CN115270386B - 一种滩槽演变主控因子权重的定量评价方法及系统 - Google Patents

Abstract

本发明涉及一种滩槽演变主控因子权重的定量评价方法及系统，所述方法包括：获取滩漕演变过程的因变量指标和自变量指标；根据所述因变量指标和所述自变量指标建立多元线性回归模型；根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以确定各个所述自变量指标的权重占比；将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子。本发明能够实现滩槽演变成因分析的定量化描述。

Description

一种滩槽演变主控因子权重的定量评价方法及系统

技术领域

本发明涉及河床演变分析技术领域，特别是涉及一种滩槽演变主控因子权重的定量评价方法及系统。

背景技术

引起冲积河流滩槽演变的外界因素主要有来流条件、来沙条件、上游河势、局部河势、临近涉水重大工程等。在现有研究中，一般通过河道深泓线、等高线、断面形态、冲淤量、分流比等河道特征参数的变化，结合河床演变学的一般规律，对引起滩槽演变的主要因素做定性分析，这种定性的分析结果往往比较模糊，并且经常会依赖于主观经验。

实践表明，滩槽演变主控因子定性分析的方法存在着很大的不确定性，特别是遇到不同河道特征参数变化反映出的控制因素不一致时，往往难以确定主控因子。在河流管理与保护中，滩槽演变主控因子难以定量确定的问题已经成为河道工程建设和科研实践的重要瓶颈。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种滩槽演变主控因子权重的定量评价方法及系统。

为实现上述目的，本发明提供了如下方案：

一种滩槽演变主控因子权重的定量评价方法，包括：

获取滩漕演变过程的因变量指标和自变量指标；

根据所述因变量指标和所述自变量指标建立多元线性回归模型；

根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以确定各个所述自变量指标的权重占比；

将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子。

优选地，所述根据所述因变量指标和所述自变量指标建立多元线性回归模型之后，还包括：

对所述多元线性回归模型进行调整后的R²值检验，得到检验结果；若所述检验结果为未通过检验，则回到步骤“获取滩漕演变过程的因变量指标和自变量指标”。

优选地，所述R²值检验的最低阈值为0.8。

优选地，所述获取滩漕演变过程的因变量指标和自变量指标，包括：

获取研究时间段内的因变量实测序列数据和自变量实测序列数据；

对所述因变量实测序列数据和所述自变量实测序列数据进行插补，得到长度一致的因变量指标数据序列和自变量指标数据序列；

分别根据所述因变量指标数据序列和所述自变量指标数据序列确定所述因变量指标和所述自变量指标。

优选地，所述自变量指标的权重的计算公式为：

其中，α_k为所述权重，β_k’为第k个所述偏回归系数进行归一化处理后的标准化系数。

一种滩槽演变主控因子权重的定量评价方法，包括：

获取模块，用于获取滩漕演变过程的因变量指标和自变量指标；

建模模块，用于根据所述因变量指标和所述自变量指标建立多元线性回归模型；

计算模块，用于根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以计算各个所述自变量指标的权重占比；

确定模块，用于将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种基于多元线性回归算法的滩槽演变主控因子权重的定量评价方法及系统。在局部河道的滩槽演变成因分析中，往往需要找出引起河床演变的主控因子，其中包括来流条件、来沙条件、上游河势、局部河势、临近涉水重大工程实施等多种影响因素。在以往的演变分析研究中，往往是基于一般的河床演变分析方法，以河道特征参数的分析为手段，结合主观研究经验定性地提出滩槽演变的大致成因，对于主控因子的认识往往比较模糊，也没有办法定量确定各因子权重。该方法在对滩槽演变过程进行因变量和自变量的指标化基础上，通过建立多元线性回归模型并进行自变量偏回归系数的归一化计算，计算得到各影响因子对于滩槽演变的相对贡献度，实现了滩槽演变成因分析的定量化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的实施例中的定量评价方法的流程图；

图2为本发明提供的实施例中的评价流程示意图；

图3为本发明提供的实施例中的滩槽演变因变量对应指标近岸河槽容积的统计位置。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种滩槽演变主控因子权重的定量评价方法及系统，能够实现滩槽演变成因分析的定量化。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明提供的实施例中的定量评价方法的流程图，如图1所示，本发明提供了一种滩槽演变主控因子权重的定量评价方法，包括：

步骤100：获取滩漕演变过程的因变量指标和自变量指标；

步骤200：根据所述因变量指标和所述自变量指标建立多元线性回归模型；

步骤300：根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以确定各个所述自变量指标的权重占比；

步骤400：将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子。

优选地，所述步骤100包括：

获取研究时间段内的因变量实测序列数据和自变量实测序列数据；

对所述因变量实测序列数据和所述自变量实测序列数据进行插补，得到长度一致的因变量指标数据序列和自变量指标数据序列；

分别根据所述因变量指标数据序列和所述自变量指标数据序列确定所述因变量指标和所述自变量指标。

图2为本发明提供的实施例中的评价流程示意图，如图2所示，本实施例中提供了四个流程，其中流程一具体为：

对滩槽演变过程进行因变量和自变量的指标化处理。首先选取河槽容积、河道宽深比等代表滩槽演变的某一个河道特征或河相关系指标作为因变量，然后自变量分别选取上游特征分流比等指标代表河势变化对河床演变的影响，选取来流量、含沙量等指标代表来水来沙条件变化，选取涉水工程实施时序指标代表工程影响。这些具体表征滩槽演变成因的各指标组成多元线性回归的自变量。构造自变量和因变量的时间序列，其中工程影响在进行时间序列构造时以0/1变量作为构造对象，工程实施前序列取值为0，工程实施后序列取值为1。对研究时段内因变量和自变量各指标实测序列数据进行插补，获得长度一致的因变量和自变量指标数据序列。

优选地，所述步骤200之后，还包括：

对所述多元线性回归模型进行调整后的R²值检验，得到检验结果；若所述检验结果为未通过检验，则回到所述步骤100。

优选地，所述R²值检验的最低阈值为0.8。

具体的，流程二具体为：

基于多元线性回归算法建立多元线性回归模型，对整体回归方程进行调整后的R²值检验，调整后的R²值检验需要大于0.8。根据显著性水平判断所选取的演变因素所有自变量指标是否能够充分解释滩槽演变过程的特征因变量，如果不能通过检验，需要进一步优化和加入其它自变量指标；如果可以通过检验，则合理的多元线性回归模型已建立。

优选地，所述自变量指标的权重的计算公式为：

其中，α_k为所述权重，β_k’为第k个所述偏回归系数进行归一化处理后的标准化系数。

具体的，本实施例的流程三具体为：

根据建立的多元线性回归模型提取各演变成因自变量指标的偏回归系数，偏回归系数的绝对值大小表征了相对影响程度，对所有自变量指标的偏回归系数进行基于平方和的归一化处理，计算得到各影响指标的权重占比。

进一步地，流程四具体为：

得到各演变因素自变量指标的权重占比，进行权重值的大小比较，权重较大的自变量指标对应的演变因素即为滩槽演变主控因子，通过本方法做到了滩槽演变控制因素从原有技术的定性分析层次提升到定量分析。

作为一种可选的实施方式，本实施例还提供了以太仓沿岸滩槽演变为例计算其主控因子及权重的方法，如图3所示，方法具体为：

(1)根据对于多元回归分析方法建立太仓沿岸深槽变化与影响因子之间的多元回归关系，其中太仓沿岸深槽变化选用近岸河槽容积来具体表征，影响因子进一步分为上游河势变化，主要表现为上游狼山沙西水道出口分流、新开沙尾部串沟发展、白茆小沙下沙体冲失、白茆沙南水道断面面积占比、白茆沙洲头冲刷后退距离5个指标；来水来沙条件，具体表征为大通站汛期(7-8月份)平均径流量、累计造床流量当量Q2*T(Q>72000m³/s时)、徐六泾洪季涨落潮平均含沙量3个指标；局部重大涉水工程，主要包括太仓岸线治理工程、深水航道治理、新通海沙整治工程、常熟边滩岸线治理工程、苏通大桥建设5个工程影响指标。其中部分变量可以用0/1变量具体表示。表1为太仓近岸滩槽演变因素对应的因变量和自变量指标示意表。

表1

具体到每个指标，其中近岸冲刷强烈区域河段容积采用近岸冲刷最为厉害的钱泾河口-浪港闸码头前沿到深泓河槽容积，数据时间从1999年到2020年，缺失年份的数据用插值方法进行内插；

白茆沙南水道落潮分流比采用实测统计数据进行统计，数据持续时间从1999年到2020年，其中缺失年份的数据用插值方法进行内插；

狼山沙西水道出口分流比采用实测统计数据进行统计，数据持续时间从1999年到2020年，其中缺失年份的数据用插值方法进行内插；

大通站汛期(7-8月份)平均径流量、年累计造床流量当量和徐六泾洪季涨落潮平均含沙量采用实测统计数据统计，数据持续时间从1999年到2020年；

白茆沙南水道断面面积占比和白茆沙洲头冲刷后退距离采用实测统计数据进行统计，数据持续时间从1999年到2020年，其中缺失年份的数据用插值方法进行内插；

对于白茆小沙下沙体冲失时间约从2007ˉ2015年，对应该段时间内变量为1，其余时间为0；新开沙尾部串沟发展从2016年开始；

对于临近重大涉水工程，太仓边滩岸线治理工程2002开工，2007年完工；长江南京以下12.5米深水航道一期工程于2012年8月开工，2014年5月完工；新通海沙整治工程工程于2007年开始实施，2014年完工；常熟边滩2007实施，2010完工；苏通长江大桥工程于2003年6月27日开工，于2008年6月30日建成通车。

(2)基于多元回归算法，建立给出了以近岸河槽容积为因变量，影响因素为自变量的多元回归方程。

所得回归方程为：

Y₁＝β₀+β₁X₁+β₂X₂+β₃X₃+β₄X₄+β₅X₅+β₆X₆+β₇X₇+β₈X₈+β₉X₉+β₁₀X₁₀+β₁₁X₁₁+β₁₂X₁₂+β₁₃X₁₃

回归模型的R²数值为0.94，调整后R²数值为0.91，因此现有选择的自变量对因变量解释程度较好。

(3)对变量进行标准化处理，通过标准化变量计算得到标准化回归方程，比较标准化回归系数的绝对值大小确定影响因素大小。

针对计算所得的标准化系数β’进行进一步处理，得到每个自变量在回归方程影响中的权重：

(4)针对计算得到的各演变因素自变量指标的相对权重进行比较，从而得出太仓近岸滩槽演变的主控因子及其对应权重。计算所得对于太仓近岸冲刷，河势变化占比55.43％，其中白茆小沙下沙体变化影响占比6.95％；来水来沙条件变化占比26.15％；临近重大涉水工程影响占比18.42％，其中太仓围垦和深水航道治理工程占比分别为6.91％和9.42％。表2为主要影响因素占比结果计算示意表

表2

总的来说，河势变化和来水来沙是太仓港近岸冲刷的主要原因，临近重大涉水工程、局部白茆小沙下沙体冲失也有一定的影响。

本实施例还提供了一种滩槽演变主控因子权重的定量评价方法，包括：

获取模块，用于获取滩漕演变过程的因变量指标和自变量指标；

建模模块，用于根据所述因变量指标和所述自变量指标建立多元线性回归模型；

计算模块，用于根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以计算各个所述自变量指标的权重占比；

确定模块，用于将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子。

本发明的有益效果如下：

(1)本发明提出了一种基于多元线性回归算法的滩槽演变主控因子权重的定量评价方法；

(2)根据本发明提出的方法能够通过计算定量确定滩槽演变因子的权重，而无需进行定性的经验分析；

(3)在使用传统的河床演变分析分析方法中，遇到不同河道特征参数变化分析反映出的控制因素不一致的问题时，可以通过本方法进行主控因子的明确。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种滩槽演变主控因子权重的定量评价方法，其特征在于，包括：

获取河道滩槽演变过程的因变量指标和自变量指标；

根据所述因变量指标和所述自变量指标建立多元线性回归模型；

根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以确定各个所述自变量指标的权重占比；

将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子；

获取滩槽演变过程的因变量指标和自变量指标，包括：

获取研究时间段内的因变量实测序列数据和自变量实测序列数据；

对所述因变量实测序列数据和所述自变量实测序列数据进行插补，得到长度一致的因变量指标数据序列和自变量指标数据序列；

分别根据所述因变量指标数据序列和所述自变量指标数据序列确定所述因变量指标和所述自变量指标；

所述自变量指标的权重的计算公式为：

其中，α_k为所述权重，β_k ^’为第k个所述偏回归系数进行归一化处理后的标准化系数。

2.根据权利要求1所述的滩槽演变主控因子权重的定量评价方法，其特征在于，所述根据所述因变量指标和所述自变量指标建立多元线性回归模型之后，还包括：

对所述多元线性回归模型进行调整后的R²值检验，得到检验结果；若所述检验结果为未通过检验，则回到步骤“获取滩槽演变过程的因变量指标和自变量指标”。

3.根据权利要求2所述的滩槽演变主控因子权重的定量评价方法，其特征在于，所述R²值检验的最低阈值为0.8。

4.一种滩槽演变主控因子权重的定量评价系统，其特征在于，包括：

获取模块，用于获取河道滩槽演变过程的因变量指标和自变量指标；

建模模块，用于根据所述因变量指标和所述自变量指标建立多元线性回归模型；

计算模块，用于根据所述多元线性回归模型提取所述自变量指标的偏回归系数，并对所有的所述偏回归系数进行归一化处理，以计算各个所述自变量指标的权重占比；

确定模块，用于将所述权重占比大于预设阈值的所述自变量指标对应的演变因素确定为主控因子；

获取滩槽演变过程的因变量指标和自变量指标，包括：

获取研究时间段内的因变量实测序列数据和自变量实测序列数据；

对所述因变量实测序列数据和所述自变量实测序列数据进行插补，得到长度一致的因变量指标数据序列和自变量指标数据序列；

分别根据所述因变量指标数据序列和所述自变量指标数据序列确定所述因变量指标和所述自变量指标；

所述自变量指标的权重的计算公式为：

其中，α_k为所述权重，β_k ^’为第k个所述偏回归系数进行归一化处理后的标准化系数。