Page 123 - 2023年第54卷第8期

图 １ 三口水系位置示意

在定量分析三峡水库运行后地形变化及水库调
蓄对三口分流的影响时，本文采用了基于 Ｔｅｎｓｏｒｆｌｏｗ
搭建的 ＡＮＮ模型。在 Ｔｅｎｓｏｒｆｌｏｗ中，数据都以张量
的形式存在，即可以表示为任意维度的数组，它的
计算过程 是 通 过 数 据 流 图 来 实 现 ［１８，２３］ 。 Ｔｅｎｓｏｒｆｌｏｗ
首先对神经网络的结构进行定义，然后将数据放入
到结构中计算，计算的流程见图 ２。图中的节点表
示数学操作，线条表示相互联系的多维数组。输入
变量 Ｘ与权重进行矩阵相乘，加上偏移量即可得到 图 ２ Ｔｅｎｓｏｒｆｌｏｗ计算示意

输出值，进而与实际 Ｙ值作差运算，计算每次训练的损耗，每次训练结束后都会将结果向前反馈以调
节权重 ω ，直到不断迭代得到最小损耗的权重和偏移量。
２．２．１ 数据集的构建及归一化处理 构建 ＡＮＮ模型首先对数据集进行选择和处理，数据集选择遵循
范围广和具有代表性的原则。研究三峡水库调蓄对荆南三口分流影响时采用的数据集为 ２００３—２０２０
年枝城站及三口流量系列。探究三峡水库建库后地形变化对荆南三口分流量的影响时，模型构建选择
的数据集为 １９９９—２０００年地形条件下的枝城站及荆南三口的流量过程，枝城站在 ２００３—２０２０年内日
３
３
均最大流量为 ５６９００ｍ ?ｓ，三峡建库前 ２００１—２００２年枝城日均最大流量不超过 ５００００ｍ ?ｓ，１９９８年、
３
１９９９年的日均最大流量均大于 ５６９００ｍ ?ｓ，但 １９９８年汛期呈现高水位持续时间长、流量大的特点，
建库后并未出现类似情形，综合考虑，选择 １９９９—２０００年流量系列作为训练集。针对选择的两个数
据集，本模型均是各自随机选择数据集的 ７０％用于模型训练，３０％用于模型验证。
文中选择的两个数据集中流量和含沙量资料均不能近似为高斯分布，采用下面公式进行归一化：
Ｘ － Ｘ ｍｉｎ
Ｘ ｎｏｒｍ ＝ （１）
Ｘ － Ｘ
ｍａｘ ｍｉｎ
０
— １ ０ ７ —