Page 13 - 2022年第53卷第3期

2.4 应用数据驱动方法构建知识库和提升智能水平 如果将基于物理机理的专业模型比作数字孪生

长江的神经脉络，将工程调度规则作为其智能的一部分，应用数据驱动方法构建的“知识库”则是数
字孪生长江实现“智慧”的重要组成部分。本文以防洪智慧调度为例，介绍应用数据驱动方法在提升
长江防洪调度计算分析能力中的应用。
2.4.1 洪水发生器 实时调度中，需要应对流域大洪水或超标准洪水，制定相应的防御预案；此
外，还需要提前针对各种大洪水进行模拟调度，做好调度方案库，为实时调度提供机器学习的参
考。而水工程的调度方案一般根据以天然来水计算的设计洪水以及工程防洪任务分配等进行编制，
水文过程的随机性使得历史洪水数据无法代表所有可能发生的洪水遭遇组合或者量级、规模等特
性，在实时调度中不一定会出现类似的设计标准洪水，且天然情况下大洪水发生的机率较低，超过
流域防洪标准的大洪水更少。
针对这种实测大洪水过程少、洪水样本需要丰富的问题，基于逐层嵌套结构、综合考虑时间

分布、地区组成和定位分析，研发了基于概率统计方法的“洪水发生器”，可根据需要，引入 Cop⁃
ula 函数构建洪峰-洪量二元联合联合分布函数，选取不同模拟参数，获取控制站不同组合的模拟
洪 水 ［28］ ， 实 现 丰 富 大 洪 水 样 本 的 目 标 。 模 型 原 理 及 在 长 江 上 游 应 用 时 的 孪 生 场 景 映 射 关 系 如 图
10 所示。

雅 砻 江 岷 江 江 嘉 陵

桐子林 高场 北碚 宜昌
长江
攀枝花 屏山 武隆 江 乌
物理镜像

模型镜像
遭遇 遭遇 从站 1
历史 规律 节点 1 历史 规律 从站 2 主站 基础 后 结
洪水 q i （t） 洪水 从站 3 模拟 评 果
特性 节点 2 特性 q i （t） 估
从站 4 输
处
基于 Copula 的随机模拟技术 峰、量控制 理 出
基于 Copula 的随机模拟技术 峰、量控制

图 10 洪水发生器模型原理及孪生场景映射关系
以长江流域 1870 年洪水为例进行应用模拟。1870 年洪水是荆江河段典型的超标准洪水，历史洪
水灾害严重，但洪水实测资料缺乏，三峡工程初步设计阶段采用洪水调查资料对宜昌站洪水过程进
行了分析计算，但无上游金沙江及支流洪水成果。在以往调查分析成果的基础上，结合历史洪水资
料库中干支流时序上的关联性以及地区上的组合遭遇规律信息，运用所建模型模拟分析长江上游干
支流主要控制站洪水过程，如图 11 所示。
从模拟结果可以看出，在三峡工程设计阶段对 1870 年进行了大量分析研究工作，宜昌站洪峰
流量用水文学和水力学方法多次计算，其数值大多在 100 000～120 000 m /s，本次模拟宜昌站洪峰
3
流量为 105 000 m /s，与历史大洪水调查分析结果相近；进一步获取枝城洪水模拟过程（宜昌站加上
3
清江长阳站），根据枝城与宜昌多年平均峰量关系为 1.04 倍，本次推求枝城与宜昌峰量为 1.05 倍，
结果基本一致，由此可知，洪水发生器能够准确模拟大洪水组成，可以为数字孪生长江提供各种
洪水样本。
2.4.2 防洪调度工程应用知识图谱 长江流域水工程防洪调度涉及水库、蓄滞洪区、洲滩民垸、堤
防、排涝泵站等多种工程的联合调度 ［29-30］ 。但是，受预报预见期不够长（通常提供 3 ~ 5 天水文预报，
7 ~ 10 天预测分析）影响，加之防洪工程安全建设未达标、堤防大部分为无闸控制导致蓄滞洪区运用

— 261 —