（船舶与海洋结构物设计制造专业论文）基于遗传算法的人工神经网络河流冰情预测研究.pdf

中文摘要 河流冰情预测是人们一直关注的重要课题，但由于影响冰情的各因素与冰情 的发展之间没有确切的函数关系，目前冰情预测领域的许多问题还没有得到很好 的解决，特别是开河预报和冰塞冰坝的预报。 通过河流冰情生消演变的分析，总结出了影响河流冰情的因素，包括热力因 素、动力因素、河道形态、人为因素、上下游影响和地表径流六个方面。除河道 形态是短期内固定值外，上述每个因素的大幅度变化都有可能成为冰情发展的控 制因素。 人工神经网络具有强大的非线性映射能力，已经被应用于模式识别、智能控 制、图像处理以及时间序列分析等各种领域，其中r b f 神经网络结构简单、训 练简洁而且学习收敛速度快，能够逼近任意非线性函数。遗传算法是模拟生物界 而构造出的一种算法，具有广泛的适用性以及全局优化的能力。因此，遗传算法 改进的i 强f 算法在理论基础上优于b p 算法建立的神经网络。 依据开河机理，结合松花江哈尔滨站的历史资料，设计出了基于遗传算法的 r b f 神经网络预测模型，用来预测松花江的河流开河时间。 模型设计的主要原理是确定i 国f 的隐层神经元个数，2 后，应用遗传算法优 化i m f 神经网络隐层的基函数中心e ，宽度o ，以，应用偏最小为二乘法( p l s ) 优化隐层到输出层的权值，对河流的开河时间进行预测。 预测的结果显示，预报为甲级预报，遗传算法改进的r b f 神经网络预测河 流开河封河是完全可行的。 关键词：河流冰情预测，r b f 人工神经网络，遗传算法，偏最小二乘法，开河 日期 a b s t r a c t 鼬v e ri c ec o n d i t i o nf o r e c a s t i n gi sa 1 1i i n p o r t a mp r o b l e mt h a ti sa l w a y sc o n c e m e d b yp e o p l e b e c a u s et h e r ei sn od i s t i n c tm n c t i o nr e l a t i o nb e t 、) l ，e e n f a c t o r sa 1 1 di c e c o n d i t i o n ，l o t so fp r o b l e m sh a v en o tb e e i ls o l v e dc o m p l e t e l y ，e s p e c i a l l yi n t h e f o r e c a s t i i l go f b r e a kl l p ，丘e e z eu p ，i c ej 锄a n d i c ed a m w i mm ea n a l y s i so fm ea p p e 甄d i s 印p e a ra n de v o l v e m e mo ft h er i v e ri c e c o n d i t i o n ，s u mu ps i ) 【a s p e c t so ft h ef a c t o r st h a ta f i e c tt h er i v e ri c ec o n d i t i o n ，c o n s i s t o fh e a tf a c t o r ，“v ef a c t o r ，r i v e rc h a m l e lc o n f i g u r a t i o t l ，p e o p l ea c t i o n ，e a e c to fu pa n d d o w ns t a t i o n sa n dd i r e c tr 哪。伍e x c e p tt h er i v e rc h a m l e lc o m i g u r a t i o ni ss e t t l e di na s h o np e r i o d ，a i l yb i gc h a i l g eo fo n eo ft h ef a c t o r sc o u l db et h ed o i i l i n a t ef a c t o ro ft h e i c ec o n d i t i o n ? sd e v e l o p m e n t b e c a u s eo ft h eg o o da p p e a r a n c ei nn o l l l i l l e a rm a p p i n g ，a n i f i c i a ln e u r a ln e 研o r k h a sb e e n 印p l i e di np a n e mr e c o g n i t i o n ，a n i f i c i a lc o m r o l l i l l g ，i 1 1 1 a g ep r o c e s s i n g ，t i m e s e r i e sa 1 1 a l y s te t c r a d i a lb a s i cf 岫c t i o n ( i 也f ) n e u r a ln e 铆o r kh a v eas i i n p l es t m c n 盯e a n dt r a i n i n gm e t h o d ，a l s oh a v eg o o gc 印a b i l a t yo ff a s tc o n v e r g e n c e c a i la p p r o x i m a t e a 1 1 yn o i l l i n e a rr m c t i o n g e n e t i ca l g o r i t l l l l l s ( g a ) i saa l g o r i t l l i nc r e a t e dt os i m u l a t e b i o l o g i c a l h a sab r o a d 印p l i c a b i l i 吼a sw e l la st h ea b i l i t ) rt oo p t i m i z et h eo v e r a u s i t u a t i o n s oi 也fn e u r a ln e 铆o r kb a s e do ng ai sb e t t e rt h a i lb pn e u r a ln e 帆o r km t 1 1 e o r y i m fn e u r a ln e t w o r km o d e lb a s e do ng aw e r ef o u n d e d ，t of o r e c a s tt h eb r e a ku p d a t eo fh a e rb i ns t a t i o no ns o n gh u ar i v e r b a s e do nt h em e c h a n i s mo ft h eb r e a ku p a n dt h ei c ec o n d i t i o nd a t ao ft h es t a t i o n t h ep 血c i p l eo ft h em o d e li st oo p t i m i z et h ep a “l i n e t e r so fr b fb yg aa n d p l s t h e l lf o r e c a s tt h eb r e a ku pd a t eu s i n gm e i i n p r o v e dr b f t h er e s u l t ss h o w e dt h a t 血et l l ef o r e c a s tg e tc l a s s - a i 灌fn e u r a ln e t w o r km o d e l b a s e do ng at of o r e c a s tt h eb r e a ku pd a t ei st o t a l l yf e a s i b l e k e yw o r d s ：r i v e ri c ec o n d i t i o nf o r e c a s t i n g ，r b fa n i f i c i a ln e u r a ln e 觚。比g a ，p l s ， b r e a ku pd a t e 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得丕鲞盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：鼬互签字日期：够年户月万日 学位论文版权使用授权书 本学位论文作者完全了解基盗盘堂 有关保留、使用学位论文的规定。 特授权苤洼盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：王乇芝多父 导师签名： _ ，。、 签字日期：珈锣年了月订日签字日期：加p 寥年f 月百日 第一章绪论 1 1 本课题研究的工程背景 第一章绪论 松花江n 1 是黑龙江最大的支流，上游有两源，其一为源于白头山天池的第二 松花江，另一为源于小兴安岭的嫩江。以白头山天池为主源，第二松花江由东南 向西北流，在黑龙江省与吉林省交界处、松原市北面的三岔河附近与嫩江汇合后， 转向东北流，于同江附近入黑龙江。长2 3 0 8 千米，流域面积5 4 6 万平方千米。 松花江干流河道大都有较深而宽的河槽，坡度平缓，水量丰富，利于航运，由西 南向东北流经肇源、双城、肇东、哈尔滨、木兰、通河、依兰、汤源、佳木斯、 富锦、绥滨、同江等1 9 个县市和1 0 个国营农场。松花江干流三岔河一哈尔滨段 为上游，河道长2 3 2 l ( m ，此段流在松嫩平原上，河床坡降平缓，水流缓慢，河 道宽约4 0 0 8 0 0 米，蛇行现象发育，有许多河中岛；哈尔滨一佳木斯段为中游， 河道长4 4 4 l ( m ，河流穿越张广才岭和小兴安岭之间，坡度较大，江岸常有断崖耸 立，两岸多台地，在依兰附近形成的依兰浅滩，通称三姓浅滩，长达2 7 千米， 河宽变窄，最窄处仅2 5 0 3 0 0 米，并有不少岩石露出水面，为松花江上有名的 “铁门槛”，常给航运造成很大的威胁；佳木斯一同江段为下游，河道长2 5 2 l ( m ， 佳木斯以下，进入三江平原，河面宽阔，最宽可达5 千米。河水受黑龙江干流 洪水顶托，回水可上溯8 0 千米以上。松花江通航里程1 4 4 7 公里。汽轮可上溯到 吉林市，沿嫩江可上溯至齐齐哈尔市，哈尔滨以下可通航千吨以上的江轮。通航 期为4 月中旬至1 1 月上旬。松花江流域属寒温带大陆季风气候区，受西伯利亚 冷气流的入侵，冬季漫长严寒。松花江径流主要靠降水补给，冬季结冰，河流封 冻期( 1 1 月至翌年3 月) 约5 个月，河面冰层厚度一般可达o 8 1 m ，最厚可达 1 6 m 。多年平均径流量7 7 7 亿多立方米，水量年际变化大，最大、最小年径流量 的比值达3 2 9 倍，且由山区向丘陵和平原增大。水力资源理论蕴藏量近6 6 0 万千瓦。流域内森林茂密，覆盖率达到4 4 ，河水含沙量很小，多年平均含沙 量仅0 1 5 7 千克立方米。 松花江在航运：发电方面具有非常重要的作用，但到目前为止，松花江上冰 情预测的研究比较少，对进一步的开发利用松花江上的资源形成了一定的制约。 通过整理哈尔滨站1 9 5 3 年一1 9 8 8 年的冰情数据可以看出( 见表) ，流凌开始最早 和最晚时间最多相差2 2 天( 春季) ，结束最早和最晚时间最多相差2 7 天( 秋季) ， 持续最长可达3 5 天( 秋季) ，最短只有1 天( 秋季) 。可见不同年份流凌开始、 第一章绪论 结束和持续时间的变化是很大的，直接影响到该流域两岸的生活、生产相关事宜 的决策及江航运输的调度，所以对松花江上的冰情进行预测是一项非常具有实用 价值的课题。 表卜1 松花江哈尔滨站冰情资料统计 流凌开始时间流凌结束时间流凌持续时间 季节 最早 最晚最早 最晚最长最短 春季 3 2 54 1 6 4 34 2 31 12 秋季 1 1 11 1 2 l1 1 81 2 53 51 1 2 冰情预测的研究现状 冰情预报是利用影响河流冰情的前期气象因子预报流凌开始、封河与开河时 间、冰厚、冰塞、冰坝及凌汛的最高水位等乜1 。按预见期长短可分为短期预报、 中期预报、长期预报和超长期预报。预见期随水文预报方法的不同而异，习惯上 把主要依水文要素做出的预报称为短期预报，把包括气象预报性质在内的水文预 报称为中长期预报。 我国冰情研究起步比较晚但发展很快。随着研究工作的逐渐深入，在冰情研 究方面的发展主要体现在预报方法由经验统计到经验相关逐步上升到建立在理 论基础上的数学模型，预报精度逐渐提高。冰情预报方法从根本上说可以分为统 计预报和数值预报两类。统计预报是根据各观测点记录的冰情数据，进行统计分 析后，进行的冰情预报。数值预报主要根据河冰的物理过程的原理和方法，通过 气候及冰情历史资料的统计分析，根据河冰动力学和热力学原理，提出适合于冰 动力热力学的模式，实现河流冰情数值预报。由于河流冰情现象的复杂性和 冰情观测资料的限制，加上预报要素与预报因子之间并无确定的函数关系，所以 目前冰情预报主要采用经验方法和统计分析方法。常用的方法有以下三种。 1 2 1 预报指标法 用指标法进行冰情预报，主要是在2 0 世纪五六十年代，可以进行流凌日期、 封河日期、开河日期和开河凌峰流量的预报。寻找预报指标是统计预报中最简单 的方法。预报指标通常的含义是：当一个或几个气象、水文因子或几个因子的组 合达到某临界值时，某种冰情现象即可发生，因此可以将预报因子的前期数量指 标视为一种“信号”，用于预报后期可能出现的冰情现象。预报指标可根据群众 经验，以谚语和专业人员实践为线索，通过历史资料的普查、统计和验证，用选 取的与要素关系良好的因子之临界值的方法确定。 2 第一章绪论 指标法用起来比较方便，但存在的问题是：部分项目预见期短，比如 开河日期的预报需要用到开河期瞬时最高水位，如果瞬时最高水位用实测值，则 没有预见期，如果瞬时最高水位提前预报出来，则会出现累积预报误差。考虑 因素不全，如开河凌峰流量预报，仅考虑槽蓄水增量的大小，而没有考虑槽蓄水 增量释放速度、事实上槽蓄水增量释放速度对开河凌峰的大小影响很大。由于考 虑因素不全，必然造成较大误差，若用上站凌蜂预报下站凌峰，则预见期仅有2 3 大，甚至1 天。每年预报同一项目所用指标和指标大小都一样，由于冰情 演变比较复杂每年情况差别很大，所以指标法会造成一些年份误差较大的现象。 1 2 2 点聚图法 点聚图是用图形来分析离散型要素与预报因子之间相关关系的一种简便方 法。图形一般选用直角坐标。单因子点聚图可以要素为纵坐标、因子为横坐标； 双因子点聚图则可将两个因子分别作为纵、横坐标，每组因子对应为一点，相应 的要素状态标记在点聚旁。冰情预报方案多为包含气象水文两类因子的双因子点 聚图。点聚图的分析应遵循客观分析原则。 点聚图法所能考虑的因素较少，只能建立一两个因素与预报项目之间的关 系，预报精度不高。 1 2 3 回归分析法 所谓回归分析法 3 4 】，是在掌握大量观察数据的基础上，利用数理统计方法 建立因变量与自变量之间的回归关系函数表达式( 称回归方程式) 。回归分析中， 当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析；当研究的 因果关系涉及因变量和两个或两个以上自变量时，叫做多元回归分析。此外，回 归分析中，又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是 非线性的，分为线性回归分析和非线性回归分析。通常线性回归分析法是最基本 的分析方法，遇到非线性回归问题可以借助数学手段化为线性回归问题处理。回 归分析是一种基本的统计预报方法，其主要的应用形式有两种： 经验相关法。经验相关法主要在2 0 世纪6 0 一8 0 年代应用，并且预报方 法和预报项目在逐年的应用中不断修订和完善。预报项目有初始流凌日期、流凌 密度、封冻趋势、初始封河日期、封冻长度、冰量、封冻历时、开河趋势、开河 日期、开河最大流量及开河最高水位等。经验相关可分成前期水力、热力等因子 与后期冰情要素之间相关和上、下游相邻河段冰情要素之间的相关两类，一般用 相关图形式表示。经验相关图可以是一条曲线，也可以是几条曲线构成的曲线族。 本方法较指标法有所进步。指标法为纯经验统计，而经验相关法基于一定的物理 3 第一章绪论 基础，考虑了影响冰情的热力因素和水力因素，从预报项目到预报精度上都更加 完善和精确。预报项目有初始流凌日期、流凌密度、封冻趋势、初始封河日期、 封冻长度、冰量、封冻历时、开河趋势、开河日期、开河最大流量及开河最高水 位等。 回归方程法。回归方程是根据要素与因子的观测资料求出的两者之间的 数学关系式，之中的参数按最小二乘原则确定。当因子较多时，应选择与要素之 间存在成因联系、经相关分析后确定的主要因子进入回归方程。由于回归分析使 用的要素和因子资料是同步观测资料，所以经一次回归即可求得方程中的各个参 数。 利用回归分析法进行冰情顶报有一定的物理成因基础，较指标法有进步，从 整体来说精度也较高，但是仍存在下列问题：a 考虑因素不全。由于受预报手段 以及当时冰凌研究水平的约束。普遍存在进行预报时因素考虑不全的现象，要么 热力因素考虑不全，要么没有考虑水力因素，所以引起一些年份误差较大。b 属于静态预报法。回归分析法与指标法类似，都属于静态预报法，即每年都用固 定时间内的相关因素值或固定指标进行预报出于冰情演变比较复杂，每年情况 差别很大，处于动态变化之中，所以用这种方法进行预报会出现预见期短、相关 因素代表性不好、一些年份误差大等问题。c 应用条件受到限制。随着时间的推 移，整个大气环境，地域气候以及河道条件都在发生变化。这必然会导致冰情的 变化，所以以前建立的预报方案是否适用都需要再分析研究。d 预报方法比较落 后。有些预报方案不方便建立关系式，预报时只能查图，这样一方面太慢，另一 方而每个人查的可能都不太一样，具有主观性。不能满足现代防凌工作的需要。 除了上述的经验统计方法外，2 0 世纪9 0 年代以来，逐渐学习国外冰情模拟 技术，建立了各种冰情预报数学模型睁埘。数学模型具有精度高且比较稳定、预 见期长及可以进行连续快速计算预报等优点。预报项目主要有流凌日期、封河日 期、冰盖厚度、开河日期、开河最大流量及最高水位等。冰情预报数学模型，是 一种理论与经验相结合的方法，一方面是建立在热力学理论与冰水力学基础上， 另一方面又用实测资料率定参数，具有精度较高、预见期长、预报项目全、预报 手段先进、快速和可以进行动态预报与实时修正相结合等优点。但是由于冰凌演 变的复杂性，冰情预报数学模型还存在以下问题：a 冰情预报的精度和预见期依 赖于气温预报的精度和预见期，所以提高气温预报的精度是提高冰情预报精度的 关键。b 封河预报研究得比较成熟，黄河上的研究较多，开河预报、冰塞壅水计 算和冰坝预报还需要进一步完善。c 冰情预报数学模型中，对风力的影响一般忽 略不计，是由于缺少这方面的观测资料，其实风力对封河、开河等都有较大影响， 因此以后需要将风力因素考虑到模型中。 4 第一章绪论 1 3 工程研究的意义 在高纬度地区的河流，每年都会出现冰封期。在我国北方，每年冬季江河均 会出现不同程度的冰凌现象。河流中的冰凌不仅直接影响到航运、交通、引水发 电、给排水等水利工程建设事业，而且当冰凌严重阻塞河道时，往往会导致凌洪 泛滥成灾，摧毁水工建筑和堤坝，给两岸人民的生命财产造成重大损失。所以流 凌产生的时间一直是人们关注的一个重要问题，准确的流凌产生时间的预报可以 使有关部门提前做好防凌准备，采取有效的破冰防凌措施，并可以提前安排河道 的航运计划。由于冰情预报涉及到的影响因素非常复杂，如何准确的预报冰情一 直是人们关注的重要课题。 人工神经网络可以通过自学习能力掌握河流的冰情与各个影响因素之间的 关系，可以在人们不清楚各个因素确切的函数关系的情况下进行冰情预测，特别 是开河预报。基于人工神经网络建立的冰情预测模型具有良好的可塑性，随着研 究的深入和资料的丰富，可以方便的在模型中加入新的冰情影响因素，使模型更 加的完善。所以基于人工神经网络的冰情预测研究具有很广阔的前景。 本文通过对河冰生消演变机理和人工神经网络特点的分析，将人工神经网络 理论应用到冰情预测中，结合松花江哈尔滨站的历史观测数据，建立了哈尔滨站 开河日期预报的神经网络模型，并且预测结果良好。 1 4 松花江哈尔滨站预测模型设计的意义 1 4 1 研究重点 本文所设计的神经网络是基于遗传算法的r b f 神经网络，首先应用遗传算法 和偏最小二乘法优化径向基神经网络的各个参数，然后再应用r b f 神经网络进行 预测。其中遗传算法中种群规模、编码方式、适应度函数、采样空间、采样方法、 变异率以及交叉率的确定是研究的重点，这些因素如果设置不当将会造成较大的 预测误差。松花江哈尔滨站的预测模型的设计为今后人们将神经网络应用于冰情 预测提供了一个途径和方法。 1 4 2 基于遗传算法的r b f 网络与b p 网络的比较 r b f 和b p 神经网络都是前馈网络，b p 神经网络是目前应用最多的一种神经 网络形式，它具有较好的非线性映射功能，但是存在一些缺点： 1 ) 网络训练失败的可能性较大，其原因有： 5 第一章绪论 a 、从数学角度看，b p 算法为一种局部搜索的优化方法，但它要解决的问题为求 解复杂非线性函数的全局极值，因此，算法很有可能陷入局部极值，使训练失败； b 、网络的逼近、推广能力同学习样本的典型性密切相关，而从问题中选取典型 样本实例组成训练集是一个很困难的问题。 2 ) 网络结构的选择尚无种统一而完整的理论指导，一般只能由经验选定。 为此，有人称神经网络的结构选择为一种艺术。而网络的结构直接影响网络的逼 近能力及推广性质。因此，应用中如何选择合适的网络结构是一个重要的问题。 3 ) 网络的预测能力( 也称泛化能力、推广能力) 与训练能力( 也称逼近能 力、学习能力) 的矛盾。一般情况下，训练能力差时，预测能力也差，并且一定 程度上，随训练能力提高，预测能力也提高。但这种趋势有一个极限，当达到此 极限时，随训练能力的提高，预测能力反而下降，即出现所谓“过拟合”现象。 此时，网络学习了过多的样本细节，而不能反映样本内含的规律。 遗传算法作为一种数学优化算法，有其特有的优势： 1 ) 遗传算法具有极强的鲁棒性 目前使用较多的优化方法，大多是一些基于梯度信息的优化方法，如b p 算 法，因而不同程度地存在着局部收敛等局限性。这类优化方法需利用目标和约束 函数的导数信息，因此这类优化方法对函数的性能要求较高。而遗传算法仅仅利 用个体的适应度进行群体的进化，遗传算法不需要优化模型中目标函数和约束函 数的导数，或其它辅助信息。所以遗传算法能解决各种优化问题，不论其设计变 量连续与否( 如连续设计变量、离散设计变量或混合设计变量) ，目标函数和约束 函数是否连续、可导。 因此遗传算法表现出更强的鲁捧性。 2 ) 遗传算法具有全局寻优能力 采用一般的优化方法，要求得优化问题的全局最忧解，一般需求出优化问题 的所有极值点，这就要求优化方法能遍历整个设计空间。但在实际计算中，由于 设计变量空间很大，很难遍历整个设计空间，因此用现有的优化方法难以得到优 化问题的全局解。 遗传算法利用设计变量编码在设计变量空间进行多点搜索，因而遗传算法在 搜索的空间上将比现有优化方法要大。遗传算法中杂交算子能使群体进化不断向 最优个体逼近；遗传算法中的突变算于能避免杂交繁殖收敛于局部优良个体，并 保持群体搜索的多样性；这些确保了遗传算法中多点搜索一直处在不同的局部区 域。因此，遗传算法比现有优化方法具有更强的全局寻优能力。 多层前向b p 网络和r b f 网络都是两种应用广泛的静态网络，其中，船f 网络既 6 第一章绪论 有生物背景，又与函数逼近理论相吻合，适合于多变量函数逼近，只要中心点集 选择得当，仅需很少的神经元就能获得很好的逼近效果，并且还具有唯一最佳逼 近点的优点1 。其网络的连接权与输出呈线性关系，使得它可以采用保证全局收 敛的线性优化算法。基于r b f 网络的以上优点，近年来越来越受到人们的关注， 被广泛应用于模式识别、函数逼近、自适应滤波等领域 因此，本文选择基于遗传算法的r b f 神经网络作为松花江哈尔滨站河流开河 日期预报的模型在理论基础上优于b p 神经网络。 7 第二章河冰的生消演变及其影响因素分析 第二章河冰的生消演变及其影响因素分析 2 1 河冰的生消演变过程及研究现状 河冰是在特定的气象条件、地形河势和水力作用下产生的自然现象u 别。研究 河冰生消演变及其运动规律，进而结合气象、水文、冰情历史资料、现时信息和 河道特征，应用热力学和水力学原理，对各种相关的冰情要素进行预报，将对准确 地进行冰情预报有重要的意义。河冰生消演变及其运动是一个非常复杂的物理过 程，涉及到水动力、机械力和热力等因素的相互作用，同时还受到气象和水文条件 的影响。按照河冰的形态变化可以把河冰的生消演变分为结冰期、封冻期和解冻 期三个阶段。由于本文只进行河流开河日期的预测，结冰期和封冻期将不做阐述。 2 1 1 解冻期 当气温转正，特别是白天气温较高，积雪及冰盖表面开始融化，融化的水渗入 冰层，逐渐改变冰盖下层结构。另外水温也开始回升，于是冰厚逐渐变薄，冰层开 始解体，河流进入解冻期。河道冰盖解冻时因热力和水力作用的先后比重不同， 出现的开河形式也不同，一般可分为文开河、武开河和半文半武开河三种开河形 式。如果春季流量保持相对恒定，冰盖保持稳定直到最终就地融化，即以热力因素 为主，在冰盖充分解体后导致开河称文开河。其特点是水势平稳，冰盖质地酥松， 大部就地融化，没有集中流冰，不会造成危害。当冰盖尚未充分解体，由于水力因 素突变，冰层被迫断裂，这种以水力因素为主的开河称武开河。其特点是流量骤 增、水位变化迅猛，流冰量大而集中，冰质坚硬，容易形成冰坝造成灾害。半文半 武开河是介于文开河与武开河之间的开河形式，先以热力作用为主，后以水力作 用为主。其在热力作用下冰盖首先融化，冰质变酥，强度减弱，而后又在水力作 用下冰盖很快破碎流动。即使有较大的流量或水位变化，因冰盖很脆弱，不会形 成大规模的冰坝，不会造成严重灾害。 由于太阳短波辐射，有可能导致冰盖在气温回升至冰点以上之前消融。太阳 辐射折射进入冰盖内部，引起冰盖内部融化，使得冰盖失去结构上的完整性，从而 引起冰盖强度减小。冰盖强度的减小可能是形成武开河的一个重要因素。有关冰 盖内部融化及强度减小理论的研究成果已被野外观察数据所证实。另一方面，春 季，由于河道径流量增大、冰塞体释放或水电站运行工况改变，导致河道中流量迅 速增大。这时冰盖下将出现水波的传播现象，使冰盖产生裂缝并进而破碎成碎冰 第二章河冰的生消演变及其影响因素分析 块。p a r k i n s o n n 3 1 曾对冰盖出现间隔较近的横向裂缝及冰盖破裂成碎冰块现象进 行了观察研究。d a l y n 蚰将水动力学方程和冰盖方程耦合进行线性化扰动分析， 对由水波引起间距较密的横向裂缝进行了研究。 冰盖破裂后，如果水位进一步升高，则将出现流冰现象。流冰块与静状冰盖碰 撞时又将产生新的碎冰。流冰在向下游发展的过程中，随着冰塞体的形成和释放， 反复出现流冰现象。 对冰塞体的形成或释放过程有一些研究，但至今还没有人对开河过程中的流 冰动态现象及渠道过冰余隙做过研究。主要的问题是冰塞体释放和碎冰前缘在冰 层中推进的机理至今仍并不很清楚。这两者均与作用在碎冰块和冰盖上的机械作 用力或水动力有关。冰塞体的热力消融和冰盖消融非常重要，它们能减少河道中 冰的强度和冰量。 随着河道流量的增长，春季开河一般首先是由冰盖从岸边脱落开始，然后冰 盖层中出现间隔较大的横向裂缝n5 。b e l t a o s n 6 3 提出：当河道某一特定河段出现持 续的流冰运动时，这一时刻为开河的起始时间。他基于河道平面几何地形上的边 界制约情况，即是否存在允许出现大面积流冰运动的河道几何边界约束，给出了 预测开河时间的经验方法。目前，工程所在河段是否具有形成冰坝的地形条件， 一般通过实地调查访问可以大致判定。但是，形成冰坝体的规模及壅水高度则受 多种因素的影响，具有很大的偶然性。关于冰坝壅水高度的计算，由于问题复杂， 目前还没有较为成熟的计算方法，现在常用的是简单的经验相关方法。一般常考 虑的相关因子有：上游站开河最高水位( 或开河期水位涨差) 、上游河道槽蓄水 量、冰期降水( 雪) 量、开河前夕降水量、开河期气温、开河前冰盖强度、开河 期流量等，可以单因素相关，也可多因素相关。 由于所涉及的影响因素较多，对武开河，除了对其重要性有所认识外，至今研 究成果较少而且很不系统。目前，开河预报方法通常都具有很大的经验性。在进 行开河预报研究时，除了应进一步研究开河机理及冰体破碎机理，还应将春季径 流预报作为一个重要的影响因素加以考虑。 2 2 影响河流冰情的因素 通过河冰生消演变过程的分析可以看出，影响冰情变化的主要因素有热力因 素、动力( 水力) 因素、河道形态、人类活动、上下游的影响和地表径流。 2 2 1 热力因素 热力因素包括太阳辐射( 含散射辐射) 、气温、水温等。太阳辐射和地面反射 第二章河冰的生消演变及其影响因素分析 辐射决定大气温度，气温又影响着水温和冰温，因此，气温是影响冰情变化的热 力因素的集中表现。气温的高低决定着冰质和冰量，是影响河道结冰、封冻和解 冻开河的主要因素，因此可以用气温作为表征热力状况及其变化的基本要素。 初冬气温开始转负，负气温累积的多少影响水体的总失热量，累积负气温与 流凌密度、冰厚的增长等有很大的影响，一般来说气温越低，流凌密度越大，封 河速度越快。冬季气温的高低决定封冻的冰量和冰厚的多少，封冻期气温越低， 冰量和冰厚的增长越快，封冻的天数也越长。春季气温开始转正，累积正气温与 融冰速度有很大的关系，累积正气温越高，冰盖的厚度和强度也减小的越快，越 容易开河。解冻开河时，气温的高低不仅影响开河的速度，同时也能够改变开河 的形势，所以气温对动力作用有着一定的制约作用。 寒流对冰情也有很大的影响，寒流可以造成气温骤降，容易促成封河。寒流 过后气温一般又会大幅回升，如果气温回升过高，可以造成刚刚封冻的冰盖融化 甚至开通，造成河流的多次封冻和开通现象。 2 2 2 动力因素 动力因素包括流量、水位、流速、风力、波浪等。流量的动力作用反映在水 流速度的大小和水位涨落的机械作用力上，流速大小直接影响结冰条件和影响冰 凌的输移、下潜、卡塞等，水位的升降和开河形势关系比较密切，水位平稳能使 大部分冻冰就地消融形成“文开河”形势，水位急骤上涨能使水鼓冰裂形成“武 开河”形势。水位和流速的变化取决于流量的变化，水位、流速和流量之间具有 一定的函数关系。流量大，则流速大，水位高。因此，可以用流量的大小作为冰 情演变的动力团素。另外，流量本身具有热能量，在水温相向时，流量越大，水 体储存热量越多，流量越大，水流动力作用越大，在同样的气温条件下，结冰越 晚。同时，风力和波浪对封河有一定的延缓作用，对开河有一定的促进作用。 2 2 3 河道形态 河道形态包括河道的平面位置、走向及河道的边界特征等。河道的地理位置 和走向又与热力因素联系在一起。气温一般随地理纬度的增加而降低，故处于高 纬度河流的气温低于处于低纬度的气温，南北流向的河流，南部河段气温一般高 于北部河段。 河道边界特征主要指局部河段的宽窄、深浅、比降、弯曲、分叉等。河道边 界特征通过改变水流条件反映出来，故和动力因素联系密切、在气温和流量变化 不大的情况下，在缩窄、弯曲、浅滩、分叉及回水末端等局部河段易发生流冰卡 堵、堆积、封冻、结坝现象。局部的河道持征会直接影响到水流形态，进而又通 第二章河冰的生消演变及其影响因素分析 过水流作用影响冰凌的流动。顺流河段，流冰在水面上的分布是比较均匀的。在 弯曲河段，由于横向环流的作用，流冰沿凹岸呈带状移动，到了拐弯处，由于惯 性作用流冰在弯顶部位会堆挤在起，在凸岸则有少部分流冰滞留在回流区。因 此，流冰在弯道处很容易引起堵塞封冻。在河道分叉处，水流分散、流速减小也 易引起排冰不畅。 2 2 4 人为因素 人为因素主要指在河道上修建水电站、水库、引水渠、控导工程和人为破冰 等。水电站的运行和水库的调节可以改变原河道的流量分配过程，在河道上修建 控导工程能改变局部河段的边界条件，从而改变水流的流势和流速分布。人为因 素的影响主要反映在动力因素上。 在凌汛期前后，合理利用各种水工设施对流量进行调节，可以人为的影响冰 情的发展。在凌前预蓄一定的水量，在下游河道封冻前加大下泄量，可以使冰盖 产生在较高的水位，此时河道具有较大的过流能力。在稳定封河期，根据上游的 冰情和水情控制下泄流量，使流量在过流能力范围内。在解冻开河期，要减小下 泄量，避免由于流量过大造成的武开河现象。但是，如果调节控制不当，不但起 不到防凌的作用，还有可能造成人为的冰凌灾害。 2 2 5 上下游的影响 上下游的影响主要指上下游封河、开河的早晚，若上游河段先开河，会造成 流量的短期猛增，容易造成冰坝，或者下游的武开河。下游河段先开河，会造成 上游槽蓄量的减少。上下游的影响主要体现在动力因素上。 2 2 6 地表径流 秋冬季节地表径流大可以增大流量，延迟封河的时间。在我国北方的河流， 封河期间内基本没有地表径流。开河期地表径流过大可以提前开河日期，增大武 开河的危险。 第三章人工神经网络基本理论 第三章人工神经网络基本理论 3 1 生物神经网络 目前对神经网络n7 1 8 1 观点的形成应归功于两个开拓者：r a m o n yc 句a l 1 9 3 3 和s h e r r i n 舀o n 1 9 3 4 。他们提出了大脑是由不同的单元( 神经元) 组成的思想。大脑 具有大约l o ”个神经单元( 神经元) 而且据估计大约有1 0 m 个连接( 突触) 。连接密 度达到每神经元1 0 0 0 个连接。即使神经元的计算速度比硅逻辑门慢得多，但由 于神经元和突肋的数日多得令人惊愕，所以大脑仍具有极高的效率。在硅芯片中， 处理速率达几纳秒，而神经元处理速率则需几毫秒。 人和其它灵长类动物( 猴等) 的神经系统包括三部分 舶i b ，1 9 8 7 ，如图3 1 所示。外界环境或人体内的感觉刺激被诸如眼、耳、鼻、皮肤等接收体转换成电 脉冲。这些携带信息的信号通过大脑前向链路，传到大脑神经系统的中枢。 在图3 1 中，由神经网络代表大脑。 身体 图3 1 通过链路显示信息流动的神经系统框图 第三章人工神经网络基本理论 大脑不断地接收信息，进行处理、判断，并同已存储的信息对比，然后作出 合适的判决。最后产生必要的命令通过前向链路传送到效应器( 如：说话用的舌 头、声带等运动器官) 。效应器把这些电脉冲转换成看得清的反应作为系统输出。 同时，运动器官通过反馈链路被中枢神经系统监控，以证实动作的正确性。这些 命令功能是通过诸如手、眼协调的内部或外部反馈动作来完成的。所以，整个系 统类似于一个闭环的控制系统。 图3 2 所示为一个“普通神经元”的分解图，它的主要部分为轴突、细胞体 ( 体细胞) ，树突和突触。图3 2 也给出了在细胞内、外大量存在的特有的钠、钾 和氯离子的情况。 树突( 像树一样有许多小分支) 是来自于其它细胞的电信号的接收者。轴突是 传输线它把来自神经元的信号送走。袖突具有较平滑的表面，较少的分支和很 长的长度，而树突的表面却是不规则的。体细胞( 细胞体) 包括细胞核( 遗传物质的 载体) 负责给整个神经元提供必要的支援功能。这些支援功能包括产生能量，合 成蛋白质等。细胞体的功能像一台信息处理机，通过它将来自许多树突的电势能 加在一起。 神经元之间的相互作用通过被称为突触的基本结构和功能单元来传递。电突 触的动作电位( 如图3 2 所示) 在相邻细胞间通过直接电方式进行传递。而更多的 则是化学突触，它的信息传递是以化学方式来完成的。化学突触比电突触更普遍 突音量 1 尖- 人 ) c = ： t q 其它梓盆元 图3 2 神经元组成( 选自d a y h o f f 1 9 9 0 ) 第三章人工神经网络基本理论 3 2 人工神经网络的发展历史 人工神经网络领域研究的背景工作始于1 9 世纪末和2 0 世纪初。它源于物理 学、心理学和神经生理学的跨学科研究，主要代表人物有h e m a nv o nh e l n l l l o l t s ， e m s tm a c h 和i v a i lp a v l o v 。这些早期研究主要是着重于有关学习、视觉和条件 反射等一般理论，并没有包含有关神经元工作的数学模型。 现代对人工神经网络的研究可以追溯到2 0 世纪4 0 年代w a r r e i lm c c u l l o c h 和w a l t e rp i t t s 的工作n 引。他们从原理上证明了人工神经网络可以计算任何算术和 逻辑函数。通常认为他们的工作是神经网络领域研究工作的开始。在m c c u l l o c h 和p i t t s 之后，d o n a l dh e b b 瞳们指出，经典的条件反射( 由p a v l o v 发现) 是由单个神 经元的性质引起的。他于1 9 4 9 年提出了生物神经元的一种学习机制，即h e b b 规 则。 人工神经网络的第一个实际应用出现在2 0 世纪5 0 年代后期，f r a n k r o s e n b l a t t 提出了感知机网络和联想学习规则瞳1 1 。r o s e n b l a t t 和他的同事构造了一 个感知机网络，并公开演示了它进行模式识别的能力。这次早期的成功引起了许 多人对神经网络研究的兴趣。不幸的是，后来研究表明基本的感知机网络只能解 决有限的几类问题。 同时，b e m a r dw i d m w 和t e dh o 鹧l 入了一个新的学习算法用于训练自适应 线性神经网络幢引。它在结构和功能上类似于r o s e n b l a t t 的感知机。w i d r o w - h o 丘学 习规则至今仍然还在使用。 但是，r o s e n b l a n 和、i d r o w 的网络都有同样的固有局限性。这些局限性在 m a r v i l lm i n s k y 和s y m o u rp 印e n 的书中有广泛的论述晗副。r d s e n b l a t t 和w i d r o w 也十 分清楚这些局限性，并提出了一些新的网络来克服这些局限性。但是他们没能成 功找到训练更加复杂网络的学习算法。 许多人受到m i l l s k y 和p a p e r t 的影响，相信神经网络的研究己走入了死胡同。 同时由于当时没有功能强大的数字计算机来支持各种实验，从而导致许多研究者 纷纷离开这一研究领域。神经网络的研究就这样停滞了十多年。 使神经网络研究处于低潮的更重要的原因是，2 0 世纪7 0 年代以来集成电路 和微电子技术的迅猛发展，使传统的v o nn e u m e n n 型计算机进入发展的全盛时 期。基于逻辑符号处理方法的人工智能得到迅速发展并取得显著成就，它们的问 题和局限性尚未暴露，因此暂时掩盖了发展新型计算机和寻求新的神经网络的必 要性和迫切性。 即使如此，在2 0 世纪7 0 年代，科学家们仍然在该领域开展了许多重要的工 作。1 9 7 2 年t e u v ok o h o n e n 和j a m e sa m d e r s o n 分别独立提出了能够完成记忆的 1 4 第三章人工神经网络基本理论 新型神经网络。这一时期，s t 印h e ng r o s s b e 玛在自组织网络方面的研究也十分活 跃。 1 9 8 2 年，美国加州理工学院的优秀物理学家j o h nj h o p f i e l d 博士发表了一 篇对神经网络研究的复苏起了重要作用的文章。他总结与吸取前人对神经网络研 究的成果与经验，把网络的各种结构和各种算法概括起来，塑造出一种新颖的强 有力的网络模型，称为h o p f i e l d 网络。h o p f i e l d 在1 9 8 4 年和1 9 8 6 年连续发表了 有关其网络应用的文章，获得工程技术界与学术界的重视。h o p f i e l d 没有提出太 多的新原理，但他创造性地把前人的观点概括综合在一起。 在1 9 8 6 年贝尔实验室宣布制成神经网络芯片前不久，美国的d a v i d e r u m e l h a n 和j 锄e sl m c c e l l a n d 及其领导的研究小组发表了并行分布式 处理( p a r a l l e ld i s t r i b u t e dp r o c e s s i n g ，简称p d p ) 一书的前两卷，接着在1 9 8 8 年 发表了带有软件程序的第三卷。由h o p f i e l d 燃起的神经网络复苏之火，激起了他 们写这部著作的热情，而他们提出的p d p 网络思想，则为神经网络研究新高潮 的到来起到了推波助澜的作用。书中涉及到神经网络的三个主要特征，即结构、 神经元的传递函数( 也称传输函数、转移函数、激励函数) 和它的学习训练方法这 部书介绍了这三方而各种不同的网络类型。p d p 这部书最重要的贡献之一是发展 了多层感知机的反向传播训练算法，把学习的结果反馈到中间层次的隐节点，改 变其连接权值，以达到预期的学习目的。该算法已成为当今影响最大的一种网络 学习方法。 这一时期大量而深入的开拓性工作大大发展了神经网络的模型和学习算法， 增强了对神经网络系统特性的进一步认识。使人们对模仿脑信息处理的智能计算 机的研究重新充满了希望。 1 9 8 7 年6 月，首届国际神经网络学术会议在美国加州圣地亚哥召开，到会 代表有1 6 0 0 余人。这标志着世界范围内掀起神经网络开发研究的热潮。从1 9 8 7 年以来，神经网络的理论、应用、实现及开发工具均以令