新丰江水库流域相似洪水识别及洪量预报

冯永修; 杨亚钤; 刘金涛; Yong-xiu FENG; Ya-qian YANG; Jin-tao LIU

中国农村水利水电 ›› 2021 ›› (3) : 58-62.

水文水资源

新丰江水库流域相似洪水识别及洪量预报

作者信息 +

Similar Flood Identification in Xinfengjiang Reservoir Basin and Flood Forecast

Author information +

稿件信息 +

摘要

采用统计方法进行相似洪水的识别，挖掘流域历史洪水数据，可用于延长洪水预报预见期，从而为水库预泄调度工作提供指导。研究分析影响洪水形成的流域产流特性、气象成因和季节性因素等，经过指标聚类筛选出累积降雨量、洪水起涨时间、前期平均流量作为相似指标归类历史洪水，使用灰色关联度优选最相似洪水并进行洪量移用。以新丰江水库流域为对象，在212场洪水事件中选取100场洪水对所提方法进行验证，结果表明：除小量级和少数大量级的洪水，洪量预测误差整体偏小，有59场洪水的预报洪量误差小于30%，集中于“龙舟水”时期的第二类洪水，其整体误差在三类中最小。该方法有助于提前预判入库洪量，对华南地区多年调节水库的洪量预报调度有重要的借鉴意义。

Abstract

The identification of similar floods by statistical methods and the mining of historical flood data in the river basin can be used to prolong the forecast period of floods and thus provide a guidance for the pre-discharge operation of reservoirs. In this paper， watershed runoff characteristics， meteorological causes and seasonal factors that affect flood formation are analyzed. Cumulative rainfall， flood rise time and early average flow are screened out through index clustering to classify historical floods as similarity indexes， and most similar floods are optimized with grey correlation degree and the flood volume is transferred. In Xinfengjiang Reservoir watershed as an object， games during the 212 flood events of 100 flood to validate the proposed method， the results show that in addition to the small scale and a handful of great magnitude of floods， the prediction error of the actual overall slants small， with 59 of flood forecast error is less than 30% of the actual， focuses on the “dragon boat water” period of the second category of floods， the least prediction error in three categories. This method is helpful to predicting flood inflows in advance and has important reference values for flood forecast and operation of multi-year regulated reservoirs in South China.

关键词

洪水 / 相似分类 / 灰色关联度 / 洪量预报 / 水库调度

Key words

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

冯永修 , 杨亚钤 , 刘金涛. 新丰江水库流域相似洪水识别及洪量预报[J].中国农村水利水电, 2021(3): 58-62

Yong-xiu FENG , Ya-qian YANG , Jin-tao LIU. Similar Flood Identification in Xinfengjiang Reservoir Basin and Flood Forecast[J].China Rural Water and Hydropower, 2021(3): 58-62

0 引言

洪量预报是水库防洪工作中的重要预报方法，在对水库预泄调度的快速决策和预警方面成效显著^［1］。然而，受流域大小、形状和汇流时间等的限制，新丰江水库的洪水预见期较短，且水库下泄流量能力有限，降雨径流预报常无法满足洪量预报的要求^［2］。洪水作为一种水文现象，具有周期性和随机性，因此，根据流域已有的长期历史洪水数据，检索与当前洪水相似的历史洪水将有助于延长洪水预见期，提前预判入库洪量。例如，1993年Kojiri T等^［3］通过比较当前洪水与历史数据的相似性，提出一种基于模糊推理理论的水库调度决策支持系统；2010年Wan X Y等^［4］利用洪水实例间的相似性，建立了所需数据更少的水沙预测模型。在国内，2007年万新宇等^［5］提出了基于主成分分析的洪水相似分类方法；2008年孙杰等^［6］推求主要控制站的水位、流量、洪量加权的目标函数计算洪水相似度；2012年张艳平等^［7］采取暴雨指标和洪水指标，使用相关系数法进行相似性分析，选出与实时洪水相似的历史洪水。然而，2014年吴业楠等^［8］认为上述研究者的评价指标往往在洪水过后才能获取，如暴雨总历时、洪水重现期等，对水库实时调度的指导意义不大，因此，他提出选取洪水起涨特征因子作为评价指标。

事实上，洪水的发生是驱动要素（如天气系统）、结构要素（如地形地貌）和水动力状态（如前期水文条件）等共同作用的结果^［9］。本文以新丰江水库流域为研究对象，选用描述了驱动和水动力状态特征的要素构建备选的洪水相似指标，采用系统聚类法筛选出重要的相似指标，再利用K-Means聚类法对历史洪水进行相似分类，最后根据灰色关联度筛选最相似洪水用于水库入库洪量的预报工作。

1 材料与方法

1.1 流域概况

新丰江水电站于1958 年7月动工兴建，1960年10月并网发电，之后经过3次升级改造，目前系统规模雨量测站15个，水位站2个（上下游）（图1）。水库多年平均入流量190 m³/s，正常蓄水位时水面面积364 km²，兴利库容64.91亿m³，为多年调节水库。所在流域位于广东省中北部，集水面积5 734 km²，属亚热带季风气候，水量充沛，植被良好。流域西北为九连山脉，东南为以丘陵为主的灯塔盆地，地势由西北向东南倾斜，流域形状呈扇形，汇流时间短，其干流和支流长度差别小、水面面积大，洪水过程易涨难落，平均径流系数为58%。

图1 新丰江水库流域及水文站点分布

Fig.1 Distribution of Xinfengjiang Reservoir basin and hydrological stations

Full size|PPT slide

新丰江水库库区的小水电水库总库容达2.18 亿m³。剔除日调节及以下水库后，集水面积为678.2 km²，约占新丰江水库总集水面积的12%。小水库的存在，可能对久旱初雨的入库洪量造成较大影响。

1.2 流域雨洪特性及数据来源

新丰江水库洪水的年际变化大，年内随降雨亦有明显的季节性变化，全年汛期可以划分为前汛期和后汛期两个阶段。四至六月属前汛期，来水量占全年的48%，七至九月为后汛期，来水量占31%；实测入库洪峰最大值与最小值相差达20倍，年入库水量最大值与最小值相差10倍。①前汛期：主要受东南沿海型“龙舟水”的影响^［10］。“龙舟水”在新丰江水库主要分为两个时间段：5月8日-5月22日，其间五年一遇以上洪水占比28%；6月11日-6月27日，其间五年一遇以上洪水占比50%。②后汛期：主要受台风雨影响，6月下旬至7月中下旬，台风陆续登陆带来降雨，形成了华南地区一年中第二个汛期，即后汛期。

历史雨洪数据来源为新丰江水库的逐日平均降雨资料和逐日入库流量资料（1961年1月-2019年6月），其中，1961-1992年的降雨量采用人工观测，1992年起启用水情自动测报系统，水文资料系列较长，对个别日平均降雨量资料缺失的年份予以剔除，共计212场历史洪水。其中，洪量量级为0~2 亿m³的有24场，2~4 亿m³的有91场，4~6 亿m³的有52场，6~8 亿m³的有27场，8~10 亿m³的有10场，大于10 亿m³的有8场，其中20 亿m³左右的仅1场。

1.3 方法原理

新丰江水库洪水普遍持续5~8 d，故选取最大五天洪量作为预测目标。本文提出的相似洪水识别方法包括3部分：①选取与洪水成因密切相关的特征因子作为备选相似指标，为避免指标间的信息重叠对洪水相似分类的干扰，统计所有历史洪水的备选相似指标，用系统聚类法对指标进行降维处理，确定最终的相似指标；②根据①中得出的相似指标，采取K-Means聚类法对所有历史洪水进行相似归类，形成各类相似洪水集；③确定基准洪水进行洪量预测。为反映流域气象、下垫面条件的现状，更利于实际洪量预测，无差别选取距今最近的若干历史洪水依次作为基准洪水，以各基准洪水为对象，在②所确定的相似洪水集中采用灰色关联度方法检索出与之最为相似的洪水（以下简称“最相似洪水”），将最相似洪水的洪量作为基准洪水的预测结果。

1.3.1 相似指标与聚类降维

系统聚类法常用于相似指标的降维^{［13，14］}，能有效减少指标间的信息冗余程度。由于实时洪水预测时只能根据前期雨洪信息推求洪量大小，本文选取洪水起涨时间、累积降雨量、前期降雨土湿、前期平均流量作为备选相似指标参与指标聚类。所选指标如下：

（1）洪水起涨时间

D_{t}

。洪水起涨时间即洪水起涨日期距年初的天数，与气象要素和下垫面条件有关，间接反映了洪水成因的季节变化。

（2） 5 d洪量对应的流域平均累计降雨量

P_{5}

。降雨量是影响洪量大小的重要因素^［8］，实时洪水预报时，可通过中央气象台（http：//www.nmc.cn）获取降雨的中期预报数据。

（3）前期土壤含水量

P_{a, t}

。土壤含水量影响着流域坡面的降雨入渗和产流特性^［16］，但一般难以迅速有效地监测，通常根据前15 d降雨量进行间接计算^［17］。

（4）洪水起涨日前7 d的平均入库流量Q₇。前期入库流量主要由壤中流和地下径流组成，受前次洪水退水过程和小水库流量拦截的影响，可间接反映前期土壤含水量的状态^［8］。

1.3.2 历史洪水分类

基于指标聚类分析确定的相似指标，通过K-Means聚类法对212场历史洪水进行相似性分类，形成各类相似洪水集，为检索最相似洪水提供样本材料。

K-Means聚类法^［18］是经典的聚类算法，在选取初始聚类中心后，对所有数据点进行分类，通过计算每个聚类的平均值反复调整聚类中心，最终使同类簇的对象相似性最大，异类簇的对象相似性最小^［19］，适用于对大型数据的高效分类^{［20，21］}。

1.3.3 最相似洪水检索方法

对于某场基准洪水，假定其洪量未知，在基准洪水所属的相似洪水集中，计算基准洪水与其他洪水的灰色关联度，定位其最相似洪水，进行洪量移用，完成对基准洪水的洪量预测。本文使用灰色关联度刻画两场洪水的相似指标序列之间的相对变化趋势，值越大表明两者的同步变化程度越高^{［22，23］}，即两场洪水的前期变化态势越趋于一致。

若基准洪水对应的某类相似洪水集中共有

n

场洪水，首先采用初值化变换处理这

n

场洪水的相似指标数据，以消除量纲和量级的影响，使指标之间具有可比性。由每场洪水

k

个初值化后的相似指标构成

n \times k

的矩阵

X = (x_{i j})_{n \times k}

，其中

x_{i j} (i = 1,2, \dots, n; j = 1,2, \dots k)

为第

i

场洪水的第

j

个相似指标。在

X = (x_{i j})_{n \times k}

中以基准洪水的相似指标序列作为母序列

X_{0}

，对应的相似洪水集中的其他洪水的指标序列为子序列

X_{i}

。

Δ_{o i} (j)

表示第 i 场洪水的第 j 个相似指标与母序列对应指标的绝对差值。

求在各相似指标上母序列

X_{0}

与各子序列

X_{i}

的关联系数，即：

L_{o i} (j) = \frac{Δ_{m i n} + ρ Δ_{m a x}}{Δ_{o i} (j) + ρ Δ_{m a x}}

（1）

式中：

Δ_{m a x}

为

[Δ_{o i} {(j)]}_{n \times k}

中的最大绝对差值；

Δ_{m i n}

为

[Δ_{o i} {(j)]}_{n \times k}

中的最小绝对差值；

ρ

为分辨系数，一般取0.5。

求各子序列

X_{i}

与母序列

X_{0}

的相似指标关联数的平均值：

γ_{o i} = \frac{1}{k} \sum_{j = 1}^{k} L_{o i} (j)

（2）

式中：

γ_{o i}

为第

i

场相似洪水与基准洪水的灰色关联度。

2 结果分析

2.1 相似指标确定

经过相似指标聚类分析，其结果如图2所示，考虑指标的易获取性以及经验公式对指标计算的不确定性，最终选取洪水起涨时间、累积降雨量、前期平均流量作为最终的相似指标。

图2 相似指标聚类结果

Fig.2 Clustering results of similarity indexes

Full size|PPT slide

2.2 相似洪水集

利用K-Means聚类法对212场历史洪水进行相似分类，建立了3类相似洪水集，如图3所示，第一类集中在除 “龙舟水”时期以外的前汛期，包括前汛期中非“龙舟水”时期的67场，“龙舟水”时期的29场，非汛期14场；第二类集中在新丰江水库的两个“龙舟水”时段之中或其间，包括“龙舟水”时期的28场，前汛期中非“龙舟水”时期的21场，后汛期5场；第三类集中在后汛期，包括后汛期42场，非汛期6场。其他指标的数值亦有相应的季节分布差异：累积降雨量的均值依次为122.5、185.9、136.1 mm；前期平均流量的均值依次为258.6、644.7、243.0 m/s。

图3 各类相似洪水集的指标差异

Fig.3 Indicators differences of various similar flood sets

Full size|PPT slide

对各相似指标与洪水分类、洪量分布的特点作进一步分析可知，图4中，起涨时间对分离出第三类洪水的作用更强，其洪量集中在较低值，均值为3.43 亿m³；图5、图6中，累积降雨量和前期流量均对分离第二类洪水有更大贡献，由于第二类的累积降雨量普遍偏大，使其洪量均值较高，为7.49 亿m³；第一类的区分主要依靠起涨时间，虽然图4中第一、二类的洪水起涨时间有部分重叠，但相比第一、二类在累积降雨量和前期流量指标中的重合度，起涨时间仍可作为分离第一类的重要指标。此外，经过有效分离第二、三类后，第一类也更易被识别，其洪量均值为3.42 亿m³。

图4 各类相似洪水起涨时间与洪量分布

Fig.4 Rise time and flood volume distribution of all kinds of similar floods

Full size|PPT slide

图5 各类相似洪水累积降雨量与洪量分布

Fig.5 Cumulative rainfall and flood volume distribution of various similar floods

Full size|PPT slide

图6 各类相似洪水前期流量与洪量分布

Fig.6 Distribution of flow and flood volume in the early stage of various similar floods

Full size|PPT slide

整体而言，如图7所示，各类相似洪水集的洪量分布也同相似指标一样表现出较明显的季节性规律，进一步表明了相似指标选取的合理性。

图7 各类相似洪水集的洪量分布

Fig.7 Distribution of flood aggregates of all kinds of similar floods

Full size|PPT slide

2.3 最相似洪水检索与洪量预测结果

选取距今最近的100场洪水依次作为基准洪水，包括第1类洪水53场，第2类22场，第三类25场。在其对应的相似洪水集中，计算其他洪水与基准洪水的灰色关联度

γ_{o i}

，按从大到小进行排序，在相似洪水的起始时间早于基准洪水的前提下，选择灰色关联度最高的洪水作为最相似洪水。

如图8所示，相似洪水识别技术对洪量预测的效果较好，实测值与预测值的趋势线斜率为0.90，近似于1，误差集中在较小范围内，其中相对误差小于5%的洪水有16场，小于15%的有33场，小于30%的有59场。

图8 基准洪水的实测值与预测值比较

Fig.8 Comparison of measured and predicted values of datum flood

Full size|PPT slide

从图9（a）的误差分布来看，对于100场基准洪水，随着洪水量级的不同，其洪量预测误差也有所差异。其中，量级为4~6 亿m³的误差最小，均值为17%，其次为8~10 亿m³、2~4 亿m³的量级，误差均值分别为21%、26%。较大的误差集中在小量级洪水与极大量级洪水的洪量预测中，例如，0~2 亿m³的洪水，预测误差普遍较大，包括相对误差最大的6场洪水，其洪量均值仅0.97 亿m³，且预测值均偏大，分析是库区内的小水电水库对入库流量的拦截作用，对小量级洪水过程造成较大干扰，导致洪量预测值偏大；量级

\geq

10亿m³的洪水，相对误差偏高，均值为43%，主要因为可供识别的相似洪水集样本较少，缺乏更适宜的相似洪水信息。

图9 基准洪水洪量量级与预测误差分布

Fig.9 Magnitude and prediction error distribution of the baseline flood

Full size|PPT slide

因此，在100场基准洪水中，由于不同类别的基准洪水主要量级不同，其预测效果也有所差异。如图9（b）所示，集中在除 “龙舟水”时期以外的前汛期的第一类洪水，降雨量及洪量量级均较小，集中在2~6 亿m³区间，0~2 亿m³区间也有一定的分布。虽然2~6亿m³区间的误差较小（17.5%），但是0~2亿m³的小量级洪水误差较大（74.1%），导致该类基准洪水的整体误差较大，中值为23.3%。图9（c）表示发生在“龙舟水”时段的第二类洪水，由于雨量丰沛，洪量量级偏大，集中在4~10亿m³区间，其中4~6、6~8和8~10 亿m³的误差中值较低，分别为7%、20.1%、11.2%，但超过10 亿m³的误差较大（42.6%），与其他两类洪水相比，该类洪水的总体误差最小，为19.5%。图9（d）是集中在后汛期的第三类洪水，此时降雨量减少，洪量量级较小，集中在0~6 亿m³区间，其中比重较大的0~2 亿m³小量级洪水的误差（42.1%）及个别6~8 亿m³大量级洪水的误差（55%）偏大，影响了该类洪水的整体预测效果，致使误差中值达到32.6%。

综上所述，相似洪水识别技术在新丰江水库的洪量预测中表现较好，除小量级洪水（0~2 亿m³）和少数大量级洪水（前汛期≥10 亿m³，后汛期≥6 亿m³）的误差较大，其他量级的预测误差普遍偏小，特别是在基准洪水的检验中，集中于“龙舟水”时期的第二类洪水，其整体误差最小，表明该方法有助于预判汛期的入库洪量提前进行水库调度。

3 结论

本文以新丰江水库流域为对象，采用数据挖掘算法遴选了影响洪水形成的相似指标，研究了水库入库洪量的预测问题。主要结论如下。

（1）分析洪水过程形成机制，选取了实用性强、易获取的相似指标，能对洪水类型进行有效归类，便于进一步识别最相似洪水。

（2）融合了指标聚类（系统聚类法）、历史洪水归类（K-Means聚类法）和最相似洪水检索（灰色关联度）的相似洪水识别技术对五天洪量的整体预测效果较好，有利于延长实时洪水预见期，提前调节水库下泄水量。

本文提出的洪量预测方法依赖于历史洪水样本，但对于资料较长的多年调节水库的快速预判调度，是可以接受的。此外，针对不同水库调度目标，可重新筛选其他特征要素作为相似指标。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	胡应权. 洪量预报在典型串联日调节水库洪水调度决策中的应用［J］. 水利水电快报，2015（4）：38-39，43. 本文引用 [1]

2	宁晓娜. 中小型水库洪水预报调度方法及应用［J］. 东北水利水电，2015，33（4）：33-35. 本文引用 [1]

3	KOJIRI T， SAKAKIMA S. Decision support system of reservoir operation considering weather forecast and hydrograph similarity ［J］. IAHS Publication，1993（213）：429-429. 本文引用 [1]

4	WAN X Y， WANG G Q， PENG Y，et al. Similarity-based optimal operation of water and sediment in a sediment-laden reservoir ［J］. Water Resources Management，2010，24（15）：4 381-4 402. 本文引用 [1]

5	万新宇，包为民，荆艳东，等. 基于主成分分析的洪水相似性研究［J］. 水电能源科学，2007，25（5）：36-39. 本文引用 [1]

6	孙杰，龚翰. 洪水相似性分析方法研究［J］. 东北水利水电，2008，26（12）：9-10. 本文引用 [1]

7	张艳平，周惠成. 基于暴雨洪水相似性分析的洪水分类研究［J］. 水电能源科学，2012，30（9）：50-54. 本文引用 [1]

8	吴业楠，钟平安，赵云发，等. 基于灰色关联分析的相似洪水动态展延方法［J］. 南水北调与水利科技，2014，12（1）：126-130. 本文引用 [3]

9	刘金涛，宋慧卿，王爱花. 水文相似概念与理论发展探析［J］. 水科学进展，2014，25（2）：288-296. 本文引用 [1]

10	张勇，王春林，罗晓玲，等. 广东干旱的气候成因及其防御对策［J］. 热带地理，2000，20（1）：16-21. 本文引用 [1]

11	万新宇，包为民，王光谦. 基于相似性的多沙水库坝址含沙量预测［J］. 水科学进展，2010，21（1）：38-44.

12	董四辉. 水库防洪预报调度及灾情评价理论研究与应用［D］. 辽宁大连：大连理工大学，2006.

13	陈梅梅，郑建国. 基于R型系统聚类的网站质量评价指标优化［J］. 情报杂志，2006（9）：42-44. 本文引用 [1]

14	潘忠华. 陈村大坝坝址区水-岩作用模拟［D］. 南京：河海大学，2007. 本文引用 [1]

15	范垂仁. 前期水文气象因素对洪水影响的探讨［J］. 东北水利水电，1987 （5）：3.

16	刘金涛，张佳宝. 前期土壤含水量对水文模拟不确定性影响分析［J］. 冰川冻土，2006，28（4）：519-525. 本文引用 [1]

17	胡娅敏，杜尧东，罗晓玲. 近49年华南“龙舟水”的降水分型［J］. 气象，2013，39（8）：1 031-1 040. 本文引用 [1]

18	MAC Q J. Some methods for classification and analysis of multivariate observations ［C］// Proceedings of the fifth Berkeley symposium on mathematical statistics and probability. Berkeley，USA：University of California，1967，1（14）：281-297. 本文引用 [1]

19	朱明. 数据挖掘［M］. 合肥：中国科学技术大学出版社， 2002. 本文引用 [1]

20	孙吉贵，刘杰，赵连宇. 聚类算法研究［J］. 软件学报，2008，19（1）：48-61. 本文引用 [1]

21	刘可新，包为民，阙家骏，等. 基于主成分分析的K均值聚类法在洪水预报中的应用［J］. 武汉大学学报：工学版，2015（48）：450. 本文引用 [1]

22	田民，刘思峰，卜志坤. 灰色关联度算法模型的研究综述［J］. 统计与决策，2008（1）：24-27. 本文引用 [1]

23	王学萌. 灰色系统分析及实用计算程序［M］. 武汉：华中科技大学出版社，2001. 本文引用 [1]

24	陈建，李春红，王峰，等. 长江上游流域暴雨洪水相似性判别指标研究［J］. 人民长江，2019，50（1）：62-67.

PDF(1106 KB)

访问

引用

详细情况

段落导航

选择文件类型/文献管理软件名称

选择包含的内容