攔砂壩系對小流域不同時間尺度逕流係數影響研究

Study on the Effect of Check Dam System on the Runoff Coefficient of Small Watershed in the Loess Plateau

10.6937/TWC.201906_67(2).0010

袁水龍(SHUI-LONG YUAN)；李占斌(ZHAN-BIN LI)；李鵬(PENG LI)；田珂(KE TIAN)

攔砂壩系 ； 逕流係數 ； 灰色關聯度分析 ； BP神經網路 ； Check dam system ； Runoff coefficient ； Grey relational analysis ； BP neural network

台灣水利

67卷2期（2019 / 06 / 01）

83 - 93

繁體中文

為科學認識黃土高原攔砂壩系建設對小流域不同時間尺度逕流係數影響，本文通過灰色關聯度分析篩選影響小流域多尺度逕流係數的關鍵因素，並基於BP神經網路模型對小流域逕流係數進行模擬和預測。研究表明：（1）1988到2010年，韭園溝流域骨幹壩系總庫容和已淤庫容逐漸增大，剩餘庫容先增大，後保持穩定，最後逐漸減小；（2）韭園溝流域年逕流係數和次降雨逕流係數影響因素的關聯度排序一致，連通性指數、總庫容、剩餘庫容、位置指數4個指標是影響不同時間尺度小流域逕流係數的關鍵因素，能夠較為全面的描述小流域攔砂壩系特徵；（3）BP神經網路模型能夠較好的類比預測年逕流係數和次降雨逕流係數，預測年逕流係數和次降雨逕流係數的均方誤差均較小，年逕流係數和次降雨逕流係數的預測值和實測值線性回歸的相關係數R^2分別為0.99，0.93。研究成果以期為黃土高原攔砂壩系建設提供科學參考。

In order to scientifically understand the effect of the construction of check dam system on the runoff coefficient of small watershed in the loess plateau at different time scales, this paper screens the main factors which affect the runoff coefficient of small watersheds by grey relational grade analysis, as well as simulates and predicts the coefficients in small watershed based on BP neural network model. The results showed that: (1) From 1988 to 2010, the total storage capacity of the key check dams and the accumulated storage capacity increase gradually, and the remaining storage capacity increases firstly, and then remains stable, while finally decreases in the Jiuyuangou watershed. (2) The correlation degree ranking of the influence indexes of annual runoff coefficient and individual rainfall runoff coefficient is consistent in the Jiuyuangou watershed. Connectivity index, total storage capacity, remaining storage capacity and position index are the key factors affecting the runoff coefficient of small watershed at different time scales, which express the effect of check dam system on runoff coefficient. (3) BP neural network model can simulate and predict annual runoff coefficient and individual rainfall runoff coefficient effectively, which means square error is small. BP. The correlation coefficient R^2 of the predicted and measured values of annual runoff coefficient and rainfall runoff coefficient are 0.99 and 0.93 respectively. The research results are intended to provide a scientific reference for the benefit evaluation of the construction of check dams on the loess plateau.

1. Chou CM.(2007).Efficient nonlinear modeling of rainfall-runoff process using wavelet compression.Journal of Hydrology,332(3),442-455.
2. Hashemi, A,Ghazariyan, S(2014).The effect of sedimentation in rock check dam reservoirs on the peak of flood in small watersheds.European Journal of Nuclear Medicine & Molecular Imaging,39,386-S387.
3. Smith, DD,Wischmeier, WH(1958).Rainfall energy and its relationship to soil loss.Trans.am.gephys.union,39(2),285-291.
4. Yazdi, J(2017).Check dam layout optimization on the stream network for flood mitigation: surrogate modelling with uncertainty handling.Hydrological Sciences Journal,62(10),1669-1682.
5. Zou, L,Dai, S,Butterworth, J(2009).Grey forecasting model for active vibration control systems.Journal of Sound & Vibration,322(4),690-706.
6. 王丹,李占斌,李鵬(2016)。韭園溝流域淤地壩壩系佈局評價。水土保持研究，23(5)，49-55。
7. 冉大川,李占斌,張志萍(2010)。大理河流域水土保持措施減沙效益與影響因素關係分析。中國水土保持科學，8(4)，1-6。
8. 任化准,薛玉林,餘小平(2012)。DGA-SVR日逕流非線性預報模型及應用。水電能源科學，30(8)，23-25。
9. 任宗萍,馬勇勇,王有勝(2019)。生態建設條件下無定河不同地貌區逕流變化歸因分析。生態學報，39(7)，1-10。
10. 朱林波,羅霞(2014)。基於人工神經網路的微觀交通模擬模型參數靈敏度分析。武漢理工大學學報(交通科學與工程版)，2014(2)，426-430。
11. 李占斌,符素華,魯克新(2001)。禿尾河流域暴雨洪水產沙特性的研究。水土保持學報，15(2)，88-91。
12. 李明洋(2015)。昆明理工大學。
13. 胡春宏(2016)。黃河水砂變化與治理方略研究。水力發電學報，35(10)，1-11。
14. 胡春宏,張曉明(2018)。論黃河水砂變化趨勢預測研究的若干問題。水利學報，49(S)，1-12。
15. 徐小玲,延軍平,梁煦楓(2008)。無定河流域典型淤地壩水資源效應比較研究—以辛店溝、韭園溝和裴家峁為例。乾旱區資源與環境，22(12)，77-83。
16. 袁水龍,李占斌,李鵬(2018)。MIKE耦合模型類比淤地壩對小流域暴雨洪水過程的影響。農業工程學報，34(13)，152-159。
17. 高海東,賈蓮蓮,李占斌(2015)。基於圖論的淤地壩對逕流影響的機制。中國水土保持科學，13(4)，1-8。
18. 張德豐(2009).MATLAB神經網路應用設計.北京機械工業出版社.
19. 許炯心(2010)。無定河流域的人工沉積匯及其對泥沙輸移比的影響。地理研究，29(3)，397-407。
20. 章文波,謝雲,劉寶元(2002)。用雨量和雨強計算次降雨侵蝕力。地理研究，21(3)，384-390。
21. 楊洪(2014)。改進BP神經網路集成模型在逕流預測中的應用。水資源與水工程學報，3，213-219。
22. 管新建,李占斌,李勉等(2007)。基於BP神經網路的淤地壩次降雨泥沙淤積預測」。西北農林科技大學學報(自然科學版)，35(9)，221-225。
23. 聞新,李新,張興旺(2015).應用MATLAB實現神經網路.國防工業出版社.
24. 趙西寧,吳普特,馮浩(2004)。基於人工神經網路的坡面土壤侵蝕研究。中國水土保持科學，2(3)，32-35。
25. 趙賓華,李占斌,李鵬(2017)。黃土區生態建設對流域不同水體轉化影響。農業工程學報，33(23)，179-187。
26. 綦俊諭,蔡強國,方海燕(2010)。岔巴溝流域水土保持減水減沙作用。中國水土保持科學，8(1)，28-33。
27. 劉剛,劉紀平,趙榮(2008)。BP神經網路模型在瀾滄江流域逕流量模擬中的應用。測繪科學技術學報，25(4)，271-274。
28. 劉曉燕,高雲飛,王富貴(2017)。黃土高原仍有攔沙能力的淤地壩數量及分佈。人民黃河，39(4)，1-5。
29. 鄭培,黎建強(2010)。基於BP神經網路的供應鏈績效評價方法。運籌與管理，19(2)，26-32。
30. 鄧聚龍(2005).灰色系統基本方法.華中科技大學出版社.
31. 魏霞,李占斌,李勳貴(2007)。基於灰關聯的壩地分層淤積量與侵蝕性降雨回應研究。自然資源學報，22(5)，842-850。
32. 龔時暘,蔣德麒(1978)。黃河中游黃土丘陵溝壑區溝道小流域的水土流失及治理。中國科學，21(6)，671-678。