基于LSTM深度学习的河湖生态流量预警预报模型研究.pdf
《基于LSTM深度学习的河湖生态流量预警预报模型研究.pdf》由会员分享,可在线阅读,更多相关《基于LSTM深度学习的河湖生态流量预警预报模型研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、水 文JOURNAL OF CHINA HYDROLOGY第43卷第3期2023年6月Vol.43 No.3Jun.,2023DOI:10.19797/ki.1000-0852.20210529收稿日期:2021-12-20网络首发日期:2023-06-13网络首发地址:https:/ 杭州310009;2.浙江大学 建筑工程学院,浙江 杭州310058;3.浙江水利 水电学院水利与环境工程学院,浙江 杭州310018;4.浙江水文新技术开发经营公司,浙江 杭州310009)摘要:为探究河湖生态流量预报预警机制,进一步改善河湖生态环境,以浙江省椒江流域为研究对象,提出了考虑预警信息的结合熵值法
2、和LSTM的生态流量预报新方法。结果表明:Q90法得出的柏枝岙和沙段断面的生态流量核算值分别为2.89 m3/s和1.92 m3/s,计算结果低于多年平均流量的10%,较为合理可靠;所建模型验证期的纳什效率分别为0.91和0.88,偏差为2.55%和-3.22%,本模型的低水流量模拟效果要优于传统的新安江模型;柏枝岙和沙段断面无预警信息的预报合格率为98.72%和95.38%,有预警信息的预报合格率高达100%和96.61%,满足预报甲级精度,说明该方法较好地完成河湖生态流量预警信息预报任务。关键词:生态流量;熵值法;LSTM;椒江流域中图分类号:TV124;P338文献标识码:A文章编号:1
3、000-0852(2023)03-0065-060引言河湖中的水资源不仅可以促进社会经济的发展,还可以为有机物和生物提供良好的生长环境,维护河流生态健康,改善人类生存环境1。生态流量是指在不干扰河流生态状态的情况下,确保河流保持正常的流量,防止河流功能的收缩、中断和丧失2。然而,由于经济快速发展、人口增长和气候变化,人类社会对水资源的需求急剧增加3,其中生态用水和经济用水的不平衡发展导致河湖基本生态环境的恶化4。解决这一问题的关键是合理有序地开发河湖水资源,建立河湖生态流量预报预警机制,使河流生态系统满足生态可持续发展的要求5。近年来,国内外学者在流域尺度上开展了一系列基于生态信息管理、河流健
4、康评估、生态规划和生态因子的响应机制研究。如李斐等6针对汉江干流生态流量保障和管理现状,提出建立相应生态流量保障措施;江善虎等7通过生态流量阈值分析河流水文健康等级,进而定量分析人类活动和气候变化对河流健康状态演变的影响;Fu 等8在系统分析河流水文状况和生态保护目标的基础上,给出了考虑生态完整性的河流生态流量嵌套计算框架;Hsu等9提出一种将配水优化模型与河流生境模拟系统模型相结合的方法,以论证不同生态基流设置对指示物种水生生境的影响。但是对于生态流量的预报预警机制尚缺乏研究,仅仅通过生态流量评价工作无法有效地制定地区生态流量保障管理措施和改善河湖生态环境。同时,对于集水面积较小的流域,生态
5、流量预警阈值之间的数值差距很小,采用传统的物理模型无法达到较高的预报精度10。因此,以浙江省椒江流域为研究区,分析多种生态流量核算方法的适用性,基于生态流量核算值设置河湖生态流量预警等级,利用熵值法和长短期记忆神经网络(LSTM),构建一种基于第43卷水 文深度学习的河湖生态流量预报预警模型,提高河湖生态流量预警的预报精度,为流域水资源保护监督管理提供参考依据。1研究区概况椒江流域在2020年冬季遭遇较严重的气象干旱,干旱重现期达到50年一遇,当资源型缺水与工程型缺水叠加,造成区域旱情严重,流域干支流多处河段出现断流现象。因此,选择椒江流域作为生态流域预报预警机制的研究区。椒江是台州市最大的河
6、流,浙江省第三大水系,主流全长209 km,介于东经1201412155,北纬28222919之间,总面积6 603 km2(图1)。永安溪为灵江主流,发源于缙云、仙居两县交界的天堂尖,集水面积2 702 km2。始丰溪为椒江水系最大支流,河道天然落差110.5 m,河长128.9 km,河道平均坡降1.9,流域面积1 615.6 km2。伴随着椒江流域地区经济快速发展、人口增长和气候变化,社会对水资源的需求急剧增加,其中生态用水和经济用水的不平衡发展导致河湖基本生态环境的恶化。椒江流域在 2020 年冬季遭遇较严重的气象干旱,干旱重现期达到 50 年一遇,当资源型缺水与工程型缺水叠加,造成区
7、域旱情严重,流域干支流多处河段出现断流现象。因此,本研究选择椒江流域作为生态流域预报预警机制的研究区具有代表性。图1研究区气象站和水文站空间分布Fig.1Spatial distribution of meteorological and hydrological stationsover the study area2研究数据及方法2.1研究数据本文选取椒江流域内柏枝岙和沙段水文站分别作为永安溪和始丰溪生态流量控制断面,具体控制面积和水文气象特征信息如表1所示。本研究所采用19912020年共30年日尺度降雨(26个站点)、水面蒸发(5 个站点)、径流(2 个站点)和水库出库流量(4个水库)
8、数据,且数据资料均来源于浙江省水文管理中心。表1水文站点基本信息Table1Basic information of hydrological stations水文站点柏枝岙沙段所属流域永安溪始丰溪控制面积/km22 4751 482多年平均降雨量/mm1 875.561 868.63多年平均流量/(m3s-1)71.4839.292.2研究方法本文通过水文法计算流域断面最小生态流量核算值,再利用熵值法确定各模型输入因子权重,最后建立基于LSTM深度学习的河湖生态流量预警预报模型。其中,LSTM模型输入为熵值法权重分配后的历史降雨、蒸发及水库调度数据,输出则为断面河湖生态流量预报值。模型预见期
9、为1天,通过生态流量预报结果结合预警等级阈值,呈现断面预警信息。2.2.1最小生态流量核算值计算方法目前,计算生态流量的方法很多,大致可分为水文法、水力-栖息地法和整体法三大类11。水文法具有计算简单、操作方便等优点,因此本研究以柏枝岙和沙段水文站多年日流量为依据,采用水文法中的Q90法、最枯月平均流量法和流量历时曲线法作为流域控制断面生态流量计算方法。2.2.2熵值法熵值法基本思想是根据变量来确定权重,并在水文和水资源领域中得到了广泛应用;一般来说,熵值提供的信息量越大,在整体评价中的权重越大12。为了客观确定预报因子的权重,我们首先需要消除预报因子之间不同维度的影响,在n个待评价预报因子的
10、基础上,选择各个待评价预报因子的m个数据,采用均值法对原始数据进行标准化:xij=xij/-xi()i=1,2,m;j=1,2,n(1)式中:-xi为第i项预报因子的均值;i和j分别表示为第i和第j个预报因子。熵和熵的权重可以由如下公式确定:Hi=-kj=1nfijlnfij(2)66王贝等:基于LSTM深度学习的河湖生态流量预警预报模型研究第3期式中:Hi为第i项预报因子的熵,fij=xij/j=1nxij,k=1/lnn。我们假设当fij为 0 时,fijlnfij为 0,然后利用式(3)计算各预报因子的权重:wi=1-Hii=1m()1-Hi,0wi1,i=1mwi=1(3)式中:wi为
11、预报因子的权重;Hi含义同式(2)。2.2.3新安江模型新安江模型是一种概念性水文模型13,已被广泛用于中国湿润和半湿润地区的洪水预报。集总式新安江模型由四层结构组成,包括蒸散发部分、产流部分、水源划分部分和汇流部分。本文采用三水源新安江模型,结合经验选取和粒子群寻优算法,求得模型各参数值。2.2.4长短期记忆神经网络(LSTM)本文中LSTM模型的结构如图2所示。长短期记忆神经网络(Long Short-Term Memory,LSTM)是循环神经网络(Recurrent Neural Network,RNN)的变种,其能够有效地解决 RNN 长期记忆能力不足的问题14。在LSTM中,细胞中
12、信息的添加或删除由三种门控制,即遗忘门、输入门和输出门,它们用于控制单元内的信息流。遗忘门控制要从上一个单元格状态中删除的信息量,要引入单元状态的信息则由输入门控制,生成可附加到单元状态的候选层的向量,根据前面两个步骤将旧单元状态调整为新单元状态,输出门向用作输出的单元状态中选择信息15。实测降水It-1Ht-2Ct-2Ct-1Ct+1CtHt-1Ht-1HtHtHt+1Ht+1It+1IttanhtanhtanhtanhtanhtanhIIIIIIIIIIIIIIIII实测蒸水河湖生态流量河湖生态流量预警信息输入输出历史水利工程调度信息图2LSTM模型结构图Fig.2Structure di
13、agram of LSTM model2.2.5评价指标本文设置纳什效率系数(NSE)和百分比偏差(Bias%)为模型预报性能评价指标,其中NSE越接近1表示预测效果越好,Bias%越接近0表示预测效果越好。其公式如下所示:NSE=1-i=1n()Qobsi-Qesti2i=1n()Qobsi-Qobsi2(4)Bias%=100i=1nQesti-i=1nQobsii=1nQobsi(5)式中:Qobsi为日径流观测值;Qesti为模型预测值;-Qobsi为观测值的平均值;n为数据总数。根据 水文情报预报规范(GBT 2248222008),当生态流量预警预报结果与实际发生结果相同时,判定为
14、合格预报,并将合格预报次数与预报总次数之比的百分数为合格率,表示多次预报总体的精度水平。合格率计算公式如下所示:FR=nm100%(6)式中:FR 为合格率;n为合格预报次数;m为预报总次数。预报项目的精度按合格率的大小分为甲、乙、丙三个等级。方案精度达到甲(FR85.0)、乙(85.0FR70.0)两个等级者,可用于正式预报;方案精度达到丙(70.0FR60.0)等者可用于参考性预报;方案精度达到丙等以下者,只能用于参考性估报。3结果与分析3.1河湖生态流量核算值及保证率计算3.1.1河湖生态流量核算值计算选取19912020年椒江流域生态流量控制断面(柏枝岙和沙段)的最枯月平均流量,利用Q
15、 90法、最枯月平均流量法和流量历时曲线法等三种方法计算得出的椒江流域两个控制断面的生态流量核算值如表2所示。表2各计算方法得出的控制断面生态流量核算值Table2Ecological flow accounting value of control stationsobtained by different calculation method计算方法Q90法最枯月平均流量法流量历时曲线法柏枝岙生态流量核算值/(m3s-1)2.899.1642.53沙段生态流量核算值/(m3s-1)1.926.9222.58Q 90 法所得柏枝岙和沙段断面生态流量核算值小于其多年平均流量的10%(7.15m
16、3/s和3.93m3/s),67第43卷水 文其它两种方法结果远大于其多年平均流量的10%,根据 Tennant 法生态流量标准中多年流量的 10%对应中等河道内生态环境状况,并结合椒江流域自身河道水生态环境状况,Q 90法计算结果较为合理可靠 并 符 合 实 际 情 况,故 本 研 究 选 取 2.89 m3/s 和1.92 m3/s分别作为柏枝岙和沙段断面的最小生态流量核定值。3.1.2河湖生态流量保证率计算根据柏枝岙和沙段断面的生态流量核定值,对19912020年的生态流量保证率进行评估。由图3可见,椒江流域柏枝岙断面各年的生态流量保证率要高于沙段断面。结合流域内水库控运计划可知,柏枝岙
17、上游下岸水库和沙段上游里石门水库有明确生态流量排放标准,但是其余中小型水库的调度运行尚未考虑生态流量要求,且流域上下游生态流量联合调度、监管体系尚未建立。3.2河湖生态流量预警设置根据水总研二2019328号文件关于生态流量预警等级的确定,将生态流量预警等级分为3级,按生态基流目标要求值的120%110%、110%100%和小于 100%设置蓝色、黄色和红色预警,具体如表3 所示。表3控制断面生态流量预警值设置Table3Setting of ecological flow early warning value of controlstations生态流量预警等级无预警蓝色预警黄色预警红色预
18、警柏枝岙生态流量/(m3s-1)Q3.463.46Q3.173.17Q2.88QQ2.092.09Q1.90Q1.90当控制断面生态流量预警等级为无预警时,可以保证永安溪和始丰溪河流生态系统健康,无需进行生态流量调度;出现蓝色预警时,密切监视旱情发展趋势,关注控制断面以上农业生产用水大户取用水情况,加密断面的流量监测;出现黄色预警时,做好柏枝岙断面上游水库(下岸水库和里林水库)和沙段断面上游水库(里石门水库和龙溪水库)补水工作,加大下泄流量;出现红色预警时,上游地区保证生活用水,进一步压减农业用水,同时加大枝岙断面上游水库(下岸水库和里林水库)和沙段断面上游水库(里石门水库和龙溪水库)补水,机
19、组满负荷运行且强化与上游小型水库的联合运用,努力保障断面生态流量。3.3河湖生态流量预报预警模型结果首先采用熵值法,对模型预报因子进行权重赋值,选取历史日尺度降雨、蒸发、水库出库流量数据作为预报模型输入因子,具体权重见表4。表4预报模型各输入因子权重Table4Weight value of each input factor of prediction model模型输入因子降雨(P)蒸发(E)下岸/里石门水库出库流量(S1)里林/龙溪水库出库流量(S2)权重值/柏枝岙0.510.050.260.18权重值/沙段0.430.080.230.26根据熵值法求得的各预报模型输入因子的权重,通过分
20、析降雨(P)、蒸发(E)和上游水库出库流量(S1和S2)与断面生态流量(Qt)的互相关关系对LSTM模型的输入因子进行分配。对于权重值最大的降雨选用 相 关 关 系 较 强 的 7 个 输 入 因 子,分 别 为:Pt-1、Pt-2、Pt-3、Pt-4、Pt-5、Pt-6、Pt-7;对于权重值最小的蒸发选用相关关系较强的3个输入因子,分别为:Et-1、Et-2、Et-3;对于权重值居中的两个水库出库流量各选取相关关系较强的5个输入因子,分别为:S1t-1、图3控制断面生态流量保证率变化过程Fig.3Change process of ecological flow assurancerate
21、of control stations100.0098.0096.0094.0092.0090.0088.0086.0084.0082.0080.001985 19901995 2000(a)柏枝岙生态流量保证率/%2005 20102015 202020251985 19901995 2000(b)沙段2005 20102015 20202025100.0098.0096.0094.0092.0090.0088.0086.0084.0082.0080.00生态流量保证率/%68王贝等:基于LSTM深度学习的河湖生态流量预警预报模型研究第3期S1t-2、S1t-3、S1t-4、S1t-5、S1
22、t-1、S1t-2、S1t-3、S1t-4、S1t-5,其中t的单位为日。LSTM模型的输出因子Qt,Qt为椒江流域沙段和柏枝岙断面生态流量值,且模型预见期为1 天。预报模型取 20112017 年为率定期,20182019年为验证期。本方案中所采用的LSTM模型中,主要涉及的参数设置如下:隐藏层层数(lstm_layers)设置为2,隐藏层内神经元数量(rnn_unit)取值为 30,训练学习率(lr)设定为0.0001,Dropout参数设置为0.1,批量处理参数(batch_size)为60、最大训练代数设为1 000。根据上述LSTM模型参数,得到椒江流域柏枝岙和沙段断面模拟流量结果。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LSTM 深度 学习 生态 流量 预警 预报 模型 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。