居金浩，彭 亮

(1.水利部新疆维吾尔自治区水利水电勘测设计研究院，乌鲁木齐 830000； 2.新疆农业大学 水利与土木工程学院，乌鲁木齐 830052)

1 概 况

叶尔羌河流域源于喀喇昆仑山北坡，地处欧亚大陆腹地，介于E74°28′-E80°54′、N34°50′-N40°31′之间(流域概况见图1)，远离海洋，周围又有高山阻隔，加上大沙漠的影响，流域内呈典型的大陆性气候，其主要特点是气温年变化较大，日温差大，空气干燥，日照长，蒸发强烈，降水量稀少。叶尔羌河流域是塔里木河流域“四源一干”水系格局的主要组成部分，流域内有排名全国第四、新疆第一的叶尔羌河灌区。库鲁克栏干水文站、卡群水文站为叶尔羌河干流上的水量控制站，两站间河道距离约112 km，控制断面以上河长645 km，集水面积5×104km2。

图1 叶尔羌河流域水系图

据流域卡群站统计，年平均气温为10.2℃，历年极端最高气温为39.6℃，发生日期为1959年6月3日；极端最低气温为-24℃，发生日期为2002年1月21日；多年平均降水量为69.98 mm，月最大降水量为12.75 mm，发生在5月份；多年平均蒸发量为1 758.00 mm。月最大蒸发量266.50 mm，发生在6月份[1]。该站实测多年平均年径流量67.10×108m3，年径流量变差系数0.18。最大年径流量95.55×108m3(1994年)，最小年径流量44.67×108m3(1965年)，最大年径流量与最小年径流量的比值为2.14，年径流年际变化不大。多年平均悬移质含沙量4.58 kg/m3，最大日含沙量698 kg/m3(1998年6月3日)，多年平均最大月含沙量6.41 kg/m3(8月份)，多年平均悬移质输沙量3 028×104t，悬移质输沙模数为603 t/km2。

叶尔羌河流域径流主要以冰川融雪补给为主[2]，受全球气候变化的影响较大，近年来其气象水文因子序列发生较为明显变化[3-4]，水资源不确定性大幅度增加，水沙问题突出，给下游叶尔羌河灌区内水生态修复和流域防洪减灾等工作造成很大影响。本文基于CMIP5模拟数据驱动BP神经网络模型，对未来流域上游阿尔塔什水库入库水沙量的变化情况进行预测。

2 资料与方法

2.1 数据来源

本文选用1954-2015年卡群水文站月尺度径流、泥沙监测数据，1979-2015年库鲁克栏干水文站月尺度径流、泥沙实测数据，2006-2015年栏干站日尺度径流、泥沙实测数据，1955-2015年塔什库尔干气象站月尺度气温、降水实测数据，以上数据均来自于喀什水文水资源勘测局。

CMIP5数据库中CNRM-CM5、MIROC-ESM和NorESM1-M这3个模式的不同排放情景(RCP2.6、RCP4.5、RCP8.5)下降水、蒸发、地表温度、相对湿度与大气温度5个相关因子的模拟数据。CNRM-CM5、MIROC-ESM和NorESM1-M等多模型不同碳排放浓度情景下的空间分辨率分别为1.4°×1.4°、2.8°×2.8°和1.9°×2.5°，时间分辨率均为月。

CMIP5数据来源于网站：https://esgfnode.llnl.gov/projects/cmip5/

2.2 研究方法

BP神经网络的结构包括输入层、隐含层和输出层[5]，其中隐含层可以为一层或多层。BP神经网络有以下特点:

1) 网络为多层结构，相邻两层的每个神经元都与邻层所有的神经元连接，而同一层的神经元之间不存在连接。这样的网络结构，使BP神经网络可以完成复杂的计算工作。

2) 网络的激活函数可微，如常用的Sigmoid函数和线性函数。Sigmoid函数根据映射后的区间范围又可分为Log-Sigmoid函数和Tan-Sigmoid函数，它们的数学表达为[6]:

(1)

其中x的取值为任意实数，函数的输出区间分别为[0,1]和[-1,1]，为网络的分类工作提供便利。

3) 网络采用误差反向传播算法。BP算法的原理是在监督学习中，实际输出与期望输出差值的均方值作为误差信号可以沿网络反向传播，在传播的过程中网络的每一层权值都会得到调整，这个过程将重复至误差低于目标值后神经网络学习结束[7]。

3 结果分析

3.1 模型运行与检验

选择降水、蒸发、地表温度、相对湿度和大气温度等5个与径流量和输沙量相关性较强的因子，驱动BP神经网络模型，利用CMIP5数据中的CNRM-CM5、MIROC-ESM、NorESM1-M共3个模式，基于不同排放情景(RCP2.6、RCP4.5、RCP8.5)的模拟数据，对流域上游未来径流量和输沙量的变化情况进行预测。1979年1月至2009年12月作为模型训练期，2010年1月至2015年12月作为模型校核期，将预测值与实际数据进行相关性分析，以相关系数R2评价模型，然后预测叶尔羌河流域上游2021-2100年径流量、输沙量变化情况。

计算预测径流量和输沙量与实测数据之间的相关系数R2，计算结果见表1。

表1 3种模式径流和输沙模拟评价Tab.1 The results of runoff and sediment simulation under different models

由表1可见，CNRM-CM5、MIROC-ESM、NorESM1-M这3种模式径流量预测值与实际值的相关性R2分别是0.87、0.87、0.89，输沙量预测值与实际值的R2分别是0.91、0.99、0.90，相关性都较高，表明3个模式的模拟数据均可以模拟出影响因子与径流、输沙之间的相关关系。

不同模式的径流量预测值与实测数据的拟合效果见图2。由图2可见：

图2 不同模式径流模拟值与实际值对比Fig.2 The comparison between the measured and simulated runoff under different models

1) CNRM-CM5、MIROC-ESM和NorESM1-M这3种模式的径流量预测值与实测径流量的中值和低值拟合效果较好，但高值的拟合效果相对较不理想，预测的高值相对与实际径流量忽高忽低，3种模式下的径流量高值预测值大概率会出现比实测径流量高值更高的情况。

2) 3种模式的径流量预测值高值、中值和低值发生的时间点与实测径流量发生这3类值的时间点基本上保持一致。

3) 3种模式的径流量预测值都能较好地拟合实测径流量，且3种模式的径流量预测值与实测径流量的拟合效果大致相同，由此可证实这3个模式的模拟数据都可应用于叶尔羌河流域径流量的预测研究。

3种模式输沙量预测值与实际值的拟合效果见图3。由图3可见：

图3 不同模式输沙模拟输沙量与实际输沙量对比Fig.3 The comparison between the measured and simulated sediment under different models

1) CNRM-CM5模式的输沙量预测值与实际数据的高中值和低值拟合效果都很好，与实测数据的拟合效果较为一致。

2) MIROC-ESM模式的预测值与实际值的拟合效果较好，但高值的拟合效果不理想，其预测的高值总是略低于实际径流值。

3) NorESM1-M模式的预测值与实际值的低值拟合效果较好，但高值的拟合效果不理想，其预测的高值总是低于实际径流值。

4) 模拟数据都能较好地拟合实测值并与实测数据的拟合效果大致相同，由此可证实这3个模式的模拟数据可应用于叶尔羌河流域径流量的预测研究。

3.2 3种模式对未来径流和输沙的预测

采用CMIP5数据库中CNRM-CM5、MIROC-ESM和NorESM1-M这3种模式中，不同排放情景(RCP2.6、RCP4.5、RCP8.5)下的降水、蒸发、地表温度、相对湿度与大气温度等5个因子的模拟数据，对叶尔羌河流域上游2021-2100年径流量、输沙量进行预测。3种模式下的径流量预测值的逐月变化和年总量变化情况见图4、图5，输沙量预测值的逐月变化和年总量变化情况见图6和图7。

图4 不同模式对未来逐年径流量变化的预测Fig.4 Prediction of annual runoff discharge

图5 3种模式对未来逐月径流量变化的预测Fig.5 Forecast of monthly runoff changes

图6 不同模式对未来逐年输沙量变化的预测Fig.6 Prediction of annual sediment discharge

图7 3种模式对未来逐月输沙量变化的预测Fig.7 Forecast of monthly sediment changes

从图4和图5可以看出：

1) CNRM-CM5模式中RCP2.6、RCP4.5情景下的年径流量预测值在2021-2100年一直保持在75×108m3左右。RCP8.5情景下的年径流量预测值在2021-2100年一直处于上升趋势，从2021年的70×108m3左右一直平稳增加至2100年的120×108m3左右。

2) MIROC-ESM模式中RCP2.6情景下的年径流量预测值在2021-2060年从90×108m3左右平稳增长至100×108m3左右，随后开始平稳下降至2100年的95×108m3左右。RCP4.5情景下的年径流量预测值在2021-2080年从90×108m3左右平稳增长至100×108m3左右，2080-2100年一直保持在100×108m3左右。RCP8.5情景下的年径流量预测值在2021-2100年一直保持显著增加趋势，从85×108m3左右增长至160×108m3左右。

3) NorESM1-M模式中RCP2.6情景下的年径流量预测值在2021-2060年从60×108m3左右平稳增长至70×108m3左右，然后一直保持不显著下降趋势，在2100年下降至65×108m3左右。RCP4.5情景下的年径流量预测值在2021-2060年从70×108m3左右较为显著地增长至90×108m3左右，然后一直稳定在90×108m3左右。RCP8.5情景下的年径流量预测值在2021-2100年从70×108m3平稳地上升至80×108m3左右。

4) 3种模式在RCP2.6和RCP4.5情景下，径流量预测值从2021-2100年变化均较小，MIROC-ESM模式下的径流量预测值最大，其余两个模式下的径流量预测值相近；CNRM-CM5和MIROC-ESM模式在RCP8.5情景下，径流量预测值从2021-2100年变化显著，NorESM1-M模式中RCP8.5情景下的年径流量预测值变化较小。

从图6和图7可以看出：

1) CNRM-CM5模式中RCP2.6情景下的年输沙量预测值在2021-2060年从300×108t左右平缓增加至400×108t左右，然后平缓减少，在2100年减少至360×108t左右。RCP4.5情景下的年输沙量预测值在2021-2060年从370×108t左右一直平缓减少至320×108t左右，然后又平缓增加，在2100年达到400×108t左右。RCP8.5情景下的年输沙量预测值在2021-2100年显著增加，从250×108m3增加至500×108t。

2) MIROC-ESM模式中RCP2.6情景下的年输沙量预测值在2021-2060年平缓增加，在2060年平缓减少，总体上保持在650×108t左右。RCP4.5情景下的年输沙量预测值在2021-2100年从400×108t左右平缓增加至650×108t左右。RCP8.5情景下的年输沙量预测值在2021-2100年增加趋势显著，从500×108t左右增加至1 500×108t左右。

3) NorESM1-M模式中RCP2.6情景下的年输沙量预测值在2021-2060年从250×108t左右显著增加至500×108t左右，2060-2100年维持在500×108t左右。RCP4.5、RCP8.5情景下的年输沙量预测值在2021-2100年变化趋势相近，均从340×108t平缓减少至320×108t。

4) 3种模式在RCP2.6和RCP4.5情景下，输沙量预测值从2021-2100年变化均较小，MIROC-ESM模式下的输沙量预测值最大，其余两个模式下的输沙量预测值相近；CNRM-CM5和MIROC-ESM模式在RCP8.5情景下，输沙量预测值从2021-2100年变化显著，分别增长2倍和3倍，NorESM1-M模式中RCP8.5情景下的年输沙量预测值变化较小。

4 结 语

借助实测气象数据以及CMIP5中3种不同模式的模拟气象数据，驱动BP神经网络模型，采用1979-2009年的数据对模型进行训练，2010-2015年的实测数据为模型的检验数据，与预测值进行相关性分析，以预测值与实际数据的相关系数R2评价模型，然后预测叶尔羌河流域上游2021-2100年径流量、输沙量变化情况，研究结论如下：

1) CNRM-CM5、MIROC-ESM、NorESM1-M这3种模式径流量预测值与实际值的相关性R2分别为0.87、0.87、0.89，输沙量预测值与实际值的R2分别为0.91、0.99、0.90，相关性都较高，表明3个模式的模拟数据均可以模拟出影响因子与径流、输沙之间的相关关系。

2) 径流量、输沙量预测量在CNRM-CM5、MIROC-ESM两个模式中RCP2.6和RCP4.5情景增长平缓，在RCP8.5情景下增长较为显著。NorESM1-M模式中3种情景的径流、输沙预测量均表现出平稳增长的态势，其中RCP4.5情景下增加较为明显，RCP8.5情景次之。