一种南方丰水地区考核年份用水总量折算方法

摘要

本发明公开了一种南方丰水地区考核年份用水总量折算方法，通过收集区域历史长系列及考核年份年降水和用水资料，确定区域年降水量频率曲线，在计算历史长系列及考核年份农田灌溉亩均净用水量的基础上，基于人工神经网络模型建立区域农田灌溉亩均净用水量和年降水量关系曲线，进而计算不同年降水量频率条件下区域农田灌溉用水量折算系数，获取区域考核年份折算用水总量。本发明可以准确捕捉区域农田灌溉亩均净用水量和年降水量的非线性关系，可以考虑超过保证率枯水年份存在的农田灌溉供水破坏情形，更加符合南方丰水地区水资源利用特点，有助于提高南方丰水地区考核年份用水总量折算的科学性和可操作性。

说明书

技术领域

本发明属于水资源管理领域，特别涉及一种南方丰水地区考核年份用水总量 折算方法。

背景技术

区域用水总量的考核是最严格水资源管理制度考核的主要内容之一，对于发 挥水资源刚性约束作用和促进经济社会的可持续发展具有重要意义。目前，用于 考核的用水总量控制指标是在多年平均来水(平水年)条件下制定的，反映的是 多年平均条件下对用水总量的约束。然而，天然来水是丰枯变化的，导致不同来 水频率年份下的区域用水总量呈现明显的波动。

目前关于区域考核年份用水总量折算方法研究成果较少，有学者提出了以用 水量特性曲线(即区域用水总量与降水量的函数关系)为基础的年度用水总量折 算考核方法。然而，该法存在以下问题：(1)不考虑超过保证率枯水年份时供水 破坏情形，这一基本假设不符合实际情况；(2)该法中区域用水总量系列为发生 在同一水平年的事件系列，是一模拟计算结果，这在现实中是不存在的，需依赖 于较为复杂的水资源配置模型，影响其在部分基础较为薄弱、缺少相应技术手段 区域的推广使用。

对于南方丰水地区而言，区域工业、生活等用水量基本不受年降水变化的影 响，区域用水总量随年降水量波动主要是农田灌溉用水量随年降水量波动造成 的；此外，直流式火电和核电冷却系统从水源取得的水量仅仅通过换热设备一次 就被排到取水口下游回归河道内，耗水量通常很小，不能把从水源的取水量全部 计算为用水量，需要将其相应的退水量进行核减。因此，南方丰水地区考核年份 用水总量折算的重点为农田灌溉用水量和直流式火(核)电冷却用水量。亟待研 发能反映南方丰水地区特点的考核年份用水总量折算方法，以提高南方丰水地区 用水总量考核工作的科学性和可操作性。

发明内容

针对现有技术存在的不足，本发明提供了一种南方丰水地区考核年份用水总 量折算方法。

为解决上述技术问题，本发明采用如下的技术方案：

一种南方丰水地区考核年份用水总量折算方法，包括步骤：

步骤1，收集区域历史长系列及考核年份年降水和用水资料；

步骤2，根据步骤1中的区域历史长系列年降水量资料，选取适当的频率曲 线线型，并估计其参数，确定区域年降水量频率曲线；

步骤3，根据步骤1中的区域历史长系列及考核年份用水资料，计算相应的 农田灌溉亩均净用水量；

步骤4，根据步骤1中的区域历史长系列年降水量和步骤3中相应的农田灌 溉亩均净用水量同步资料，基于人工神经网络模型建立区域农田灌溉亩均净用水 量和年降水量关系曲线；

步骤5，根据步骤2中确定的区域年降水量频率曲线及步骤4建立的区域农 田灌溉亩均净用水量和年降水量关系曲线，计算不同年降水量频率条件下区域农 田灌溉用水量折算系数；

步骤6，根据步骤1中的区域考核年份年降水和用水资料及步骤5中的不同 年降水量频率条件下区域农田灌溉用水量折算系数，获取区域考核年份折算用水 总量。

所述步骤2中，采用皮尔逊III型分布作为频率曲线线型，并采用线性矩法 估计频率曲线线型的参数。

所述步骤4中，采用的人工神经网络模型为多层感知器神经网络，并采用 BP算法进行学习训练。

步骤2中，采用皮尔逊III型分布作为频率曲线线型，并采用线性矩法估计 频率曲线线型的参数。

步骤4中，采用的人工神经网络模型为多层感知器神经网络，并采用BP算 法进行学习训练。

本发明收集区域历史长系列及考核年份年降水和用水资料，确定区域年降水 量频率曲线，在计算历史长系列及考核年份农田灌溉亩均净用水量的基础上，基 于人工神经网络模型建立区域农田灌溉亩均净用水量和年降水量关系曲线，进而 计算不同年降水量频率条件下区域农田灌溉用水量折算系数，获取区域考核年份 折算用水总量。

与现有技术相比，本发明的有益效果在于：

本发明可以准确捕捉区域农田灌溉亩均净用水量和年降水量的非线性关系， 可以考虑超过保证率枯水年份存在的农田灌溉供水破坏情形，更加符合南方丰水 地区水资源利用特点，有助于提高南方丰水地区考核年份用水总量折算的科学性 和可操作性。

附图说明

图1是本发明方法的流程图。

图2是区域农田灌溉亩均净用水量和年降水量人工神经网络模型拓扑结构 示意图。

图3是基于人工神经网络模型建立的区域农田灌溉亩均净用水量和年降水 量关系曲线示意图。

图4是不同年降水量频率条件下区域农田灌溉用水量折算系数曲线示意图。

具体实施方式

下面通过实施例，并结合附图对本发明作进一步说明。

如图1-图4所示，一种南方丰水地区考核年份用水总量折算方法，收集区域 历史长系列及考核年份年降水和用水资料，确定区域年降水量频率曲线，在计算 历史长系列及考核年份农田灌溉亩均净用水量的基础上，基于人工神经网络模型 建立区域农田灌溉亩均净用水量和年降水量关系曲线，进而计算不同年降水量频 率条件下区域农田灌溉用水量折算系数，获取区域考核年份折算用水总量。图1 是本实施例的计算流程图，按照以下步骤进行：

1.收集区域历史长系列及考核年份年降水和用水资料。

本具体实施中收集的历史长系列年降水资料为M年的年降水量P

本具体实施中收集的考核年份年降水资料为年降水量P

本具体实施中年降水量的单位为mm，实际用水总量、实际农田灌溉用水量、 直流式火(核)电冷却用水量的单位为亿m

2.确定区域年降水量频率曲线。

根据步骤1中的区域历史长系列年降水量资料，选取适当的频率曲线线型， 并估计其参数，确定区域年降水量频率曲线，本步骤包括两个子步骤：

2.1频率曲线线型

由于年降水量的总体分布频率曲线线型是未知的，通常选用能较好拟合多数 样本资料系列的线型。

本具体实施中采用皮尔逊III型分布作为频率曲线线型。

2.2估计频率曲线线型的参数

目前常用来估计频率曲线线型参数的方法主要包括矩法、概率权重矩法、权 函数法和线性矩法等。其中，线性矩法是目前国内外公认有效的参数估计方法， 对序列的极大值和极小值没有常规矩那么敏感，估计的参数值比较可靠。

本具体实施中根据步骤1中收集的区域历史长系列(M年)的年降水量P

3.计算历史长系列及考核年份农田灌溉亩均净用水量。

根据步骤1中收集的区域历史长系列(N年)及考核年份的农田灌溉亩均用 水量、农田灌溉水有效利用系数资料，计算相应的农田灌溉亩均净用水量。

历史长系列中第j年相应的农田灌溉亩均净用水量通过下式计算：

E

4.基于人工神经网络模型建立区域农田灌溉亩均净用水量和年降水量关系 曲线。

根据步骤1中的区域历史长系列年降水量和步骤3中相应的农田灌溉亩均净 用水量同步(N年)资料，基于人工神经网络模型建立区域农田灌溉亩均净用水 量和年降水量关系曲线，本步骤包括两个子步骤：

4.1人工神经网络模型选择

多层感知器神经网络是一种单向传播的多层前馈网络模型，具有较强的非线 性映射能力，是目前神经网络研究与应用中最基本的网络模型之一，已被证明是 一种通用的函数近似方法，可以被用来拟合复杂的函数。

本具体实施中采用的人工神经网络模型为多层感知器神经网络。

如图2所示，给出了区域农田灌溉亩均净用水量和年降水量人工神经网络模 型拓扑结构示意图。

4.2人工神经网络模型学习算法

目前常用的多层感知器神经网络学习算法主要有BP算法、共轭梯度法、拟 牛顿法等，其中BP算法具有严谨的理论基础和较强的泛化能力，能够自适应、 自主学习，是应用最广泛的学习算法。

本具体实施中根据步骤1中的区域历史长系列年降水量和步骤3中相应的农 田灌溉亩均净用水量同步(N年)资料，采用BP算法进行多层感知器神经网络 的学习训练。得到区域农田灌溉亩均净用水量计算公式：

其中，

如图3所示，给出了基于人工神经网络模型建立的区域农田灌溉亩均净用水 量和年降水量关系曲线示意图。其中，实心圆点为步骤1中的区域历史长系列年 降水量和步骤3中相应的农田灌溉亩均净用水量同步(N年)资料点据，实线为 区域农田灌溉亩均净用水量和年降水量关系曲线。

5.计算不同年降水量频率条件下区域农田灌溉用水量折算系数。

对于任一给定的年降水量频率u(0＜u＜100％)，查询步骤2中确定的区域 年降水量频率曲线可以得到相应的年降水量P

年降水量频率u条件下区域农田灌溉用水量折算系数K

其中，

如图4所示，给出了不同年降水量频率条件下区域农田灌溉用水量折算系数 曲线示意图。

6.获取区域考核年份折算用水总量。

根据步骤1中的区域考核年份年降水和用水资料及步骤5中的不同年降水量 频率条件下区域农田灌溉用水量折算系数，获取区域考核年份折算用水总量，本 步骤包括三个子步骤：

6.1计算区域考核年份折算农田灌溉用水量

根据步骤1中的考核年份年降水量P

区域考核年份折算农田灌溉用水量

6.2计算区域考核年份直流式火(核)电冷却用水量折减量

区域考核年份直流式火(核)电冷却用水量折减量为直流式火(核)电冷却 用水量的退水量W

W

其中，W

本具体实施中耗水率α

6.3计算区域考核年份折算用水总量

区域考核年份折算用水总量

将式(4)和(5)代入式(6)，得：

得到区域考核年份的折算用水总量

综上，本发明通过收集区域历史长系列及考核年份年降水和用水资料，确定 区域年降水量频率曲线，在计算历史长系列及考核年份农田灌溉亩均净用水量的 基础上，基于人工神经网络模型建立区域农田灌溉亩均净用水量和年降水量关系 曲线，进而计算不同年降水量频率条件下区域农田灌溉用水量折算系数，获取区 域考核年份折算用水总量。本发明可以准确捕捉区域农田灌溉亩均净用水量和年 降水量的非线性关系，可以考虑超过保证率枯水年份存在的农田灌溉供水破坏情 形，更加符合南方丰水地区水资源利用特点，有助于提高南方丰水地区考核年份 用水总量折算的科学性和可操作性。