梁宇生 楊曉芳 胡丹

【摘要】根據(jù)模糊聚類分析法的原理，深入研究了水文預報結果的影響特征因子.通過對模糊c均值聚類算法進行充分利用，模糊聚類分析了曹娥江流域的歷史洪水，針對不同類的洪水，分別進行產(chǎn)匯流參數(shù)率定.通過案例分析后發(fā)現(xiàn)，在水文預報中運用模糊聚類分析法，能夠有效提高洪水預報的精度.

【關鍵詞】模糊聚類分析;水文預報;曹娥江

一、模糊聚類分析法

目前，模糊聚類分析法是一種在多個領域中廣泛應用的分析方法，尤其是模糊c均值聚類算法.其中，模糊c均值聚類算法，就是將模糊劃分的概念作為主要依據(jù)，推廣硬聚類的目標函數(shù)為模糊聚類.為能夠對該種推廣的實用意義進行有效保證，預防目標函數(shù)出現(xiàn)平凡解，便在目標函數(shù)內，將一個隸屬度的指數(shù)方乘積因子加入每類原型和每個樣本之間的距離中，進而對目標函數(shù)、類內誤差平方進行了有效擴展，變?yōu)轭悆燃訖嗾`差平方和目標函數(shù)：

Jm（U，P）=∑nj=1∑ci=1（μij）m|Xj-Pi|2.

其中，第i個聚類中心用Pi來進行表示，第j個樣本向量用Xi來進行表示，第i個樣本對應的第j類的隸屬度值用μij來進行表示，類別數(shù)用c來進行表示，樣本個數(shù)用n來進行表示，平滑因子用m來進行表示，主要作用就是對在模糊集各類之間模式的分享程度進行有效控制.

二、案例分析

（一）流域概況

在錢塘江中，存在一個重要支流，就是曹娥江.其中，曹娥江流域為扇形，北低南高，上游具有多個雨量站點，同時還具有3座大中型水庫.曹娥江流域為濕潤地區(qū)，年降水量約為2 100 mm.

（二）洪水特征的選擇

事先給定的聚類個數(shù)c是FCM算法的關鍵.所以本文通過采用ISODATA聚類算法，對最優(yōu)分類的含義進行運用，對模糊聚類分析中的類內距離、類間距離的混合F函數(shù)進行深入分析，以使模糊c-均值的優(yōu)化算法得以共同實現(xiàn)，進而求出本文樣本的最佳聚類數(shù)，即5類.

因為本文選用的預報模型，主要對濕潤地區(qū)的蓄滿產(chǎn)流模型是適用的，所以，首先對參與模型進行計算，包括初始流量、平均雨強、土壤初始含水量、最大時段雨強等，以上均為模糊聚類的基本數(shù)值特征.將前期降雨的分布形態(tài)作為主要依據(jù)，將其對洪峰貢獻程度大小作為主要依據(jù)，選擇出3個屬性影響特征，即雨型形狀、降雨走向、暴雨中心.在進行模糊聚類分析計算過程中，針對能夠對示降雨形勢進行表示的屬性特征數(shù)值，應將其轉化為數(shù)值特征.

將樣本的最佳分類數(shù)作為主要依據(jù)，預分類樣本之后，然后進行ReliefF的循環(huán)計算，其計算結果，如表1所示.

針對40場曹娥江流域歷史洪水，將其劃分為5大類，以率定洪水參數(shù)，同時綜合對比聚類分析前的率定情況，對比結果如表2所示.通過比較分析后發(fā)現(xiàn)，對基于特征加權的聚類分析進行運用，不但可有效提高洪水預報的精度，而且能夠對所有水文影響因子的預報作用進行充分反映.

三、小 結

本文以曹娥江流域歷史洪水樣本為例，選用基于加權的模糊聚類新算法，進行了加權模糊c均值聚類分析.通過本案例發(fā)現(xiàn)，運用加權模糊c均值聚類分析法，不但能夠根據(jù)洪水影響因子，對歷史洪水進行模糊聚類分析，而且能夠對不同維特征對分類的貢獻程度進行有效分析，以提取、優(yōu)選出洪水影響因子的特征，通過對聚類分析結果進行充分利用，開展實時預報作業(yè).在洪水預報中，通過分析洪水影響因子的隨機性、模糊性，將模型預報作為主要基礎，利用模糊聚類分析法，制訂出一種有效的洪水預報方法，有效提高了模型預報的精度.

【參考文獻】

[1]張洪剛，郭生練，何新林，李超群.水文預報不確定性的研究進展與展望[J].石河子大學學報（自然科學版），2017（1）：1-5.

[2]李潔，高新波，焦李成.基于特征加權的模糊聚類新算法[J].電子學報，2017（1）：89-92.