摘要：水资源调度方式的差异会对水库水量的调度产生重要影响，本文从系统分析的视角分别阐述了基于免疫规划算法的水资源调度方式和基于BP神经网络算法的调度方式，并分别研究了丰水年、平水年和枯水年条件下，对于出库水量和发电水量的影响。结果表明，在丰水期和枯水期免疫规划算法的调度性能更优，出库水量更多，而且节省了一部分用于发电的水库水量，而在平水年两种调度方式的结果趋同。
关键词：水库；水量调度；管理
1引言
水资源调度是一项重要的水利资源管理工作，由于我国人均水资源储量低，且分布极不均衡，工农业用水、城市用水及生态用水，与水资源的空间分布存在严重矛盾，因此水资源跨地区调度工作具有十分重要的现实意义。水资源调度方式的选择是一个复杂的动态过程，从决策方案的制定到具体调度计划的执行，不仅要考虑到水资源调度的具体需求，还需要兼顾上游水库的水量储备，及对水库水资源的调度产生的影响。水资源调度的概念较为宽泛，可以指对工农业用水的调度分配，也可以指对水利工程资源的调度及对水库水资源的调度。因此在研究水资源的调度方式的影响时，需要特别重视其对上游水库水量储备的影响水资源调度的基本框架（图1）。
河流上游的水库兼顾了城市用水、水资源储备、防洪、泄洪、旅游等多种功能于一身，河流下游的水利资源调度时，要基于季节等因素应选择合适的调度方法和调度模式，减少对上游水库水量调度的不利影响。近来我国城市人口，尤其是东部沿海地区和华北地区的人口急剧膨胀，用水量陡增，地区经济发展与人口的增加对水库水量调度也产生了重要的影响，因此如何平衡人口密集区及干旱地区的水资源需求，减少跨地区水利调度对上游水库的不利影响，成为摆在水利部门，及水利专家学者面前的主要难题之一。
2水资源调度的基本目的
水资源调度的基本目的是通过水量的调配实现水资源的优化配置，同时满足生态、防洪等要求，水资源调度方式主要分为常规调度方式和优化调度方式，这两种方式都是围绕着水量和水利工程这两基本的要素展开。水资源的调度以水库等水利工程为中心进行水资源供给和配置，随着计算机技术及数学模型研究理论的成熟，在水资源的调度方式选用过程中，越来越多地采用模型研究的方法。按照大类别划分水资源调度方式有综合分析方法和系统分析方法之分，综合分析方法主要基于理论和经验，基于水资源的自然分布状况和基本调度准则实施水资源的调度与分配。综合分析方法主要基于历史数据与专家的经验，在水量调度的准确性及水资源分配的合理性方面，不如系统分析方法有效，但这种方法成本更低，适用于影响范围较小的水利工程。
上世纪中叶以来，计算机技术和系统工程技术获得了快速的发展，水资源的调度方式选择问题和效果验证可以基于计算机算法进行仿真研究，增加了水资源调度优化路径的选择准确性和多样性。因此，系统分析方法在水资源调度中所发挥的作用日益提高，目前主流的系统分析方法主要包括线性及非线性规划、系统可靠性分析及及各种模拟算法等。本文主要从系统分析的角度出发，分别分析了免疫规划算法和BP神经网络算法下的水利调度方式对水库水量所产生的不同影响。
3基于神经网络模型算法的水资源调度方式
BP神经网络算法是模拟人脑的工作原理，将大量的水文数据作为输入项输入模型，依靠模型强大的数据分析和筛选能力，选择出最佳的水资源调度方式。BP神经网络模型包括输入层、中间隐含层和数据输出层，BP神经网络模型的基本结构（图2）。
在利用BP神经网络算法计算水库下游的水资源调度方式时，利用后面层次的数据误差作为前一个层次的输入项，层层传递及叠加，在反复的训练学习和迭代过程中，使神经网络的结果输出值更加接近最终的期望值，就能够实现对水库下游水量资源的优化调度。BP神经网络模型适用于数据量较大的样本数据源，也可以将原始的水文数据及上游水库的水资源调度数据，都作为输入项参与运算和筛选，以提高最终水资源调度路径选择的科学性。在基于BP神经网络模型的复杂运算中，中间隐含会基于特定的标准进行大量的复杂运算，因此必须将将水资源上游水库的水文地质数据作为输入项参与运算，以减少水库下游水资源调度对水库水量产生的不利影响。输出的误差项以某种特定的形式反馈给中间隐含层和输入层，如果模型中出现了实际输出与期望输入偏差过大的情况。应及时修正向量矩阵的权值。基于BP算法计算流程如下所示：
STEP1：将神经网络模型初始化，将各层次之间的链接权值限定在一个固定的区间内，并设定BP神经网络的最大学习次数、精度值范围和误差函数。
STEP2：随机选取第i个数据样本所对应最佳输出值，并求解中间隐含层内各个神经单元计算的最优结果，期望计算表示为：Dm(i)=[d1(i),d2(i),…,dm(i)]。
STEP3：利用BP神经网络模型，从输入的原始水文数据中识别出最佳的期望值，并利用水库下游的水资源调度误差值，和与中间隐层之间连接权值vi求出中间隐层神经元的偏导值。
STEP4：在基于中间隐层与输出层之间的连接权值wi，求解出输出层神经元的偏导值。
STEP5：最后判断各层次之间存在的误差能否满足需求，如果输出层训练误差值能够达到初始时设定的精度范围值，则证明该种水资源调度方法是一种最优的方法之一，可以满足下游的水资源使用的要求，还能够最大限度地减少对上游水库水量调度所造成的不利影响。
4结论与展望
我国水资源储备总量在世界大国中并不具有明显优势，而人均水资源储备量更是低于世界平均水平。而随着社会经济的发展、人口的增加及城市化进程的加速我国许多地区都出现了水资源危机。由于我国北方地区和西部内陆地区降水较少，地下水资源储量不足，河流断流、土地沙漠化和湿地退化较为严重，加上工业发展对于河流和地下水的污染加剧了这些地区的水荒，因此关于水资源的调度问题研究在这些地区较为普遍。水库是重要的水利工程和水利枢纽，在调节地区径流、防洪泄洪、及地区电力供应方面发挥着十分重要的作用，而水库的储水量、出水量与上下游河流径流量及水资源的调度方式密切相关，对下游河流水资源的合理调度能够减少对水库调节的不利影响，也能够有效缓解由于水资源短缺而造成的各部门之间的矛盾。本文从定量研究的视角出发，利用调度模型分析水资源调度方式的差异给水库水量调度带来的不同影响，结果表明基于免疫规划的算法在水资源调度方面具有一定的优势，对上游水库产生的不利影响更小。水资源调度问题的影响范围较广，调度方式不合理不仅会浪费更多的水资源，甚至会制约我国国民经济总体的发展。随着对水资源调度研究的深入，一些新的调度模型、算法会不断地应用到水资源的调度工作当中，例如基于计算机科学技术而建立决策系统模型，或利用大数据和云计算技术，为水利工作者的决策提供更为完整和准确数据支持。鉴于水库资源调度的复杂性，在未来研究中需要更多地引入系统研究的思维，建立水资源调度系统设计，利用数学模型进行优化求解，找出最优的水资源调度路径。
参考文献
[1]吴芳,张新锋,崔雪锋.中国水资源利用特征及未来趋势分析[J].长江科学院院报,2017,34(1):30-39.
[2]孙金华,陈静,朱乾德,等.我国重大调水工程水资源调度管理现状研究[J].人民长江,2016,47(5):29-33.
[3]杨怀德,冯起,黄珊,等.民勤绿洲水资源调度的生态环境效应[J].干旱区资源与环境,2017,31(7):68-73.
论文作者:王范华
论文发表刊物:《基层建设》2019年第14期
论文发表时间:2019/7/29
标签：水资源论文; 水库论文; 水量论文; 神经网络论文; 方式论文; 算法论文; 模型论文; 《基层建设》2019年第14期论文;