作者：2017级本科生 阮方正、胡展翃、郑广智、朱逸凡  水利水电工程系

指导老师：杨大文 水利水电工程系

关键词：机器学习 水库调度 三峡工程

摘要

水库指在山沟或河流的狭口处建造拦河坝形成的人工湖泊，其主要功能是调节河流的自然径流过程。因此，水库是地球上人类调控水资源的重要基础设施。以水库为基础的水利枢纽设施可以发挥多种功能，包括供水、防洪、发电、灌溉等。水库优化调度则通过系统优化理论，寻求得到入库径流过程与水库运行方式最佳匹配调度方案，实现水库功能最大化。在经典水文学中，通常采用概念性或经验性的模型对水库调度进行模拟和分析。

机器学习尝试用大量数据和“训练”算法，让计算机学会执行具有人工智能的任务。由于水库调度往往需要工程师的智慧和经验判断，因此基于机器学习的人工智能可以在水库调度中发挥重要作用。本研究旨在寻找能较有效拟合三峡水库调度方法的机器学习模型，探讨人工智能在三峡水库调度中的应用前景。

研究区域与数据集

长江发源于青藏高原唐古拉山脉各拉丹冬雪峰西南麓，全长6300余公里，是中国境内第一大河。其中宜昌以上干流为上游（25～35°N，95～112.5°E），流域面积100万平方公里，气候包括亚热带季风气候、高原山地气候。图1为长江上游流域示意图。

三峡水库位于北纬30.82度，东经111.00度，为年调节水库。流域面积1,084平方公里，总存储量最大容量为393亿立方米，具有防洪、航运、发电等多方面效益。

本研究采用如下数据集：1.宜昌、武隆、寸滩站1951~2012年逐日径流数据；2.1960~2015年三峡库区实测降雨数据；3.2008~2016年三峡水库逐日出入库流量；4.2008~2016年三峡水库逐日库水位数据。

研究方法与技术路线

本研究采用三种机器学习模型：LSTM（Long Short-Term Memory）、GA-NARX（Genetic Algorithm-Nonlinear autoregressive with external input）与SA-NARX（Simulated Annealing-Nonlinear autoregressive with external input）。三种模型示意图如图2、图3所示：

图2 LSTM架构图

图3 GA-NARX与SA-NARX架构图

模型建立方法与评估准则

水库调度的基本规则可以用如下的函数关系表示：

其中，、分别代表t时刻三峡水库实测入流、出流流量，代表t-1时刻水库库水位，D代表需水量，HE代表工程师经验。本研究初步采用三峡水库入库、出库流量数据与逐日库水位数据拟合。在得到初步函数关系后，采用寸滩、武隆站径流数据与库区面雨量数据对三峡水库出流流量进行拟合，得到第二组函数关系。两组函数关系相结合，可以得到较为全面的三峡水库调度规则。