克孜加尔水库上游冰情特征分析与预报

刁 瑞

（新疆阿勒泰水文勘测局，新疆 阿勒泰 836599）

0 引言

当前国内外大多采用实地监测和模型模拟等方法进行河道冰情的分析与研究。在国外，在热交换原理和冰力学原理的基础上创建模型已经广泛应用河道冰情分析与预测领域，预测精度较高[1]；在国内，河道冰凌问题始终备受研究人员与管理部门的广泛关注，上世纪八十年代河道预报模型建立之后，神经网络方法成功应用于黄河等流域冰情的预测与预报，收效良好，在6 d 的许可误差下，预测精度较高[2]。本文主要选取2000 年～2015 年（当年11 月～次年3 月）16 个冬季的实测数据，对克孜加尔水库上游河道的温度、流量、水位和地形以及冰塞、冰坝等冰情灾害和冰情变化特征等加以分析，并运用BP 神经网络模型，选择关联度高的预测因子，对克孜加尔水库上游流域开河、封河日期及历时等进行预报。

1 区域概况及研究方法

1.1 区域概况

克孜加尔水库位于新疆阿勒泰境内克兰河峡谷出口上游，水库总库容1.78 亿m3，坝高最大值64 m，水库正常蓄水位645 m，为农业灌溉为主的平原注入式水库。水库所在河流为典型的山溪雨源型河流，河水流量与降雨变化规律一致，且年际、年内变化更为剧烈，季节性变化明显，暴雨洪水集中于汛期，枯季流量小甚至干枯，加之水库流域地处山丘区，地形坡度大，源短流急，洪水过程陡涨陡落，行洪过程时间较短。流域多年平均降雨量为199 mm，最丰年为2012 年，年降水量为342 mm，最枯年为2007 年，年降水量为117 mm。

1.2 人工神经网络

人工神经网络作为非线性网络系统，主要由大量神经元组成，令h 为输入神经元，i 为隐含层神经元，j 为输出神经元，nh、nk、nj为三层神经网络节点数目，θi为隐含层节点i 的阈值，θj为输出层节点j 的阈值，whi为输入层节点h 和隐含层节点i 之间连线的权值，wij为隐含层节点i 和输出层节点j 之间连线的权值，x 为各节点的输入，y 为各节点的输出。

1）初始化处理。已经归一化处理的输入与输出样本为：

为权值{Whi}和{Wij}以及阈值{θi}和{θj}赋于（-0.1，0.1）区间内的随机值。令k=1，将样本对应的{xk，h，dk，h}提供给（h=1,2,…，nj）网络。

2）求隐含层各节点的输入xi和输出yi（i=1,2,...,ni）：

3）求输出层各节点的输入xj和输出yj（i=1,2,...,nj）：

4）求样本点误差Ek的变动率：

式中：t 为修正次数；η 为学习速率，η∈(0,1)，η 越大，则算法收敛速度越快，稳定性越差，存在可能的震荡；η 越小则算法收敛越缓慢；α 为动量因子，α∈(0,1)，α 越大则算法收敛速度越慢，α越小则算法收敛越快。

6）在学习模式下将（xh,h,dk,j）提供给网络，转步骤2，直到nk模式训练结束，再转步骤7。

7）重复步骤1～6，最终得到网络全局误差函数：

当网络全局误差E 小于预先设定的值或学习次数大于预先设定的值时，学习过程结束。

信号传输至神经网络时，首先通过隐含层节点，由网络作用进行函数转化后再将隐含层节点输出信号传至输出层节点，处理之后输出结果。节点通常采用Sigmoid 型作用函数，即：

根据上述神经网络模型原理，选取克孜加尔水库上游2000 年～2010 年的流域资料进行网络模型的反复训练，并采用2010 年～2015 年的数据进行模型验证，直至达到精度要求时为止。

1.3 筛选预报因子

自然因素和人为因素是影响河道凌汛的两类因素，流量、流速、水位、风速等动力因素，水温、气温、降雨等热力因素以及河道比降、河宽、弯曲度、糙率等河势因素均属于自然因素，建筑物及人类活动则属于人为因素。通过对克孜加尔水库上游河道实地观测发现，河道流凌发生在入冬气温持续在-5℃以下的情况下，冰凌首先堆积于水库尾回水的末端及弯道位置，随着温度的持续下降，封河距离不断增大，所以温度是影响流凌封河的主要因素，但日均气温无法对封河产生较大影响，故选取流域11 月至封河期间的负气温累计值，进行影响程度分析。克孜加尔水库上游河道16a 负气温累计值均值为-168.54℃，并选取负气温持续天数和封河前流量等作为预报因子，河道凌期平均流量为245.64 m3/s。进入开河期后，气温回升，冰盖变薄，脆性增大，逐渐增大的冰下过流能力引起冰盖破裂而开河，所以自然因素是影响开河的主要因素。克孜加尔水库上游河道2000 年～2015 年冰层厚度均值为0.99 m，正气温累计值和持续天数对河道冰情也存在重要影响，此外，由于研究时段内河道摆动与地形变化不大，河势相对变化较小，所以并未考虑河势因素[3]。冰情数据主要来自克孜加尔水库上游水文站统计资料，精度可靠且能反映水库上游冰情变化情况。总之，在实地观测和理论分析的基础上，选取不同日期、不同时间的气温、流量、冰层厚度等预报对象，并进一步确定预报对象与开河日期、开河历时和封河历时的相关系数，见表1。

表1 开河日期、开河历时、封河历时与预报因子的相关系数

2 克孜加尔水库冰情特征分析与预报

2.1 水位变化分析

克孜加尔水库建成后，野外实地观测资料表明，上游河段冰情主要呈如下变化特征：河滩湾以下河段稳定封冻不断增长，冰塞和冰坝形成概率大大增加；水位壅高，冰凌灾害频繁发生。克孜加尔水库上游典型断面的水位变化特征见图1，河道口、头道拐、河滩湾、河岔口沿程水位持续降低，最大降幅达16.5 m，该河段比降较大，冰封期到来时河岔口断面先封河，而后溯源而上其他断面依次封河，开河次序正好相反，头道拐断面水位在全部冰封期内并无明显变化，开河时水位也无明显涨落，主要因为该断面地势平缓，开河封河较为平稳。河岔口断面处于弯道上游，弯道一旦卡冰，此处河道水位必将壅高，所以河岔口断面水位在开河与封河时变化明显。河道口断面是“S”型的弯道，水位涨落幅度最大，凌汛灾害最容易发生，11 月20 日开始气温降至0℃以下，至23 日气温达到-18.5℃，温度的突降使河道口断面下游卡冰堆积，水位壅高，随后便进入稳封期，3 月20 日气温回升至6.5℃，并不断上升，上游河段解冻开河，冰凌不断堆积导致下游河段产生冰坝，上游水位壅高，容易出现凌汛灾害。

图1 克孜加尔水库上游水位变化曲线

2.2 冰情特征分析

克孜加尔水库上游河道冰情纵断面见图2，由图2 知，河段被划分为四段：与坝距离0～31.5 km 的河段为平封河段，由于受到水库的直接影响，水流流速小，河床比降大，水面比降小，气温降至零下后河段开始结冰；与坝距离31.5 km～53.2 km的河段为平封立封交界河段，封河形态位置迥异，11 月气温偏低情况下，立封河段增加，而随着气温的回升，平封河段将增加；与坝距离53.2 km～66.8 km 的河段为立封河段，高程落差较大，水面比降与河床比降也很大，水库建立蓄水之前，此河段属于峡谷型河段，由于河道比降和水流流速很大而从不封冻，水库建立之后，在回水末端的影响下，河段流速降低，水位升高，同时大坝起到拦截流凌的作用，所以冰凌容易堆积于河流弯道位置，在河流动力因素的作用下容易出现动力型冰盖；与坝距离66.8 km 以上则为平封河段，河槽比降小，在热力等作用下容易形成热力型冰盖。克孜加尔水库上游整个河段封河时间溯源而上，11 月气温降至0℃以下之后，坝前流速迅速降低，坝前至31.5 km 河段首先结冰，随着气温持续降低，则出现流凌，冰凌逐渐堆积在平封河段边缘，在河势地形的影响下，到66.8 km 以后，由立封河段转变为平封河段。而开河时从上游开始，开河所形成的流冰在与坝距离53.2 km～66.8 km 的河段内堆积，且容易形成冰坝和水位壅高以及冰凌灾害。

图2 克孜加尔水库上游河道冰情纵断面

2.3 模型预测

《水文情报预报规范》（SL250-2017）规定，冰情预报必须参照具体的防凌减灾工作实际，预见期为16 d，结合线性内插法原理[4]，许可误差为6 d。克孜加尔水库上游河道冰情预测结果详见表2，开河历时、封河历时和开河日期的预测值与实测值误差均在允许范围内，开河日期预测误差除2012 年～2013 年为7 d 外，其余时段都在许可误差以内。

表2 克孜加尔水库上游河道冰情预测结果

由表2 知，2012 年～2013 年封河晚、冰层薄，封冻时间长，3 月以来气温偏低，3 月10 日以前主要为融冰，河道内新增加的清沟和原有清沟逐渐连通、加宽加长，影响到开河过程，导致开河较晚，所以2012 年～2013 年度开河日期预测结果误差偏大。在预测结果中，预测合格率高达93.33%，预测精度较高，达到了水文预报的要求。

3 结论

由分析和预报结果可知，气温、封冻天数、流量和冰层厚度是影响克孜加尔水库上游河道冰情变动的主要因素，河道的封河型式则主要受水面比降的影响，克孜加尔水库上游河道封河、开河影响因素较多，各因素不仅单独影响预报因子，与预报因子存在线性关系，而且还存在各因素之间的综合影响，所以神经网络模型在克孜加尔水库上游河道冰情特征分析与封河历时、开河历时、开河日期等的预报方面较为适用，能有效解决受复杂因素影响的河道冰情特征的分析与预测问题，结果表明，预测合格率高达93.33%，精确度高且能满足水文预报的相关要求。