涂 杰，周保紅，洪福鑫，劉 帥，張玉松，楊錦輝，劉道君，楊 旭

（中國(guó)長(zhǎng)江電力股份有限公司三峽水利樞紐梯級(jí)調(diào)度通信中心， 湖北 宜昌 443002）

2022 年汛期，長(zhǎng)江流域來(lái)水出現(xiàn)明顯偏枯現(xiàn)象，中下游干流8 月出現(xiàn)百年一遇嚴(yán)重枯水，給地區(qū)經(jīng)濟(jì)發(fā)展、生活帶來(lái)嚴(yán)重影響[1]。這一“汛期反枯”的嚴(yán)重現(xiàn)象警醒人們，提高水位測(cè)量精準(zhǔn)性并快速采取應(yīng)對(duì)措施，對(duì)于確保汛期防控以及抗旱用水調(diào)度決策至關(guān)重要。水位站對(duì)地區(qū)水位的準(zhǔn)確測(cè)量，并應(yīng)用數(shù)據(jù)監(jiān)測(cè)預(yù)警系統(tǒng)對(duì)業(yè)務(wù)和管理人員及時(shí)上報(bào)和處置險(xiǎn)情有重大意義[2，3]。在此背景下，深化研究關(guān)鍵水位站點(diǎn)間水位相關(guān)性聯(lián)系和水位輔助預(yù)警方法，對(duì)于保障流域水庫(kù)防洪、提高水文預(yù)報(bào)精度和調(diào)度決策水平具有重要價(jià)值。

保障水文預(yù)報(bào)精度的關(guān)鍵技術(shù)之一是提高測(cè)量精度并制定可靠的數(shù)據(jù)預(yù)警方法。近年來(lái)，一些學(xué)者也曾在這方面開(kāi)展過(guò)一些研究。如在科技設(shè)備方面改進(jìn)水庫(kù)水位測(cè)量方法，有運(yùn)用PPK 技術(shù)（載波相位差分定位）進(jìn)行高精度測(cè)量、智能全站儀輔助測(cè)量水位或利用ARM 處理器與圖像處理技術(shù)計(jì)算水位線高度等，在判斷水位數(shù)據(jù)異常后產(chǎn)生預(yù)警，提高了測(cè)量精度[4-9]。雖然這些研究在技術(shù)設(shè)備上創(chuàng)新改進(jìn)，但均未深化研究水位站間水位相關(guān)性聯(lián)系，缺乏流域水位規(guī)律性提煉，且未考慮自然環(huán)境對(duì)設(shè)備的影響以及預(yù)警策略測(cè)試時(shí)間不充足等問(wèn)題。

上述傳統(tǒng)方法大多數(shù)從科學(xué)技術(shù)、改進(jìn)水位測(cè)量設(shè)備方面來(lái)提高水位站點(diǎn)測(cè)量準(zhǔn)確性，并未深入研究水位數(shù)據(jù)本身和應(yīng)用實(shí)際案例驗(yàn)證。為解決傳統(tǒng)方法在水位測(cè)量裝置、外界因素引發(fā)的少量異常數(shù)據(jù)入庫(kù)問(wèn)題，提高水位數(shù)據(jù)測(cè)量質(zhì)量，本文深化研究關(guān)鍵水位站點(diǎn)間水位相關(guān)性聯(lián)系和函數(shù)關(guān)系。利用大數(shù)據(jù)集算法最大信息系數(shù)分析相鄰站點(diǎn)的數(shù)據(jù)相關(guān)性，提煉流域水位規(guī)律；利用神經(jīng)網(wǎng)絡(luò)算法得出相鄰站點(diǎn)間水位函數(shù)關(guān)系，并制定水位測(cè)量輔助預(yù)警策略。結(jié)果表明，將輔助預(yù)警策略應(yīng)用在水調(diào)系統(tǒng)報(bào)警平臺(tái)，經(jīng)過(guò)半年多的應(yīng)用測(cè)試，完全符合長(zhǎng)江電力業(yè)務(wù)需要，有效提高數(shù)據(jù)測(cè)量質(zhì)量和水文預(yù)報(bào)精度。

1 水調(diào)系統(tǒng)報(bào)警平臺(tái)業(yè)務(wù)原理

如圖1 所示，水調(diào)系統(tǒng)報(bào)警平臺(tái)由水位數(shù)據(jù)傳輸和報(bào)警平臺(tái)兩模塊構(gòu)成[2，10]。其業(yè)務(wù)原理為：長(zhǎng)江干流各水位站水位傳感器將測(cè)得的數(shù)據(jù)以每5 min 1 次傳送給數(shù)據(jù)采集器采集，并通過(guò)VHF（甚高頻通信系統(tǒng)）、GSM（全球移動(dòng)通信系統(tǒng)）或北斗通信傳輸?shù)街行恼?，解析后存入?shù)據(jù)庫(kù)中。本研究運(yùn)用最大信息系數(shù)MIC 算法分析水位數(shù)據(jù)相關(guān)性，通過(guò)神經(jīng)網(wǎng)絡(luò)求得相鄰站點(diǎn)擬合函數(shù)并制定輔助預(yù)警策略，應(yīng)用于現(xiàn)有水調(diào)系統(tǒng)報(bào)警平臺(tái)中，即在報(bào)警平臺(tái)加入相鄰站點(diǎn)水位預(yù)警模塊。最后，以短信、語(yǔ)音形式報(bào)送預(yù)警信息至運(yùn)維人員。

圖1 數(shù)據(jù)預(yù)警平臺(tái)總體設(shè)計(jì)

2 大數(shù)據(jù)集算法-最大信息系數(shù)MIC 和神經(jīng)網(wǎng)絡(luò)

本文研究中，需應(yīng)用到大數(shù)據(jù)集算法對(duì)典型站點(diǎn)水位進(jìn)行相關(guān)性分析并得出站點(diǎn)間擬合函數(shù)關(guān)系式。查閱相關(guān)文獻(xiàn)資料[11-17]，比較皮爾遜相關(guān)系數(shù)、斯皮爾曼系數(shù)和神經(jīng)網(wǎng)絡(luò)等算法，綜合考慮廣泛性、公平性、魯棒性等指標(biāo)，選擇MIC 最大信息系數(shù)用于水位數(shù)據(jù)相關(guān)性分析[14]和神經(jīng)網(wǎng)絡(luò)算法求取站點(diǎn)間擬合函數(shù)[13-16]。上述算法確定后，本文進(jìn)一步研究思路為：選取關(guān)鍵水位站奉節(jié)站（109.51°，31.04°）、巫山站（109.52°，31.04°）和巴東站（110.41°，31.02°）為研究對(duì)象，整理站點(diǎn)近5 年的歷史水位數(shù)據(jù)，結(jié)合不同時(shí)期水流、水位變化特征，分汛期和非汛期展開(kāi)研究；應(yīng)用MIC 算法分析奉節(jié)-巫山、奉節(jié)-巴東水位相關(guān)性規(guī)律，并將站點(diǎn)水位定義為變量數(shù)組，應(yīng)用神經(jīng)網(wǎng)絡(luò)求得相鄰站點(diǎn)水位擬合函數(shù)關(guān)系；最后，制定水位輔助預(yù)警策略，應(yīng)用在已有的三峽梯調(diào)水調(diào)系統(tǒng)報(bào)警平臺(tái)中。

3 水位相關(guān)性分析

選取奉節(jié)站、巫山站和巴東站作為典型站點(diǎn)，整理3 站點(diǎn)近5 年歷史水位數(shù)據(jù)，并定義奉節(jié)站水位數(shù)據(jù)為數(shù)組變量x，巫山站和巴東站水位數(shù)據(jù)分別定義為一次數(shù)組變量y，展開(kāi)研究。

3.1 奉節(jié)-巫山站水位相關(guān)性分析和擬合函數(shù)求解

（1）汛期

根據(jù)三峽梯調(diào)中心調(diào)度指令，將每年4～10月作為來(lái)水汛期，整理奉節(jié)和巫山水位站近5 年（2016～2021 年）汛期歷史水位數(shù)據(jù)，近67 萬(wàn)余條。定義奉節(jié)站水位數(shù)組為變量x，巫山站水位數(shù)組為變量y，導(dǎo)入至算法程序中，得到兩站點(diǎn)水位數(shù)據(jù)散點(diǎn)圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫(huà)出擬合曲線，如圖2 所示。

圖2 奉節(jié)-巫山汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.987 504 080

擬合函數(shù)參數(shù)為W=0.999 6，b=-0.048 2，

擬合函數(shù)為y=0.999 6x-0.048 2

由圖2 可知，奉節(jié)-巫山兩水位站數(shù)據(jù)分布較為規(guī)律，呈線性相關(guān)，巫山站水位值隨著奉節(jié)站水位增大而增大。此外，在圖中有兩處過(guò)大偏離點(diǎn)集（1 和2），可初步判斷該點(diǎn)集處為歷史水位測(cè)量異常。根據(jù)散點(diǎn)圖分布和MIC 值大小可知，汛期奉節(jié)站水位和巫山站水位有極強(qiáng)的相關(guān)性。結(jié)合擬合函數(shù)和擬合曲線，也可看出奉節(jié)-巫山站水位數(shù)據(jù)有著近似一次函數(shù)關(guān)系。

（2）非汛期

將每年11～次年3 月作為來(lái)水非汛期，整理奉節(jié)和巫山水位站近5 年（2016～2021 年）非汛期歷史水位數(shù)據(jù)，近46 萬(wàn)余條。定義奉節(jié)站水位數(shù)組為變量x，巫山站水位數(shù)組為變量y，同理導(dǎo)入至算法程序中，得到兩站點(diǎn)水位數(shù)據(jù)散點(diǎn)圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫(huà)出擬合曲線，如圖3 所示。

圖3 奉節(jié)-巫山非汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.997 302 767

擬合函數(shù)參數(shù)為W=0.999 7，b=0.006 1，

擬合函數(shù)為y=0.999 7x+0.006 1

由圖3 可知，奉節(jié)-巫山兩水位站數(shù)據(jù)同樣分布規(guī)律，較明顯呈線性相關(guān)，巫山站水位值隨著奉節(jié)站水位增大而增大。根據(jù)散點(diǎn)圖分布和MIC 值大小可知，非汛期奉節(jié)站水位和巫山站水位有極強(qiáng)的相關(guān)性。同樣，結(jié)合擬合函數(shù)和擬合曲線，可看出奉節(jié)-巫山站水位數(shù)據(jù)有著近似一次函數(shù)關(guān)系。

3.2 奉節(jié)站-巴東站水位相關(guān)性分析和擬合函數(shù)求解

（1）汛期

同3.1 小節(jié)奉節(jié)-巫山站類(lèi)似研究，整理奉節(jié)和巴東水位站近5 年（2016～2021 年）汛期歷史水位數(shù)據(jù)，近67 萬(wàn)余條。定義奉節(jié)站水位數(shù)組為變量x，巴東站水位數(shù)組為變量y，導(dǎo)入至算法程序中，得到兩站點(diǎn)水位數(shù)據(jù)散點(diǎn)圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫(huà)出擬合曲線，如圖4 所示。

圖4 奉節(jié)-巴東汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.949 897 455

擬合函數(shù)參數(shù)為W=0.998 9，b=-0.424 7，

擬合函數(shù)為y=0.998 9x-0.424 7

由圖4 可知，奉節(jié)-巴東兩水位站數(shù)據(jù)分布較為規(guī)律，呈線性相關(guān)，巴東站水位值隨著奉節(jié)站水位增大而增大。根據(jù)散點(diǎn)圖分布和MIC 值大小可知，汛期奉節(jié)站水位和巴東站水位有較強(qiáng)的相關(guān)性，但相較奉節(jié)-巫山站相關(guān)性明顯較弱，可推斷隨著流域距離增大，不同站點(diǎn)間的水位相關(guān)性也會(huì)受影響。結(jié)合擬合函數(shù)和擬合曲線，可看出奉節(jié)-巴東站水位數(shù)據(jù)有著近似一次函數(shù)關(guān)系。

（2）非汛期

同上，整理奉節(jié)和巴東水位站近5 年（2016～2021年）非汛期歷史水位數(shù)據(jù)，近46 萬(wàn)余條。定義奉節(jié)站水位數(shù)組為變量x，巴東站水位數(shù)組為變量y，同理導(dǎo)入至算法程序中，得到兩站點(diǎn)水位數(shù)據(jù)散點(diǎn)圖、最大信息系數(shù)MIC 和擬合函數(shù)，并畫(huà)出擬合曲線，如圖5 所示。

圖5 奉節(jié)-巴東非汛期水位數(shù)據(jù)擬合曲線

求得最大信息系數(shù)MIC 值為0.995 127 190

擬合函數(shù)參數(shù)為W=0.999 9，b=0.025 5，

擬合函數(shù)為y=0.999 9x+0.025 5

由圖5 可知，奉節(jié)-巴東兩水位站數(shù)據(jù)分布規(guī)律，較明顯呈線性相關(guān)，巴東站水位值隨著奉節(jié)站水位增大而增大。根據(jù)散點(diǎn)圖分布和MIC值大小可知，非汛期奉節(jié)站水位和巴東站水位有極強(qiáng)的相關(guān)性，與3.1 小節(jié)中奉節(jié)-巫山相似，可推斷非汛期隨著流域距離的增大，不同站點(diǎn)之間的數(shù)據(jù)相關(guān)性受影響較小，其主要原因與該時(shí)期來(lái)水量變化較小有關(guān)。結(jié)合擬合函數(shù)和擬合曲線，可看出奉節(jié)-巴東站水位數(shù)據(jù)有著近似一次函數(shù)關(guān)系。

由上述奉節(jié)-巫山站和奉節(jié)-巴東站相關(guān)性分析，對(duì)應(yīng)相關(guān)性規(guī)律如表1 所示。

表1 不同水位站相關(guān)性分析

根據(jù)表1 結(jié)果：以奉節(jié)站水位為基準(zhǔn)，分析巫山站和巴東站與其水位相關(guān)性規(guī)律。汛期：隨著流域距離增大，最大信息系數(shù)MIC 值在減小，這說(shuō)明隨著流域距離增大和汛期來(lái)水量急，影響水流變化因素增多，對(duì)站點(diǎn)間水位數(shù)據(jù)相關(guān)性影響也較大；非汛期：隨著流域距離的增大，最大信息系數(shù)MIC 減少較小，這說(shuō)明隨著流域距離增大和非汛期來(lái)水量緩和，影響水流變化因素較汛期少，對(duì)站點(diǎn)間水位數(shù)據(jù)相關(guān)性影響也較小。

4 水位測(cè)量輔助預(yù)警策略

水位數(shù)據(jù)傳輸業(yè)務(wù)流程：水位站將測(cè)量水位傳送至中心站采集，并實(shí)時(shí)存入水調(diào)系統(tǒng)數(shù)據(jù)庫(kù)中[2，10，17]；遙測(cè)人員每周對(duì)水位站巡檢1～2 次，抽查測(cè)量、人工校驗(yàn)數(shù)據(jù)誤差等工作。通過(guò)查看水調(diào)系統(tǒng)數(shù)據(jù)庫(kù)中水位信息，在系統(tǒng)報(bào)警平臺(tái)用SQL 語(yǔ)言編寫(xiě)預(yù)警策略，當(dāng)實(shí)時(shí)存入數(shù)據(jù)庫(kù)水位值超出裕度范圍[±10 cm]時(shí)（結(jié)合實(shí)際業(yè)務(wù)需求，經(jīng)技術(shù)人員研討后設(shè)置的輔助校驗(yàn)值），報(bào)警平臺(tái)自動(dòng)給運(yùn)維人員發(fā)送水位預(yù)警短信和值班語(yǔ)音預(yù)警提示，具體水位輔助預(yù)警策略如下：

定義寫(xiě)入數(shù)據(jù)庫(kù)中實(shí)測(cè)水位值為y_zx，經(jīng)擬合函數(shù)計(jì)算理論值為y_mat，當(dāng)|y_zx-y_mat|誤差范圍在[±10 cm]內(nèi)，不產(chǎn)生預(yù)警提示，無(wú)需遙測(cè)人員現(xiàn)場(chǎng)校驗(yàn)；當(dāng)|y_zx-y_mat|誤差范圍超過(guò)[±10 cm]范圍，水調(diào)系統(tǒng)報(bào)警平臺(tái)發(fā)出語(yǔ)音報(bào)警，同時(shí)以短信形式告知遙測(cè)人員；對(duì)于報(bào)警提示時(shí)長(zhǎng)偏短時(shí)，可認(rèn)為是外界環(huán)境影響該時(shí)刻水位測(cè)量偏大或小，如落石、行船等，此時(shí)遙測(cè)人員可不進(jìn)入現(xiàn)場(chǎng)，采用擬合函數(shù)計(jì)算的校驗(yàn)值來(lái)代替過(guò)大偏差值寫(xiě)入；當(dāng)報(bào)警提示時(shí)長(zhǎng)較長(zhǎng)時(shí)，遙測(cè)人員需進(jìn)入現(xiàn)場(chǎng)查驗(yàn)，根據(jù)實(shí)際情況采取措施；此外，當(dāng)|y_zx-y_mat|在誤差范圍內(nèi)，可適當(dāng)減少人工現(xiàn)場(chǎng)巡檢的次數(shù)。具體水位測(cè)量輔助預(yù)警策略如圖6 所示。

圖6 水位測(cè)量輔助預(yù)警策略圖

在水調(diào)系統(tǒng)報(bào)警平臺(tái)配置輔助預(yù)警策略程序后，需驗(yàn)證策略的有效性。實(shí)時(shí)測(cè)試巫山水位站4～9 月水位測(cè)量寫(xiě)入數(shù)據(jù)庫(kù)情況，共產(chǎn)生報(bào)警6 次，均集中在9 月份，結(jié)果如圖7 所示。

圖7 水位測(cè)量輔助預(yù)警策略有效性驗(yàn)證

由上圖7（a）水調(diào)系統(tǒng)報(bào)警平臺(tái)的水位報(bào)警提示，（b）數(shù)據(jù)庫(kù)4～9 月水位測(cè)量報(bào)警時(shí)間可知，經(jīng)過(guò)6 個(gè)月的水位預(yù)警實(shí)時(shí)測(cè)試，共計(jì)6 條水位報(bào)警提示，未出現(xiàn)頻繁報(bào)警或持續(xù)報(bào)警現(xiàn)象，初步判斷為外界因素導(dǎo)致的水位偏差。算例測(cè)試結(jié)果表明，相比傳統(tǒng)方式直接寫(xiě)入數(shù)據(jù)庫(kù)，共計(jì)減少運(yùn)維人員現(xiàn)場(chǎng)巡檢20 余次，減少異常數(shù)據(jù)入庫(kù)6 條，輔助預(yù)警策略不僅能有效提高數(shù)據(jù)測(cè)量質(zhì)量，提高水文預(yù)報(bào)精度，也大大緩解了遙測(cè)人員現(xiàn)場(chǎng)巡檢次數(shù)，提高人工巡檢效率。

5 結(jié)語(yǔ)

本文提出了一種長(zhǎng)江干流關(guān)鍵水位站點(diǎn)相關(guān)性分析和輔助預(yù)警策略，通過(guò)理論研究和算例分析驗(yàn)證得出如下結(jié)論。

（1）分析奉節(jié)站與巫山、巴東水位站水位數(shù)據(jù)相關(guān)性，在汛期，隨著流域距離的增大，最大信息系數(shù)MIC 值明顯減??；非汛期，隨著流域距離的增大，MIC 值略微減小。這說(shuō)明汛期隨著流域距離增大和來(lái)水量急，影響水流變化因素增多，對(duì)站點(diǎn)間水位數(shù)據(jù)相關(guān)性影響也較大；非汛期隨著流域距離增大和來(lái)水量緩和，影響水流變化因素較汛期少，對(duì)站點(diǎn)間水位數(shù)據(jù)相關(guān)性影響也較小。

（2）通過(guò)制定了一套水位測(cè)量輔助預(yù)警策略并應(yīng)用于現(xiàn)有水調(diào)系統(tǒng)報(bào)警平臺(tái)中，經(jīng)過(guò)6 個(gè)多月的業(yè)務(wù)測(cè)試，所提策略不僅能有效提高數(shù)據(jù)測(cè)量質(zhì)量和水文預(yù)報(bào)精度，還能減少遙測(cè)人員現(xiàn)場(chǎng)巡檢次數(shù)，提高水位測(cè)量效率。