基于神經(jīng)網(wǎng)絡(luò)太平哨繞壩滲流測(cè)值預(yù)報(bào)

楊忠興，劉長(zhǎng)東

（國(guó)電電力和禹水電開(kāi)發(fā)公司，遼寧 丹東 118200）

大壩繞壩滲流監(jiān)測(cè)是大壩監(jiān)測(cè)的重要項(xiàng)目，繞壩滲流與庫(kù)水位、降雨量、時(shí)序等存在著復(fù)雜的關(guān)系，在已知庫(kù)水位、降雨量等信息的情況下，如果能夠?qū)@壩滲流水位進(jìn)行預(yù)測(cè)，則可以為相應(yīng)的數(shù)據(jù)分析提供一定的科學(xué)依據(jù)。近年來(lái)，隨著人工智能領(lǐng)域的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)作為人工智能領(lǐng)域的一種重要技術(shù)，在模擬復(fù)雜非線性關(guān)系的領(lǐng)域具有較大的優(yōu)勢(shì)，也得出了較好的結(jié)果。

1 工程概況

太平哨水電站地處遼寧省丹東市寬甸縣東部山區(qū)，在渾江干流下游，距上游桓仁水電站79.6 km，距上游回龍山水電站35.6 km，是渾江干流上的第3座梯級(jí)電站，1982年1月1日工程全部竣工。

攔河壩為混凝土重力壩，大壩為2級(jí)建筑物，壩頂高程196.0 m，最大壩高44.0 m，壩長(zhǎng)555.6 m。大壩從左岸到右岸共分35個(gè)壩段，編號(hào)為1—35號(hào)壩段。3—23號(hào)壩段為溢流壩段，其余為擋水壩段。溢流壩段共計(jì)20個(gè)閘孔，每孔單寬12.0 m，高10.5 m，壩段橫縫在孔口中央，堰頂高程為181.5 m，消能方式為挑流和面流消能。

2 繞壩滲流觀測(cè)孔布置情況

為了監(jiān)測(cè)大壩兩岸壩肩繞滲情況，2010年5月在左、右岸壩肩各設(shè)6個(gè)繞壩滲流觀測(cè)孔，孔內(nèi)安裝鋼弦滲壓計(jì)，共12個(gè)觀測(cè)點(diǎn)，測(cè)點(diǎn)編號(hào)左岸為L(zhǎng)UP01—LUP06，右岸為RUP01—RUP06，各測(cè)點(diǎn)均布置在帷幕后。

3 構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型

3.1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡(jiǎn)稱ANN)通過(guò)模擬生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能來(lái)實(shí)現(xiàn)建模，通常用于解決分類和回歸問(wèn)題。學(xué)習(xí)是人工神經(jīng)網(wǎng)絡(luò)的重要過(guò)程，本文的實(shí)現(xiàn)過(guò)程是通過(guò)提供一些輸入和輸出樣本對(duì)模型進(jìn)行訓(xùn)練，使其輸出與給定輸出的誤差趨于收斂[1]。目前，在監(jiān)測(cè)領(lǐng)域使用較多的神經(jīng)網(wǎng)絡(luò)模型為BP神經(jīng)網(wǎng)絡(luò)（Back-Propagation Neural Networks），由輸入層、隱藏層和輸出層構(gòu)成。此外，還有卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、圖像生成等不同領(lǐng)域發(fā)揮著重要作用。

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差反向傳播算法進(jìn)行訓(xùn)練的多層前饋網(wǎng)絡(luò)。以網(wǎng)絡(luò)實(shí)際輸出值與期望輸出值誤差平方和為目標(biāo)函數(shù)，采用梯度下降法進(jìn)行搜索，對(duì)各節(jié)點(diǎn)與隱藏層節(jié)點(diǎn)、隱藏層節(jié)點(diǎn)與輸出節(jié)點(diǎn)的連接權(quán)值和閾值進(jìn)行調(diào)整，經(jīng)過(guò)反復(fù)訓(xùn)練以使目標(biāo)函數(shù)值最小，從而得到輸入與輸出的神經(jīng)網(wǎng)絡(luò)模型。

人工神經(jīng)網(wǎng)絡(luò)可以擬合復(fù)雜的非線性關(guān)系。一般通過(guò)對(duì)時(shí)序數(shù)據(jù)進(jìn)行線性擬合、多項(xiàng)式擬合、樣條插值擬合等傳統(tǒng)的數(shù)據(jù)擬合，可以對(duì)缺少的數(shù)據(jù)進(jìn)行預(yù)測(cè)。繞壩滲流測(cè)壓管所測(cè)數(shù)據(jù)與庫(kù)水位、地質(zhì)條件、降雨等具有非常復(fù)雜的關(guān)系，如果能夠在數(shù)據(jù)擬合過(guò)程中，加入庫(kù)水位變化、降雨量變化等信息，則得到的擬合值將更為貼近實(shí)際。本文采用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行建模。

3.2 人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

在2013-09-01—2015-07-01時(shí)間段內(nèi)，右岸繞壩滲流RUP06選取一段時(shí)間的水位、降雨及時(shí)序等作為輸入量，以測(cè)得的水位值作為輸出，構(gòu)建了包含3個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)模型，對(duì)模型進(jìn)行訓(xùn)練，通過(guò)對(duì)數(shù)據(jù)組的測(cè)試，圖1，2結(jié)果表明，建立的模型很好地?cái)M合了測(cè)壓管水位隨庫(kù)水位、降雨量、時(shí)序的變化。

圖1 RUP06測(cè)壓管與庫(kù)水位的變化曲線

圖3為通過(guò)模型訓(xùn)練后，輸入測(cè)試數(shù)據(jù)后得出的真實(shí)測(cè)壓管水位與擬合測(cè)壓管水位。

圖3 原始測(cè)壓管RUP06數(shù)值和擬合結(jié)果

4 結(jié)語(yǔ)

圖2 選取時(shí)間段內(nèi)雨量的變化曲線

通過(guò)對(duì)太平哨大壩右岸繞壩滲流監(jiān)測(cè)點(diǎn)RUP06實(shí)測(cè)數(shù)據(jù)的分析建立了時(shí)序、庫(kù)水位、降雨量作為輸入，對(duì)應(yīng)RUP06測(cè)值作為輸出的神經(jīng)網(wǎng)絡(luò)模型，選取部分?jǐn)?shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，通過(guò)測(cè)試數(shù)據(jù)的檢驗(yàn)，驗(yàn)證了模型的有效性和準(zhǔn)確性，為今后類似監(jiān)測(cè)項(xiàng)目的數(shù)值預(yù)測(cè)模擬進(jìn)行了驗(yàn)證。