杨慧 杜勇华
济宁市水利事业发展中心新万福河分中心 山东省济宁市 272100
摘要：水文信息化技术是当代水利领域的重大技术革新。本文结合水利工程建设的实际案例，主要探讨了水利工程建设中水利防汛信息技术的应用，以供广大学者和读者朋友参考。
关键词：水利工程建设；水利防汛信息技术；应用
引言：某市境内的大型河流之一，流域面积约203km2，具有高流量和山洪暴发的特点。1990年1月25日的山洪暴发造成严重损失。本研究在河上游设置了洪水预警系统，并设置了自动雨量记录仪（ARR）和自动水位记录仪（AWLR）。为了接收雨量和水位数据，在三宝垄政府办公室内设置了一台计算机作为服务器。此功能用于将洪水状态（准备/警告/小心）发送给洪水管理员、利益相关者。用人工神经网络（ANN）预测上游1、2、3、4、5天的水位和下游3小时的水位，下游2小时的输出水位。本文所介绍的水利防汛信息系统集成了短消息服务（SMS）信息技术和Web技术，只要有通信网络，就可以随时随地访问洪水预警。结果表明，雨量、水位遥测系统发送数据的时间不到10分钟，而建立的洪水预警信息系统发送时间不到10分钟。从而实现了在2小时内接收到信息的时间小于洪水发生时的时间。人工神经网络训练期间的最佳预测结果为模型4，20个神经元速度训练0.9，动量0.3，输入降雨时间为4天前，水位为3小时，均方误差为0.0046。
1.水利工程建设中水利防汛信息技术的重要性
为了减少洪水泛滥，防洪方面是非常重要的。一般，洪水控制可分为结构性和非结构性两种努力.结构工程包括筑坝、泄洪道、河道整治、滞洪(天然水库)等。在防洪工作中，除了通过建设洪水灌溉基础设施等结构性措施外，还应在其他非结构性措施中开展工作，即规划、扩大和洪水预报预警系统(FOWS)，预警活动包括洪水预报(估计)规模，以及一旦出现洪水问题的公开通知，就会发生洪水。利用洪水预警系统可以预测洪水。用于洪水预报的方法可分为两种，即数学模型概念模型。洪水概念预报是要考虑流域水文循环的所有方面。该方法存在土地利用、蒸散、入渗、渗滤、互流等野外数据获取困难等问题。同时，在洪水预警系统中，利用降雨数据和流量等人工神经网络方法或人工神经网络进行洪水预警。随着信息技术的发展，如SMS和Web，允许洪水预报系统模型与信息技术的集成。通过这一整合，可以快速、准确地得到社会对洪水预警的预期信息。[1]
2.水利工程建设中水利防汛信息技术的具体应用
2.1水位遥测系统
传统的基于labview的水文特征分析系统存在水文特征监测精度低、监测时间长等问题。为此，设计了基于遥感影像的水文特征分析系统。系统总体架构采用B/S模式设计，保证用户在查找所需资料的同时，提高系统的整体运行效率。在系统设计的显示界面上实现了站点查询、水文特征监测、水文模式监测、水质监测和底图切换等功能。系统采用sqlserver数据库，包括遥感影像数据库、水文特征信息数据库和物资管理维护数据库，实现水文特征数据的全面存储。[2]
在水文特征分析模块中，通过数据预处理、水流流向分析、河道流量累积计算、河网生成等操作，全面、准确地分析水文特征。系统采用水位预警分析模块，根据水域水位进行监测，并对水位监测结果进行安全等级划分，实现对危险水位的准确预警。实验结果表明，所设计的系统能够准确分析水文特征，具有较高的监测效率。为了确定短消息系统的有效性，将分析短消息系统之间的延迟时间，发送和接收短信。在计算机服务器上接收短信时，需要从站发送时间数据或雨量和水位数据。
2020年1月至4月在计算机服务器上进行的数据处理结果表明，在正常情况下，从现场现有仪器发送短信到显示少于5分钟的计算机数据接收器之间的延迟时间平均为92%。而平均滞后时间为5~10分钟，平均为8%。在接收水位数据时间小于5分钟和5至10分钟之间通过短信发送水位数据之间的不同时间数据量。[3]
这说明短信系统仍然是可靠的，可以用于遥测降雨和水位系统。发送和接收之间的小滞后时间是由于在代理字段之间使用相同的GSM网络运营商到服务器计算机。1月至4月期间，SMS发送水位数据的时间差在5分钟以内，接收水位数据的时间在5到10分钟之间。洪水预警系统时间测试在此之前是非常重要的。该遥测系统适用于规定的用途。这种遥测软件测试包括：在软件运行良好的情况下，如遥测数据传输系统设置、数据处理系统、数据存储等，降雨和水位遥测系统功能是否能很好地工作。[4]
2.2人工神经网络在水位预报中的应用
利用过去的时间序列记录进行不同时段的水位预报在水资源工程和管理中具有重要意义。过去20多年来，人工神经网络（ANNs）是基于传统的谐波分析（ANNs）和传统的神经网络（ANNs）方法。在本研究中，GP被用来预测水平面的变化，提前三个时间步，在一组时间间隔内，使用观测的海平面，包括12小时、24小时、5天和10天的时间间隔。西澳州希拉里斯船港单台验潮仪的测量值，被用来训练和验证1991年12月至2002年12月期间雇用的GP。利用统计参数，即均方根误差、相关系数和散射指数来衡量它们的性能。用人工神经网络模型将这些结果与一组相应的已发表结果进行了比较。结果表明，这两种人工智能方法的性能都令人满意，可以作为谐波分析的替代方法。应用人工神经网络所需的数据包括用于训练的数据、数据用于测试、预测数据和加权数据。训练数据和测试数据是由一定时期的水位和降雨数据组成的ADATA。过程中使用的数据是3个月的水位数据和降雨量。间隔30分钟，因此数据量为4320个水位数据和4320个降雨数据。产值的值接近已确定的产出目标值。该训练采用动量值变化(0.3和0.5)、学习速率值变化(0.5和0.9)以及隐核神经元数量变化(20和30)。而所需的时代数是500。模型的运行程序为一个隐藏的20层神经元，输入是降雨时水位，实际水位/目标，但有一些地区JST无法识别低水位模式。之所以发生这种情况，是因为本东西蒙根水闸是由操作人员开启的，用来处理大坝周围的泥浆水。结果表明，水位数据应始终保持在3.6s/d、3.7 m和3.3s/d3.4m之间。[5]
结束语：水文信息化技术是当代重大革新,在全球极致天气影响下,水利防汛功能已经面临了更严峻的局面,因此,探索水文信息化技术在当前我国水利防汛中的应用，已经刻不容缓。本文提出了水利防汛信息技术的相关应用，以期提出更多行之有效的对策。
参考文献：
[1]韩叶丹.水利工程建设中水利防汛信息技术的应用[J].建筑工程技术与设计,2020,(8):3264. DOI:10.12159/j.issn.2095-6630.2020.08.3149.
[2]刘卓,田浩,刘玉龙.水利工程建设中水利防汛信息技术的应用[J].科技创新导报,2020,17(13):16,18. DOI:10.16660/j.cnki.1674-098X.2020.13.016.
[3]郭若杨.水利工程建设中水利防汛信息技术的应用[J].科技创新与应用,2019,(29):167-168.
[4]姚传军.水利工程建设中水利防汛信息技术的应用[J].百科论坛电子杂志,2019,(15):153.
[5]朱冰.水利防汛信息技术在水利工程建设中的应用[J].河南科技,2018,(29):101-102. DOI:10.3969/j.issn.1003-5168.2018.29.035.