一种河湖水系连通伴生风险的识别与控制方法

摘要

本发明公开了一种河湖水系连通伴生风险的识别与控制方法，包括：对获取到的关键风险因子建立相关性并生成随机水情条件以量化风险随机源汇项的不确定性；通过实测数据对风险分析模型展开模拟，对风险分析模型参数进行率定与验证；结合研究区域河网水系特点以及识别出的关键风险因子进行风险情景分析，利用蒙特卡罗法生成随机水情条件作为风险分析模型的边界条件，形成模拟计算方案；确定河湖水系连通风险等级；根据风险分析模型的模拟结果，综合考虑水动力指标和水质指标，定量风险概率与风险强度，构建风险等级矩阵；通过风险分析模型对随机水情条件与连通工况计算出的模拟结果，分析风险变化情况，探究河湖水系连通前后对风险的影响，实现对河湖水系连通伴生风险地分析与评估。

说明书

技术领域

本发明涉及水利工程、河湖水系整治、生态环境保护领域，尤其涉及一种河湖水系连通伴生风险的识别与控制方法。

背景技术

河湖水系连通工程作为实现国家重大战略的有效手段，能够通过合理调配水资源，有效保障我国“水资源、水生态、水环境、水灾害”四水安全

然而，河湖水系连通作为一项复杂的系统工程，在改变原有的水系格局以适应人类社会与经济发展需求的同时，必然会伴随着一系列潜在风险，例如：水资源分布不均、水沙物质输移、水环境污染、水生态物质输入等

目前对河湖水系连通伴生风险的分析主要包含以下两种方法：(1)单纯的物理过程模拟。其优点是考虑了水流运动规律；缺点是风险情景假设致使工况方案受限。(2)单独的模糊随机分析。该方法虽然能形成更普遍的随机方案群，但缺乏物理机制过程，同时受到现有数据量和空间尺度的限制。多数风险分析方法仅根据风险情景设置边界条件，并由数值计算结果计算概率分布，未考虑水环境系统中随机性与不确定性因素，其所得的风险率结果受人为设置边界条件局限性的限制。或考虑到水环境系统中风险的随机性，但前置条件过多，模型复杂难以应用工程，不具备普适性。且在多数针对河湖水系连通伴生风险的定量计算中，仅针对单一的水动力指标或水质指标进行分析，未综合考虑两者对水环境系统整体风险进行刻画，因此有关河湖水系连通伴生风险分析方法尚未完善，存在一定的改进空间。

参考文献

[1]苏玉明，贾一英，郭澄评.水安全与水安全保障管理体系探讨[J].中国水利，2016(08)：12-14+36.

[2]左其亭，崔国韬.人类活动对河湖水系连通的影响评估[J].地理学报，2020，75(07)：1483-1493.

[3]刘昌明，李宗礼，王中根，等.河湖水系连通的关键科学问题与研究方向[J].地理学报，2021，76(03)：505-512.

[4]张晨，于昊，于若兰，等.不同洪水重现期下橡胶坝调控对洪水风险的影响[J].水科学进展，2021，32(03)：427-437.

发明内容

本发明提供了一种河湖水系连通伴生风险的识别与控制方法，本发明将风险随机过程与物理过程模拟相结合，综合考虑水动力指标与水质指标分析河湖水系连通工程所带来的伴生风险，为河湖水系连通水环境综合治理提供控制，详见下文描述：

一种河湖水系连通伴生风险的识别与控制方法，所述方法包括：

构建河湖水系连通伴生风险分析模型；在水动力水质耦合模型中增加表述风险不确定性的随机源汇项，对获取到的关键风险因子建立相关性并生成随机水情条件以量化风险随机源汇项的不确定性；通过实测数据对风险分析模型展开模拟，对风险分析模型参数进行率定与验证；

结合研究区域河网水系特点以及识别出的关键风险因子进行风险情景分析，利用蒙特卡罗法生成随机水情条件作为风险分析模型的边界条件，形成模拟计算方案；

确定河湖水系连通风险等级；根据风险分析模型的模拟结果，综合考虑水动力指标和水质指标，定量风险概率与风险强度，构建风险等级矩阵；

通过风险分析模型对随机水情条件与连通工况计算出的模拟结果，分析风险变化情况，探究河湖水系连通前后对风险的影响，实现对河湖水系连通伴生风险地分析与评估。

其中，获取关键风险因子的步骤为：

识别河湖水系连通关键风险因子，结合水环境污染指标评价准则，采用VineCopula函数构建多风险因子联合分布并进行联合分布概率密度分析，构建综合考虑多影响因素的河湖水系连通伴生风险识别模型，并将建立起的风险识别模型应用于研究区域识别出关键风险因子。

进一步地，所述综合考虑水动力指标和水质指标，定量风险概率与风险强度，构建风险等级矩阵为：

以水环境风险指数作为基层指标，选用水动力与水质构成基本框架，分别针对水动力模块与水质模块选取底层基本评价指标，构建评价指标体系；

底层评价指标重要性程度评分采用随机森林算法进行计算，对底层指标进行排序；其中，随机森林模型通过袋外误差来估计模型的误差，对于模型的每颗决策树的第一袋外误差采用其相对应的袋外数据进行计算，将随机噪声干扰添加进袋外数据样本特征之中，对第二袋外误差进行二次计算；

特征x的重要性程度表示为：

IS＝Σ(errorob2-errorob1)/N

规范化处理各指标原始数据；对各指标原始数据进行无量纲处理，转化为[0,1]范围内进行比较的无量纲数值，即初始模糊隶属度函数值：

对于越大越优型指标：

对于越小越优型指标：

其中，x

利用突变理论计算风险指数；评价系统的总突变隶属度值采用各突变模型归一公式开展综合考量递归计算；

最终风险值转化；对计算出的风险指数进行转化，使其处于[0,100]范围内，值越大风险越大；根据计算得出的风险概率与风险强度形成风险等级矩阵，确定风险等级。

其中，所述方法还包括：采用对流-扩散方程构建一维水质模型：

式中，C是水流输送的水质变量浓度，mg/L；V为流速，m/s；D为扩散系数，m

本发明提供的技术方案的有益效果是：

1、针对目前缺少有关河湖水系连通伴生风险分析方法的现状，提出了一种河湖水系连通伴生风险识别与控制方法，其能够解决实际工程所面临的多元风险识别问题；

2、本发明将风险随机过程与物理过程模拟相结合，综合考虑水动力指标与水质指标探讨河湖水系连通伴生风险，为实现河湖水系连通伴生风险管控提供科学依据，具有符合实际、易于操作、有实际应用价值等优点。

附图说明

图1为河湖水系连通伴生风险识别与控制方法的流程图；

图2为案例流域图；

图3为案例各风险源下风险等级分布图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

一种河湖水系连通伴生风险识别与控制方法，参见图1，该方法包括以下步骤：

101：对河湖水系连通基本情况进行初步了解；确定研究区域地形、河网水系分布情况、湖泊河道连接特点、水口位置布置以及河网水动力条件，总结研究区域水系特点并针对典型区域列出风险源，详细说明流域不同节点可能出现的河湖水系连通伴生风险；

102：识别河湖水系连通关键风险因子，结合水环境污染指标评价准则，采用VineCopula函数构建多风险因子联合分布并进行联合分布概率密度分析，构建综合考虑多影响因素的河湖水系连通伴生风险识别模型，并将建立起的风险识别模型应用于研究区域识别出关键风险因子；

103：构建河湖水系连通伴生风险分析模型；在水动力水质耦合模型中增加表述风险不确定性的随机源汇项ω，通过Vine Copula函数对关键风险因子建立相关性并生成随机水情条件以量化风险随机源汇项的不确定性；通过长时间序列的实测数据对风险分析模型展开模拟，对风险分析模型参数进行率定与验证；

104：形成河湖水系连通风险情景及模拟方案；结合研究区域河网水系特点以及识别出的关键风险因子进行风险情景分析，利用蒙特卡罗法生成随机水情条件作为风险分析模型的边界条件，形成模拟计算方案；

105：确定河湖水系连通风险等级；根据风险分析模型的模拟结果，综合考虑水动力指标和水质指标，定量风险概率与风险强度，构建风险等级矩阵，进而用以界定风险等级；

106：分析河湖水系连通伴生风险；通过风险分析模型对随机水情条件与连通工况计算出的模拟结果，分析风险变化情况，探究河湖水系连通前后对风险的影响，进而实现对河湖水系连通伴生风险地分析与评估。

优选地，该步骤102中构建河湖水系连通伴生风险识别模型包括以下步骤：

1、确定各风险因子边缘分布函数；随机变量边缘分布经验频率为：

其中，K为随机变量样本中满足K≤k的数据个数，N为样本总量；选用六种常用于水文变量的分布，即正态分布、指数分布、logistic分布、对数正态分布、伽马分布以及威布尔分布，分别对风险因子初始观测序列进行拟合，采用极大似然法估参，并通过AIC(赤池信息准则)拟合优度检验比选出最优边缘分布函数：

AIC＝-2·LK+2·k (2)

式中，LK为极大似然函数值，k为参数个数。AIC值越小拟合越优。

2、构建风险因子Vine Copula函数；本发明实施例以C-vine Copula(C藤Copula)模型为例，其n维联合密度函数表达式为：

式中，x

计算各风险因子两两间的Kendall(肯德尔)系数，将与其他变量Kendall系数绝对值之和最大的变量作为中枢变量。通过AIC准则确定C-vine Copula第一层级树中枢变量与其余各变量间的Copula函数类型，并通过贝叶斯法估计参数。利用第一层级树所估参数生成第二层级数各变量的观察值，以相同方法构建第二层级数，以此类推直至最后一层树构建完成。最后利用极大似然估计对参数进行修正。

3、河湖水系连通关键风险因子识别；完成Copula藤结构的构建后，根据C-vineCopula联合密度表达式可计算出n种风险因子作用下水环境的联合风险概率密度，定量改变某一因子的输入值观察整体风险概率的变化情况，并根据该结果对各风险因子作敏感度分析。通过对比河湖连通前后风险联合分布概率密度的变化，确定河湖水系连通对水环境的影响，以识别出河湖水系连通关键风险因子。

优选地，步骤103为了表述风险过程的随机性，对一二维水动力模型的连续性方程与运动方程进行适当改进，引入表述风险不确定性的随机源汇项ω创建风险分析模型，改进后的二维水动力模型连续性方程与运动方程为：

式中，u、v为沿x、y方向的流速，m/s；g为重力加速度，m/s

本发明实施例采用对流-扩散方程构建一维水质模型：

式中，C是水流输送的水质变量浓度，mg/L；V为流速，m/s；D为扩散系数，m

为了量化分析该风险随机源汇项的不确定性，将特定风险情景中的关键风险因子通过Vine Copula函数建立相关性并生成随机水情条件。对公式(3)C-Vine Copula n维联合密度函数表达式两侧进行积分得累积分布函数：

本风险分析模型例中以流量表述随机源汇项，取累积分布函数的逆函数C

式中，q

优选地，步骤104中风险等级计算方法：根据具体研究区域情况划分风险限值，计算风险概率与风险强度：

式中，P为风险概率；I为风险评估指标的模拟值，I

当综合考虑水动力指标与水质指标进行水环境风险评估时，可采用基于突变理论-随机森林的水环境风险计算方法将计算所得的水环境风险值代表风险强度。

基于突变理论-随机森林的水环境风险计算方法包括以下步骤：

1、构建评价指标体系；以水环境风险指数作为基层指标，选用水动力与水质构成基本框架，分别针对水动力模块与水质模块选取底层基本评价指标，构建评价指标体系；

2、确定评价指标顺序；底层评价指标重要性程度评分采用随机森林算法进行计算，进而对底层指标进行排序；其中，随机森林模型通过袋外误差来估计模型的误差，对于模型的每颗决策树的袋外误差(errorob1)采用其相对应的袋外数据进行计算，之后将随机噪声干扰添加进入袋外数据样本特征之中，对误差(errorob2)进行二次计算。若加入随机噪声后发现袋外数据准确率下降明显，那么说明该特征对于预测结果产生较大影响，因此其重要性程度较高。假设模型具有N棵树，则特征x的重要性程度(IS)表示为：

IS＝Σ(errorob2-errorob1)/N (12)

3、规范化处理各指标原始数据；对各指标原始数据进行无量纲处理，转化为[0,1]范围内可进行比较的无量纲数值，即初始模糊隶属度函数值：

对于越大越优型指标：

对于越小越优型指标：

其中，x

4、利用突变理论计算风险指数；评价系统的总突变隶属度值采用各突变模型归一公式开展综合考量递归计算。

5、最终风险值转化；对计算出的风险指数进行转化，使其处于[0,100]范围内，且值越大代表风险越大。

根据计算得出的风险概率与风险强度形成风险等级矩阵，进而确定风险等级。结合工程实例，确定研究区域内各河道断面风险等级，绘制风险等级空间分布图。通过对比不同管控措施下研究区域风险等级空间分布图情况，确定最优管控措施，进而实现对研究区域河湖水系连通伴生风险的控制。具体应用见实施例1。

实施例1

一种河湖水系连通伴生风险识别与控制方法，如图1所示。本发明实施例选取沂沭泗水系下游河湖水系连通工程说明本专利的实施步骤与效果。

(1)河湖水系连通基本情况收集

具体例：沂沭泗水系下游由韩庄运河、邳苍分洪道、中运河、沂河下游、老沭河、新沂河以及骆马湖组成，如图2所示。该河湖连通工程中，邳苍分洪道于1958年开挖，连接沂河与中运河，防治了沂河上游分洪后的漫流危害；新沂河于1949年开挖，承接骆马湖及老沭河来水后汇入黄海，在新中国成立后的沂沭泗流域削减水患中发挥了巨大作用。沂沭河上中游均位于山区，源短流急，洪水汇集至沂沭河水系下游后，河道比降变缓，行洪不畅，存在发生洪水灾害的风险。

(2)关键风险因子识别

具体例：确定该河湖水系连通工程关键风险因子为骆马湖水位、河道结构变化、韩庄运河洪峰流量及邳苍分洪道分洪量。结合沂沭泗流域面积广、汛期洪水峰高量大、源短流急、来势凶猛等特点，划分3种风险源：风险源①，南四湖流域未遭遇洪水，沂沭河上游遭遇洪水，南四湖控制下泄，邳苍分洪道来水进入中运河，继而进入骆马湖，沂河来水进入骆马湖；风险源②，沂沭河上游未遭遇洪水，南四湖流域遭遇洪水，沂沭河上游来水东调进入新沂河，南四湖敞泄，南四湖来水通过中运河进入骆马湖；风险源③，沂沭泗流域全境遭遇洪水，南四湖洪水敞泄至韩庄运河，邳苍分洪道来水进入中运河，沂河来水进入骆马湖。

(3)研究区域风险分析模型构建

具体例：建立沂沭泗水系下游河道一维水动力模型，即韩庄运河、中运河、新沂河每隔1km划分一个断面，河段长度总计251km，断面总数共253个。骆马湖二维水动力模型的网格尺寸为100m×100m，共划分46213个网格。一维水动力模型选取2008年运河站洪水过程率定模型糙率，再以2008年嶂山站洪水过程校核模型；二维水动力模型选用水位库容曲线验证模型。

选取韩庄运河、沂河下游、老沭河边界断面洪峰流量作为随机变量构建Copula函数生成边界条件。通过AIC拟合优度检验比选出韩庄运河洪峰流量与沂河下游洪峰流量最优拟合分布均为威布尔分布，老沭河洪峰流量最优拟合分布为对数正态分布。确定第一层级树中各Pair Copula类型，韩庄运河与沂河下游洪峰选用Frank Copula，韩庄运河与老沭河洪峰选用Clayton Copula(270degrees)；第二层级树选用Normal Copula。最后通过贝叶斯估计方法估参，并利用极大似然估计对参数修正，形成Vine Copula模型。

(4)形成风险情景模拟方案

根据历史水文资料，分别考虑3种风险源，在韩庄运河、沂河下游、老沭河洪峰流量区间内随机组合出水情条件，作为风险分析模型的边界条件，并形成模拟计算方案。

(4)确立风险等级矩阵

具体实例：本实施例水动力指标考虑流量、水位及流速，水质指标考虑COD

(5)河湖水系连通伴生风险分析

具体实例：根据风险等级矩阵判断研究区域内各断面风险等级，绘制各风险源下风险等级分布图，如图3所示。通过对比空间风险等级分布的变化情况，探究沂沭泗下游河湖水系连通工程对风险的影响，进而实现对河湖水系连通伴生风险地分析与评估。

根据工程具体情况设置一系列管控措施，对比不同管控措施下研究区域内风险等级空间分布情况，进而分析比选出最优管控措施，以达到对河湖水系连通伴生风险的控制。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。