全信息模式單位線的推求與應(yīng)用

項(xiàng)麗媛，許海軍

(1.遼寧省湯河水庫(kù)管理局，遼寧遼陽(yáng) 111000;2.遼寧省供水局，遼寧 沈陽(yáng) 110003)

全信息模式單位線的推求與應(yīng)用

項(xiàng)麗媛1，許海軍2

(1.遼寧省湯河水庫(kù)管理局，遼寧遼陽(yáng) 111000;2.遼寧省供水局，遼寧 沈陽(yáng) 110003)

提出了全信息智能模式單位線匯流方法，考慮了單位線面臨時(shí)刻的所有影響因素，在全信息狀態(tài)空間條件下采用粗糙集理論生成模式單位線;在單位線應(yīng)用時(shí)，采用模糊推理模型選擇單位線.實(shí)例研究說(shuō)明全信息模式單位線是可行的.

粗糙集;模糊推理;全信息;模式單位線

單位線法存在代表性不強(qiáng)、智能化水平低的問(wèn)題.文獻(xiàn)［1－2］提出了模式單位線的方法，在一定程度上解決了此問(wèn)題.但其考慮的因素不全，沒(méi)有把現(xiàn)有的可觀測(cè)到的所有因素都考慮進(jìn)去.另外，只在結(jié)構(gòu)性模型上研究，很難較好地解決這個(gè)問(wèn)題.筆者提出了全信息智能模式單位線，把影響單位線的信息分為數(shù)字信息和模糊語(yǔ)言信息兩大類，并把數(shù)字信息和模糊語(yǔ)言信息的集合定義為全信息，而基于這種全信息的空間稱為全信息狀態(tài)空間.在全信息狀態(tài)空間上應(yīng)用粗糙集理論來(lái)推求模式單位線;在應(yīng)用單位線時(shí)，采用模糊推理模型選擇單位線.

1 全信息智能模式單位線的推求

一次降雨形成的天氣系統(tǒng)、降雨歷時(shí)、降雨分布與強(qiáng)度、流域下墊面、流域地理特征等是產(chǎn)生洪水過(guò)程的諸種影響因素.

降雨發(fā)生季節(jié)、降雨開始時(shí)間不同，則產(chǎn)生的洪水過(guò)程線亦不同.可將汛期按旬標(biāo)記為1，2，…，n.如遼寧省汛期時(shí)間為6月1日至9月20日，分旬標(biāo)記為1，2，…，11.若降雨發(fā)生在7月21日，則降雨時(shí)間T標(biāo)記為6.

降雨的天氣類型不同，凈雨過(guò)程也不同，則匯流產(chǎn)生的洪水過(guò)程線亦不同.如遼寧的遼渾太流域形成大暴雨的天氣系統(tǒng)主要有:華北或江淮氣旋、低壓冷峰、高空槽、臺(tái)風(fēng)、高空槽加臺(tái)風(fēng)、氣旋加臺(tái)風(fēng)等［3］.由渾河流域1951—1991年的資料歸納出來(lái)的一次暴雨過(guò)程分配類型如圖1所示，圖中的數(shù)字表示一次暴雨過(guò)程中各天分配的權(quán)重系數(shù).

圖1 一次暴雨過(guò)程各天權(quán)重分配

由圖1可知，產(chǎn)生降雨的天氣系統(tǒng)將對(duì)凈雨過(guò) 程產(chǎn)生較大影響，進(jìn)而影響單位線形狀.降雨的天氣系統(tǒng)表示為 W，W=1，2，…，n.

形成洪水的降雨空間分布和平均時(shí)段凈雨的大小對(duì)單位線形狀也將產(chǎn)生較大影響.降雨的空間分布可用數(shù)字標(biāo)記為D.D=1，指均勻分布;D=2，指上游;D=3，指中游;D=4，指下游.D的取值由分布在上、中、下游雨量站的平均降雨量占?jí)沃芬陨狭饔蚩偲骄炅康陌俜直葲Q定.平均時(shí)段凈雨按分級(jí)定量標(biāo)識(shí).根據(jù)流域降雨特性，將時(shí)段凈雨定量分級(jí)，并對(duì)每個(gè)量級(jí)用數(shù)字標(biāo)識(shí).如遼寧柴河水庫(kù)時(shí)段凈雨可分4 級(jí):Y0＜2.5，2.5≤Y0＜5.0，5.0≤Y0＜6.0，Y0≥6. 0;可用數(shù)字1，2，3，4 對(duì)應(yīng)標(biāo)識(shí).

全信息智能單位線是由前期的影響因素和相應(yīng)的單位線組成的，上面分析了影響因素，接著將討論相應(yīng)單位線的分析.分析方法采用傳統(tǒng)分析法、試錯(cuò)法，依凈雨時(shí)段數(shù)量而定.

由于全信息智能模式單位線綜合考慮面臨時(shí)刻的所有信息，因此每次歷史洪水都必須分析出其單位線.把每次歷史洪水分析出的單位線編號(hào)，與其相應(yīng)的影響因素一起作為全信息智能單位線表中的一條記錄.如果歷史洪水很多，則表的內(nèi)容變得十分復(fù)雜，而且隨著水庫(kù)運(yùn)行時(shí)間的延長(zhǎng)，這個(gè)表將愈來(lái)愈復(fù)雜.因此，采用粗糙集理論來(lái)簡(jiǎn)化此表，并從中發(fā)現(xiàn)決策規(guī)則，為在徑流預(yù)報(bào)中應(yīng)用單位線創(chuàng)造條件.

全信息智能單位線及其影響因素，一起構(gòu)成了一個(gè)信息表［4］，即

利用粗糙集理論約簡(jiǎn)信息表Su，計(jì)算過(guò)程如圖2所示.

圖2 信息系統(tǒng)Su的約簡(jiǎn)過(guò)程

全信息智能單位線信息表的最小約簡(jiǎn)MR可視為去掉了冗余信息的決策表.決策規(guī)則由決策表中產(chǎn)生，則在洪水預(yù)報(bào)時(shí)可用此規(guī)則選擇單位線.

2 全信息智能模式單位線的應(yīng)用

在實(shí)際洪水預(yù)報(bào)時(shí)，需考慮實(shí)時(shí)觀測(cè)到的影響因素與規(guī)則的前件符合程度，以及對(duì)各模糊規(guī)則的適用度.采用模糊推理模型可解決這些問(wèn)題.

單位線選擇模糊推理系統(tǒng)可用包括輸入層、隸屬度函數(shù)層、規(guī)則層和解模糊層的模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network，F(xiàn)NN)來(lái)實(shí)現(xiàn)［5］.輸入變量隸屬函數(shù)選為高斯型函數(shù).用xki表示第k層的第i個(gè)輸入，netkj表示第k層的第j個(gè)節(jié)點(diǎn)的凈輸入，ykj表示第k層的第j個(gè)節(jié)點(diǎn)的輸出，即ykj=xkj+1，則FNN的各層處理過(guò)程表示如下.

1)輸入層.

式中:x1i為FNN的第i個(gè)輸入;i=1，2.該層只有2個(gè)節(jié)點(diǎn).

2)隸屬度函數(shù)層.

式中mij和σij分別為第i個(gè)輸入變量的第j個(gè)模糊集合的高斯型隸屬函數(shù)的均值和標(biāo)準(zhǔn)差.該層共有10個(gè)節(jié)點(diǎn).

3)規(guī)則層.

式中:y41為FNN的輸出;θi為第3，4層間的可調(diào)權(quán)系數(shù).該層只有1個(gè)節(jié)點(diǎn)［3］.

3 實(shí)例研究

清河水庫(kù)位于遼寧省鐵嶺市清河區(qū)境內(nèi)，遼河左岸支流清河偏下游處，是一座以防洪灌溉為主，工業(yè)供水、養(yǎng)魚等綜合利用的多年調(diào)節(jié)的大型水利樞紐工程.用全息智能模式單位線方法預(yù)報(bào)1995年7月30日洪水，部分洪水預(yù)報(bào)和實(shí)際過(guò)程見表1.由表1可知，預(yù)報(bào)洪峰流量略大于實(shí)際洪峰流量，峰現(xiàn)時(shí)間吻合，說(shuō)明全信息智能模式單位線是可行的.

表1 1995年7月30日洪水預(yù)報(bào)與檢驗(yàn)

4 結(jié)語(yǔ)

基于單位線的應(yīng)用存在其自身代表性不強(qiáng)的問(wèn)題，提出了全息智能模式單位線方法.首先考慮了單位線的所有影響因素，在全信息空間條件下選擇單位線;其次在單位線選擇規(guī)則產(chǎn)生方面，采用粗糙集理論，完全從數(shù)據(jù)集中發(fā)現(xiàn)知識(shí)，主觀成份較少;在單位線應(yīng)用時(shí)，應(yīng)用模糊推理模型，解決了模糊推理系統(tǒng)中的若干參數(shù)識(shí)別問(wèn)題.該方法易于在計(jì)算機(jī)上實(shí)現(xiàn)，且易于掌握和推廣.清河水庫(kù)洪水預(yù)報(bào)的應(yīng)用實(shí)例，說(shuō)明該方法可行.

［1］王本德，程春田.模式單位線的推求與應(yīng)用［J］.水文，1994(5):11 －15，64.

［2］程春田.水庫(kù)防洪預(yù)報(bào)調(diào)度系統(tǒng)研究及應(yīng)用［D］.大連:大連理工大學(xué)，1993.

［3］王本德.水庫(kù)模糊優(yōu)化調(diào)度［M］.大連:大連理工大學(xué)出版社，1990.

［4］Skowron A，Rauszer C.Matrices and functions in information systems，in intelligent decision support，handbook of applications and advances of the rough sets theory［M］.The Netherlands:Kluwer，1992.

［5］Horikawa S，furubashi T，Uchikawa Y.On modeling using fuzzy neural networks with the back-propagation algorithm［J］.IEEE Transactions on Neural Networks，1992，5(3):801－806.

Derivation and Application of Available Information Model Unit Hydrograph

XIANG Li-yuan1，XU Hai-jun2
(1.Liaoning Province Tanghe Reservoir Administration Bureau，Liaoyang 111000，China;2.Liaoning Province Water Supply Bureau，Shenyang 110003，China)

A conflux method of available informational and intelligent unit hydrograph is presented.Considering all influence factors of the unit hydrograph，the model unit hydrograph is obtained using rough sets theory in the available information space.The fuzzy reference is used to choose the unit hydrograph when applying the unit hydrograph.The case study proves this method is feasible.

rough sets;fuzzy reference;available information;model unit hydrograph

1002－5634(2012)03－0034－03

2012－03－16

項(xiàng)麗媛(1970—)，女，遼寧綏中人，高級(jí)工程師，主要從事水文與水庫(kù)調(diào)度方面的研究.

(責(zé)任編輯:陳海濤)