曾　劍，陳　剛

(浙江省水利河口研究院，浙江　杭州　310020)

?

強潮河口潮流挾沙能力的影響因子研究

曾劍，陳剛

(浙江省水利河口研究院，浙江杭州310020)

摘要：借助大量的錢塘江河口實測水沙資料，通過引入時變挾沙能力的概念獲取了挾沙能力的數(shù)據(jù)，利用RBF神經(jīng)網(wǎng)絡的擬合功能，構建了強潮河口潮流挾沙能力預測模型，經(jīng)檢驗該模型具有較好的泛化能力。采用正交試驗設計方法，結(jié)合方差分析法定量分析了各因素對挾沙能力的敏感性。結(jié)果表明，挾沙能力與垂線平均流速呈正相關關系，而與水深呈負相關關系，當泥沙沉速小于0.06 cm/s的范圍內(nèi)，水流挾沙能力與泥沙沉速呈正相關關系，超出此范圍后，則呈負相關關系。

關鍵詞：強潮河口；挾沙能力；RBF神經(jīng)網(wǎng)絡；影響因子

1問題的提出

水流挾沙能力是指在一定水流泥沙和斷面形態(tài)條件下河床處于平衡狀態(tài)時水流所能挾帶的最大含沙量。水流挾沙能力作為河流動力學的基本問題，是河流整治與涉水工程的規(guī)劃、設計與實施中最為關鍵的水沙綜合參數(shù)之一，因此，受到工程界與學術界的廣泛關注。盡管國內(nèi)外的學者提出了很多描述水流挾沙能力的公式，但尚未找到一個具有普遍意義的統(tǒng)一計算公式。尤其在強潮河口，受水流的非恒定性、泥沙運動的復雜性等因素影響，水流挾沙能力的研究更為困難。

潮汐河口受漲、落潮流的影響，水流具有非恒定性與非對稱性，因此，在潮汐河口的挾沙能力公式中大多數(shù)引入半潮平均的概念，將水力參數(shù)和含沙量在半潮周期內(nèi)取平均值構建經(jīng)驗公式[1]?？紤]到河口地區(qū)影響挾沙能力的因素眾多，國內(nèi)學者有引入前期含沙量因子或波浪要素等[2-3]，以改進半潮平均公式的擬合精度。國外學者在計算河口河床變形時也多用定常的侵蝕率和沉積率函數(shù)或床面平衡濃度[4-5]。由于河口輸沙總是隨潮流作非恒定的變化，孫志林等[6]提出了時變挾沙能力的概念，認為水體中含沙量始終隨著水流挾沙能力的變化進行調(diào)整，力圖達到兩者平衡，在半潮周期內(nèi)存在2個瞬間的平衡點。于是，依據(jù)瞬間平衡機理獲取河口水流時變挾沙能力數(shù)據(jù)，并建立了相應的經(jīng)驗公式。

河口挾沙能力的大小受垂線平均流速、水深、泥沙沉速、潮差、半潮平均水深、泥沙粒徑比等多種因素影響，它們之間存在復雜的映射關系，目前準確地表達這種復雜的映射關系仍有相當?shù)睦щy。而近年發(fā)展起來的人工神經(jīng)網(wǎng)絡具有很強的擬合處理能力，可以逼近任何的非線性函數(shù)。本文利用大量的錢塘江河口實測水沙資料，根據(jù)時變挾沙能力的概念獲取挾沙能力的數(shù)據(jù)，構建基于RBF神經(jīng)網(wǎng)絡的強潮河口潮流挾沙能力預測模型，識別挾沙能力與各影響因素之間的復雜關系，并對影響程度加以定量分析。

2挾沙能力資料的提取

在潮汐河口，由于流速和潮位呈周期性、非恒定變化，而對應的水流挾沙能力也呈相應變化，孫志林等[6]據(jù)此提出了時變挾沙能力的概念，即水流挾沙能力在半潮周期內(nèi)隨潮速和潮位同步變化，是時間的函數(shù)。并定義歸一化時變水流挾沙能力Y與歸一化含沙量Z為：

(1)

(2)

式中：S*(t)為時變挾沙能力，S*max為半潮周期內(nèi)最大時變水流挾沙能力，S(t)含沙量過程，Smax半潮周期內(nèi)最大含沙量，Smin半潮周期內(nèi)最小含沙量，v為垂線平均流速，g為重力加速度，h為水深，α為待定指數(shù)。

根據(jù)實測流速、水深以及含沙量過程，得到歸一化時變水流挾沙能力Y與歸一化含沙量Z隨時間的變化曲線(見圖1)。如果將潮汐河口水位和流速近似于正弦或余弦的變化規(guī)律，則可得到概化的Y、Z隨時變化曲線(見圖2)。

由圖1～2及式(1)可知，當水流強度逐漸增大時，挾沙能力隨水流強度而增大，并同步達到峰值，而含沙量并未同步達到最大值。同理，當挾沙能力隨水流減速而降至低谷時，含沙量濃度仍未降到最低。這意味著水體含沙量始終隨著水流挾沙能力的變化進行調(diào)整，力圖達到兩者平衡，其響應相對于挾沙能力在時間上是滯后的。但是，水流挾沙能力和含沙量隨潮變化的曲線一定存在2個瞬間相交的平衡點(B點與C點)，此時，水流挾沙能力恰等于平衡含沙量濃度。

通過對錢塘江河口水域歷年多測次、多站點的水文泥沙測量數(shù)據(jù)的整理與篩選，本著合理、完整及具有代表性的原則，共選取了從錢塘江河口段到杭州灣灣口廣闊水域自2003年以來的共23個現(xiàn)場觀測站點的資料作為基礎性數(shù)據(jù)，其位置見圖3，選取的23個現(xiàn)場觀測站點上至錢塘江九堡、下達杭州灣灣口斷面，涵蓋了整個錢塘江河口及杭州灣廣闊的水域，這些水文測站位于諸如九堡大橋、秦山核電、嘉興電廠等重要的涉水工程水域和南股槽等重要的河口整治工程水域以及灣口控制斷面等重要部位，具有良好的代表性。根據(jù)23個現(xiàn)場觀測站的實測水沙資料繪制含沙量、流速和水深過程線，按瞬間平衡機理，選取含沙量過程線上平衡點的含沙量作為挾沙能力，并提取相應時刻的流速、水深、鹽度、泥沙粒徑等資料，構建了由248組的實測資料組成的挾沙能力數(shù)據(jù)庫。

3挾沙能力的神經(jīng)網(wǎng)絡模型

為了消除輸入與輸出數(shù)據(jù)的物理意義、量綱、大小的差異，對數(shù)據(jù)樣本進行了歸一化處理。將歸一化后的垂線平均流速、水深、泥沙沉速、潮差、半潮平均水深、泥沙粒徑比作為RBF網(wǎng)絡的輸入樣本，相應的水流挾沙能力作為期望輸出，具體算法詳見文獻[7]。

通過輸入與輸出序列之間對應關系的反復學習和訓練，并在網(wǎng)絡訓練成功后，利用檢驗樣本對泛化能力進行了檢驗，圖4列出了訓練樣本與檢驗樣本的模型計算值與實測值的對比。由圖4可知，大部分點據(jù)落在45°線附近，模型計算的水流挾沙能力與訓練樣本實測值，平均誤差0.25 kg/m3，平均相對誤差在20%以內(nèi)，計算值與實測值的相關系數(shù)可達0.94。模型計算值與檢驗樣本實測值平均誤差為0.26 kg/m3，平均相對誤差在18%以內(nèi)?？梢?，模型的訓練與檢驗的精度較高，較好地反映了潮流挾沙能力與影響因素之間的復雜關系。

4影響因素的敏感性分析

4.1正交試驗設計方案

依據(jù)正交試驗原理，對垂線平均流速、水深、泥沙沉速、潮差、半潮平均水深、泥沙粒徑比等6個因素變化引起的對水流挾沙能力的影響程度安排試驗方案，各因素的取值范圍按提取數(shù)據(jù)的極值，均勻的概化為5個因素水平，各因素水平的次序按抽簽方式隨機排列，以減少水平次序引起的系統(tǒng)誤差(見表1)。對于5水平6因素的正交試驗，可選取L25(56)的正交表，設計了25個計算方案。根據(jù)設計的計算方案，采用已建立的RBF神經(jīng)網(wǎng)絡模型，計算相應的挾沙能力。

注：表中上標1的數(shù)據(jù)為取值范圍。

4.2影響因素的顯著性檢驗

評價影響因素的顯著性采用方差分析法[8]，即F檢驗。該方法可將因素的顯著性水平劃分為4個等級，即特別顯著影響、顯著影響、有影響但不顯著、無影響。方差分析結(jié)果表明(見表2)，垂線平均流速的F值達19.4遠大于臨界值F0.01(4,12)，對挾沙能力有特別顯著的影響，而水深與泥沙沉速的F值介于F0.05(4,12)與F0.1(4,12)之間，對挾沙能力有顯著影響，潮差、半潮平均水深、泥沙粒徑比的均方差僅為0.33、0.19、0.28，對挾沙能力的影響很小，為次要因素。

4.3主要因素的影響趨勢分析

由于正交試驗設計的計算方案，使得每個因素各級水平出現(xiàn)的次數(shù)相同且相互間各碰一次，最大限度地排除了其它因素的干擾。因此，各因素每一水平級挾沙能力的均值反映了遭遇不同取值的其他因素時該因素對挾沙能力影響的平均情況。表2列出了3個主要影響因素各水平級下的挾沙能力的均值，趨勢分析見圖5。

從圖5可知，水流挾沙能力與垂線平均流速呈正相關關系，平均流速增大，水流挾沙能力增大，反之，水流挾沙能力減小。平均情況下，垂線平均流速增大1.0 m/s，水流挾沙能力增大1.1 kg/m3。水流挾沙能力與水深呈負相關關系，水深增大，挾沙能力減弱，就平均而言，水深增大10 m，水流挾沙能力減小0.8 kg/m3。水流挾沙能力與泥沙沉速并非呈單一的遞增或遞減關系，而是存在某一極值。就平均而言，泥沙沉速的極值約為0.06 cm/s，在泥沙沉速小于0.06 cm/s的范圍內(nèi)，水流挾沙能力與泥沙沉速呈正相關關系，大于0.06 cm/s沉速后，水流挾沙能力與泥沙沉速呈負相關關系。

5結(jié)語

本文利用基于RBF神經(jīng)網(wǎng)絡的強潮河口潮流挾沙能力預測模型，討論了影響挾沙能力的主要因素，其中垂線平均流速的影響特別顯著，水深與泥沙沉速有顯著影響。定量分析表明，挾沙能力與垂線平均流速呈正相關關系，而與水深呈負相關關系，當泥沙沉速小于0.06 cm/s的范圍內(nèi)，水流挾沙能力與泥沙沉速呈正相關關系，超出此范圍后，則呈負相關關系。有趣的是錢塘江河口絮凝極限沉速約0.058 cm/s與上述極值十分接近，是否意味著因絮凝沉降的影響水流挾沙能力隨沉速的增加而減小，其機理有待進一步研究。

參考文獻：

[1]韓曾萃，戴澤蘅，李光炳.錢塘江河口治理開發(fā)[M].北京：中國水利水電出版社，2003.

[2]竇國仁，董鳳舞.波浪和潮流的挾沙能力[J].科學通報,1995,40(5):443-446.

[3]趙龍保,祝永康.椒江河口挾沙力經(jīng)驗關系初步分析[J].泥沙研究,1991(4):69-75.

[4]Gleizon P,Punt A G,Lyons M G.Modeling hydrodynamicssediment flux within a macrotidal estuary:Problems andsolutions [J].The Science of The Total Environment,2003,314-316(1):589-597.

[5]Tayfur G.Applicability of sediment transport capacitymodels for nonsteady state erosion from steep slopes [J].Journal of Hydrologic Engineering，2002，127(3):252-259.

[6]孫志林，夏珊珊，朱曉，等.河口時變水流挾沙能力公式[J].清華大學學報(自然科學版)，2010(3):383-386.

[7]聞新，周露，李翔,等.MATLAB神經(jīng)網(wǎng)絡仿真與應用[M].北京：科學出版社，2003.

[8]吳翊.應用數(shù)理統(tǒng)計[M].長沙：國防科技大學出版社，1997.

(責任編輯郎忘憂)

Research on Influencing Factors of Currents’ Sediment Carrying Capacity of Strong Tidal Estuary

ZENG Jian, CHEN Gang

(Zhejiang Institute of Hydraulics & Estuary, Hangzhou 310020, Zhejiang, China)

Key words:strong tidal estuary; sediment carrying capacity; RBF neural network;influencing factor

Abstract:By introducing the concept of time-dependent sediment carrying capacity, this study acquired the sediment transport capacity data from plenty of measured water and sediment data of Qiantang River estuary. Using the fitting function of RBF neural network, a sediment transport capacity prediction model of strong tidal estuary was constructed. Upon examination, this model has good generalization ability. Using orthogonal experiment design method combined with variance analysis method, the paper analyzed the sensitivity of each factor to sediment carrying capacity quantitatively. The results show that sediment carrying capacity was positively correlated with vertical average flow velocity, while negatively correlated with water depth. When sediment settling velocity was less than 0.06 cm/s, there was a positive correlation between the flow sediment carrying capacity and sediment settling velocity; beyond this range, it was a negative correlation relationship.

收稿日期：2016-01-11

基金項目：國家自然科學基金(41376099)；水利部公益性行業(yè)科研專項(201401010)。

作者簡介：曾劍(1974-)，男，教授級高級工程師，博士，從事河口海岸工程科研。E-mail:zengj-1000@163.com

中圖分類號：P731.23

文獻標識碼：A

文章編號：1008-701X(2016)02-0001-04

DOI：10.13641/j.cnki.33-1162/tv.2016.02.001