2010年，47场历史洪水作为研究资料进行分析，选择前期土壤含水量（WM0）、降雨强度（i）、起始流量（Q0）、累计降雨量（P），4个因子作为模型的输入条件。

具体的计算过程是，将四个因子分级，如表1所示。将历史洪水的特征指标转化为相应的级别作为样本，而获取实时洪水的特征指标后，将特征指标转化为相应的级别，与样本洪水中各因子的级别相比较，认为级别最相近的为同一类洪水，采用同一组预报模型参数。

表1 模糊推理因子分级

将历史洪水划分为率定期和检验期，将率定期和检验期的分类预报结果和不分类预报结果列入表2和表3中。经过对比分析可以看出，分类预报方案较原方案相比，模拟精度和合格率都有所提高，预报误差减小[6]。用模糊聚类方法能够根据特征指标准确的将历史场次洪水进行聚类，并根据聚类结果对模型参数进行分类优选，将不同类型的参数应用于洪水预报中，模拟精度得到了明显的提高。

表2 松树子单元率定期洪水预报结果比较

表3 松树子单元检验期洪水预报结果比较

3 结论

为了提高石佛寺流域洪水预报精度，建立了基于综合信息的模糊推理模式洪水分类预报模型，并以松树子单元为例进行研究。采用洪量和洪峰作为指标，应用模糊聚类ISODATA模型将历史场次洪水进行聚类，进行不同类型洪水的模型参数优选。由于实时洪水预报中无法提前获取洪峰、洪量指标，故选择前期土壤含水量、降雨强度、起始流量、累计降雨量等，4个因子作为模糊推理的输入条件，判断该场洪水所属的洪水类型。实际结果表明，洪峰和洪量指标与前期土壤含水量、降雨强度、起始流量和累计降雨量等，4个因子存在良好的相关关系，并且分类洪水预报可以有效提高洪水预报精度。

［1］梁文章，柴晓利，曹炜伦.石佛寺水库2010720暴雨洪水分析［J］.东北水利水电，2011，624（3）∶49-50.

［2］王猛，彭勇，梁国华.大伙房模型在石佛寺流域洪水预报方案中的应用［J］.南水北调与水利科技，2012，10（2）∶15-19.

［3］王猛.石佛寺水库洪水预报及其实时修正方法研究［D］.大连理工大学，2012.

［4］大连理工大学，国家防汛抗旱总指挥部办公室.水库防洪预报方法与应用［M］.北京∶中国水利水电出版社.

［5］陈守煜.工程模糊集理论与应用［M］.北京∶国防工业出版社，1998.

［6］中华人民共和国水利部.水文情报预报规范（SL-2000）［S］.北京，2000.