南水北调中线各节制闸、分水口门处均设置了流量计。分水口门处的流量测量是分水水量计量的依据,节制闸的流量数据是输水调度的重要参考,流量计的率定是至关重要的工作。传统率定流量计的方法是通过水文精测法对流量计测量数据进行修正,一般根据比测数据的大致分布,人工选择数学函数拟合流量计与流速仪所测流量数据之间关
系。这种方法在函数形式的选择上存在较大的人为随意性,并且往往需要多次试验,反复比较才能找到较为满意的线型,工作量大。针对上述问题,将人工神经网络应用于南水北调中线京石段滹沱河节制闸流量计率定中,对 32 组实测样本进行数据拟合,绝对值误差和为 7. 715,而传统利用二次函数进行拟合的误差为 8. 019,人工神经网络拟合精度较高,且该技术能够根据实测数据自动生成回归模型,适应性强,有较好的推广应用价值。
南水北调中线全长 1 432 km,沿线设有 64 座节制闸、97 座分水口门,节制闸和分水口门处设置了流量计。流量计的流量测量是全线水量计量的依据,同时也是全线输水调度的参考,因此流量计须按照规范进行比测率定,保证其所测数据满足国家规定精度。传统率定流量计的方法是通过水文精测法对流量计测量数据进行修正,一般根据比测数据的大致分布,人工选择数学函数拟合流量计与流速仪所测流量数据之间的关系。这种方法在函数形式的选择上存在较大的人为随意性,并且往往需要多次试验,反复比较才能找到较为满意的线型,工作量大。针对上述问题,笔者将人工神经网络应用于南水北调中线京石段滹沱河节制闸流量计率定中。人工神经网络起源于人们对生物的神经网络的研究,是一种先进的数据挖掘技术。人工神经网络,又被称之为连接主义模式,通过大量简单的神经元互相连接组成大规模的并行分布式信息处理和非线性动力学系统,根据已有的输入、输出样本,基于某种网络训练算法对网络进行训练,训练成功后即可根据输入数据直接推算输出结果,最常用的神经网络是 BP神经网络,其在建模、预测、控制等多个领域得到了成功应用 。
1.BP 人工神经网络模型
采用误差反馈算法进行网络训练的神经网络称之为 BP 神经网络,假设建立的神经网络共三层,即输入层、隐含层和输出层。设输入层神经元的维数为 n 维,输出层神经元的维数为 m 维,隐含层神经元的维数为h 维。BP 神经网络的训练方法具体如下 。
假设隐含层与输出层的各神经元的连接权矩阵为W,wij 表示隐含层中第 i 个神经元与输出层中第 j 个神经元之间的权值( i = 1,2,…,h; j = 1,2,…,m) 。输入层与隐含层各神经元的连接权矩阵为 V,vij 表示输入层中第 i 个神经元与隐含层中第 j 个神经元之间的权值( i = 1,2,…,n; j = 1,2,…,h) 。
设( X,Y) 为样本集中的一个样本,X = ( x1 ,x2 ,…, xn ) ,Y = ( y1 ,y2 ,…,ym ) ,并选取激励函数为
2.基于信息扩散技术的流量计率定
南水北调中线先期开工建设完工的京石段工程,全长 307 km,其中河北段长 227 km、北京段 80km.京石段工程于 2008 年 9 月至 2014 年 4 月先后 4 次利用河北水库向首都供水,累计入京水量达 16. 06 亿m3 ,极大缓解了北京市的水资源短缺危机。在工程运行过程中,组织服务单位对京石段工程安装的超声波流量计利用转子流速仪进行了比测率定,经过多次人工分析比选,最终采用二次函数回归的方法进行数据拟合,以滹沱河节制闸为例,服务单位对该节制闸 32组比测率定数据进行分析 ( 见表 1) ,得出二次回归函数:
对人工神经网络方法和传统拟合方法进行分析比较:
( 1) 拟合精度。利用人工神经网络方法得出 32组拟合数据的绝对值误差和为7. 715,而二次函数拟合得出的绝对值误差和为8.019。此外,根据表 1 数据还可以算出神经网络方法拟合所得数据中,绝对值误差在10%,以内的比例为28%,误差在20%的比例为 43. 8% ,而二次函数拟合所得数据绝对值误差在10% 和 20% 以内相应的比例分别为 25% 、37. 5% 。从结果分析来看,人工神经网络拟合流量数据的精度较高。
( 2) 方法适用性。本文用 VB6.00 编制了通用人工神经网络程序,对流量计和流速仪测得的流量数据进行拟合时,仅需输入样本数据,即可通过网络训练自动生成回归模型。而利用传统方法拟合时,需分析数据的大致分布情况,先后经过线性函数、二次函数及指数函数比较,最终根据拟合效果选择二次函数进行拟合。人工神经网络使用的灵活性很强,适用性较广。
3.结 语
将人工神经网络技术引入南水北调中线流量计率定工作中来,建立了流量数据与流速仪数据的拟合关系。该模型计算简便且避免了预先假定拟合函数的不便,自动根据实测样本数据实现拟合功能。在中线工程的实际应用表明,该模型可以得出满意的拟合精度,使用方便、灵活,有推广价值。