當(dāng)今，洪水仍然是自然界對人類的主要威脅之一。據(jù)統(tǒng)計，從1991~1995年間由洪水造成的平均年經(jīng)濟損失為10.5億元。因此，發(fā)展智能化管理與決策系統(tǒng)的非工程措施，更高效地利用科學(xué)的方法進行防洪規(guī)劃設(shè)計與防洪預(yù)報調(diào)度一直是防汛部門探索的問題。Nelson認為從實時洪水預(yù)報系統(tǒng)過渡到防汛決策支持系統(tǒng)是目前防洪防汛系統(tǒng)發(fā)展的趨勢[1]。美國在20世紀(jì)80年代初就在這一領(lǐng)域開展了系統(tǒng)研究，之后建立的科羅拉多河流域水庫群運行DSS的系統(tǒng)監(jiān)控和數(shù)據(jù)采集系統(tǒng)能監(jiān)控和記錄水電站運行、大壩前水庫水位、庫尾水庫水位、緊急報警等[2]。
    我國在20世紀(jì)80年代末期，由崔家駿等率先引入DSS 的概念和方法，完成了黃河防洪決策支持系統(tǒng)的分析和設(shè)計[3]，隨后，孟波等提出了城市防洪決策支持系統(tǒng)[4]，翁文斌等完成了汾河防洪專家系統(tǒng)的設(shè)計和開發(fā)[5]等。這些研究在防汛指揮決策的模型庫建設(shè)方面取得了不少成果，對于各流域、地區(qū)的防汛指揮決策起到了一定的輔助決策作用?？傮w來說，對于防汛決策已有的研究主要是針對水庫多目標(biāo)調(diào)度研究，而對于油田區(qū)域水泡子與低洼地較少，作用相對單一的排澇系統(tǒng)調(diào)度研究基本沒有，因此開展油田防汛決策支持系統(tǒng)研究，結(jié)合油田具體情況有效地對洪水進行優(yōu)化調(diào)度已成為防汛工作中的一項刻不容緩的任務(wù)，這也是本文所要研究和解決的重點問題。
1 系統(tǒng)設(shè)計
    油田防汛智能決策支持系統(tǒng)的設(shè)計依據(jù)為：《國家防汛指揮系統(tǒng)工程項目建議書》、《國家防汛指揮系統(tǒng)工程總體設(shè)計大綱》、《國家防汛指揮系統(tǒng)工程總體設(shè)計指導(dǎo)書》、《國家防汛指揮系統(tǒng)工程總體設(shè)計實施綱要》、《防洪工程數(shù)據(jù)庫整編手冊》、《防洪工程數(shù)據(jù)設(shè)計報告》。本系統(tǒng)的設(shè)計采用DSS決策支持理論，在開發(fā)過程中綜合應(yīng)用計算機網(wǎng)絡(luò)、數(shù)據(jù)庫、實時通信、地理信息(GIS)技術(shù)、ActiveX控件技術(shù)以及Agent 理論等。結(jié)合該油田防汛的具體情況給出了分布式硬件組成和相應(yīng)的體系結(jié)構(gòu)設(shè)計方案。
1.1 硬件組成
　 信息采集系統(tǒng)是防汛智能決策支持系統(tǒng)的重要組成部分，而閘門、泵站的控制系統(tǒng)則是防汛調(diào)度的執(zhí)行機構(gòu)。根據(jù)油田區(qū)域防汛的具體情況，結(jié)合已有的工程措施來設(shè)計決策支持所需要的硬件部分。該系統(tǒng)的硬件部分可以分為4個子系統(tǒng)：數(shù)據(jù)采集與通信子系統(tǒng)(現(xiàn)場子系統(tǒng))、分調(diào)度子系統(tǒng)、主調(diào)度子系統(tǒng)和信息訪問子系統(tǒng)(客戶端子系統(tǒng))。硬件系統(tǒng)結(jié)構(gòu)圖如圖1所示。

    (1)數(shù)據(jù)采集與通信子系統(tǒng)位于整個系統(tǒng)的底層，由現(xiàn)場檢測測量儀器完成對雨量及水位的檢測，其中距離局域網(wǎng)較近(100 m以內(nèi)的)采用光纖接入的TCP/IP的網(wǎng)絡(luò)技術(shù)，距離局域網(wǎng)較遠的(10 km以上的但手機通信較好)采用GSM模塊無線接入的短信息技術(shù)。數(shù)據(jù)傳輸采用自報加應(yīng)急召測方式動態(tài)召測現(xiàn)場最新水位和雨量數(shù)據(jù)。
　 (2)分調(diào)度子系統(tǒng)屬于二級監(jiān)控子系統(tǒng)，按照匯水面積和排水干渠劃分為可獨立調(diào)度的Agent子系統(tǒng)。根據(jù)降水預(yù)測得到的徑流量預(yù)測出各水庫水泡子的水位變化，按本區(qū)域損失最小的原則計算排水量，將結(jié)果送入主調(diào)度服務(wù)器。其最終執(zhí)行機構(gòu)利用現(xiàn)有的排澇站泵房和涵閘。
　 (3)主調(diào)度子系統(tǒng)位于整個系統(tǒng)的頂層，根據(jù)各分調(diào)度系統(tǒng)送來的數(shù)據(jù)并結(jié)合相關(guān)排水干渠上下游分調(diào)度系統(tǒng)的調(diào)度數(shù)據(jù)進行協(xié)調(diào)。按照全區(qū)損失最小的原則進行調(diào)度。
    (4)信息訪問子系統(tǒng)用于客戶端訪問調(diào)監(jiān)系統(tǒng)，以GIS技術(shù)平臺為支撐，實時直接將后臺調(diào)度數(shù)據(jù)顯示出來，為決策者提供支持，并對調(diào)度實施和人工干預(yù)進行控制。
1.2系統(tǒng)的體系結(jié)構(gòu)
　參考多種防汛決策支持系統(tǒng)后,該系統(tǒng)采用模型庫、方法庫、方案庫和文檔庫四庫協(xié)同的結(jié)構(gòu)設(shè)計方案。采用良好的人機交互可視化界面，系統(tǒng)體系結(jié)構(gòu)如圖2 所示(對話邏輯表：實現(xiàn)結(jié)構(gòu)化人機對話；可視化模型：修改參數(shù)算法調(diào)用計算)。

    一個合理有效的防汛決策和減災(zāi)方案應(yīng)體現(xiàn)出汛情和災(zāi)情預(yù)報的可靠性，水利工程調(diào)度的合理性，防災(zāi)減災(zāi)決策的正確性；而其關(guān)鍵是根據(jù)各區(qū)域防汛具體要求選擇和開發(fā)一套適宜的預(yù)報、調(diào)度和仿真模型。本系統(tǒng)根據(jù)油田防汛工作的要求、油井分布特點，在對國內(nèi)外流域防汛水文模型充分調(diào)研的基礎(chǔ)上選用了一些適用的數(shù)學(xué)模型，作為系統(tǒng)模型庫的組成[3]。
2 決策支持系統(tǒng)設(shè)計
    本系統(tǒng)采用比較通用的GIS開發(fā)平臺Mapinfo進行了地理信息系統(tǒng)的二次開發(fā)。監(jiān)控系統(tǒng)是防汛決策支持系統(tǒng)的重要部分，主要根據(jù)現(xiàn)場的水泡子水位信息以及地理信息數(shù)據(jù)庫中的相關(guān)信息進行計算，將當(dāng)前現(xiàn)場的信息可視地顯示出來為決策者提供直觀的決策依據(jù)?，F(xiàn)將本系統(tǒng)核心功能模塊的設(shè)計介紹如下。
2.1多Agent技術(shù)在水泡子群防洪優(yōu)化調(diào)度中的研究
    目前已有的多水泡子聯(lián)合調(diào)度模型已經(jīng)基本成熟，但是在計算速度上還存在不盡人意的地方?；诖?，通過分析多水泡子聯(lián)合調(diào)度計算的算法特點和Agent技術(shù)的優(yōu)點[5]，設(shè)計了基于移動Agent和協(xié)作Agent的兩級多水泡子聯(lián)合調(diào)度模型。首先將多水泡子聯(lián)合調(diào)度模型按控制區(qū)域分解為各水泡子獨立調(diào)度任務(wù)和區(qū)域協(xié)同調(diào)度任務(wù),各水泡子獨立調(diào)度任務(wù)交由不同的移動Agent并遷移到局域網(wǎng)中不同的目標(biāo)主機上去完成相應(yīng)水泡子的調(diào)度計算，最后將計算的結(jié)果返回給相關(guān)的區(qū)域元主機，由各區(qū)域進行協(xié)商實現(xiàn)全局優(yōu)化調(diào)度。其步驟是：首先根據(jù)某特大型油田的具體環(huán)境建立了水泡子群防洪優(yōu)化調(diào)度模型，然后結(jié)合模型特點和Aglet、Zeus等Agent軟件包的特點提出了兩級Agent的調(diào)度方法并給出仿真結(jié)果。
    目標(biāo)函數(shù)的建立：采用系統(tǒng)分析的方法，考慮到流域洪水預(yù)報預(yù)見期較短，洪水的長期預(yù)報還不夠準(zhǔn)確，系統(tǒng)運行的目標(biāo)是在確保防護區(qū)防洪安全的前提下，使水泡子調(diào)蓄一場洪水所需的庫容最小。這樣，不僅可以最大限度地減少庫區(qū)淹沒損失，而且盡可能地留出一定庫容，準(zhǔn)備調(diào)蓄可能出現(xiàn)的更大洪水。因此，水泡子群的洪水調(diào)度的目標(biāo)函數(shù)可表述為：
 
式中：Vt為各水泡子占用防洪庫容(m3),NAlert為對應(yīng)水泡子受到威脅的油井?dāng)?shù)，(NAlert+1)表示防洪權(quán)重，指示該水泡子泄洪的緊迫性，加1是為了避免受到威脅的油井?dāng)?shù)為零時系數(shù)為0。W為目標(biāo)函數(shù)，即在符合約束條件下分洪量和受威脅油井?dāng)?shù)最少，避免破壞性分洪。圖3為水泡子排澇示意圖。

    下面討論約束條件的建立。
    (1)水泡子水量平衡連續(xù)約束
    水泡子水量平衡連續(xù)約束條件為：

    (2) 干渠間水力聯(lián)系約束
    在洪水調(diào)度中，采用馬司京根分段連續(xù)演算方程來描述各庫入流、出流之間的相互耦合關(guān)系。而排干渠總泄洪量不能超過主江道許可進水量，各排干渠之間的約束為:

    由水泡子群防洪優(yōu)化調(diào)度模型可以看出聯(lián)入三條干渠的不同水泡子之間相對獨立，但三條干渠共同匯入主江道，受到入江口排量的限制而彼此約束需要不斷協(xié)商。每條干渠由多個水泡子聯(lián)入，水泡子之間需要統(tǒng)一指定排水計劃以便保證各水泡子受降水影響時能進行全區(qū)優(yōu)化調(diào)度使得損失最小。每個水泡子都有自己獨立的庫容-損失模型，其模型數(shù)據(jù)較大，而彼此間調(diào)度算法相對簡單,根據(jù)這個特點，結(jié)合移動Agent可在不同網(wǎng)絡(luò)節(jié)點之間移動程序的優(yōu)點來減少不同水泡子采集子站之間數(shù)據(jù)的交互,避免網(wǎng)絡(luò)負載過重。而不同的干渠之間則采用協(xié)作Agent來完成排水的協(xié)商。模型如圖4所示。

    使用具有移動能力的Aglet來進行各水泡子內(nèi)的洪水推延,根據(jù)庫容模型計算出單個水泡子的安全排水量，之后移動到下一個水泡子調(diào)度分站點進行同樣的計算并累計排水量，這樣， 把計算移到數(shù)據(jù)上去，在數(shù)據(jù)量大而計算相對簡單的情況下減輕了網(wǎng)絡(luò)負擔(dān)，從而大大降低系統(tǒng)的通信開銷。而使用協(xié)作能力較強的Zeus Agent來進行各干渠排水約束的協(xié)商。這樣更有利于實現(xiàn)全局的優(yōu)化調(diào)度，并為系統(tǒng)提供了良好的擴展性。
    系統(tǒng)運行時首先由水泡子分調(diào)度Agent計算各水泡子的調(diào)水量然后在各分調(diào)度子站之間遷移，計算出所在宿主子站的調(diào)水量并累計出該分干渠所聯(lián)接的所有水泡子的總調(diào)水量，通知該干渠的協(xié)作Agent。各排干渠將自己的調(diào)水量與其他干渠相協(xié)商,按照全區(qū)損失最小的原則來改變自己的排水量。并用此排水量通知移動Agent，使其按干渠損失最小的原則來減少相應(yīng)水泡子的排水量。如此反復(fù)地遷移與協(xié)商最終得出全區(qū)的優(yōu)化調(diào)度方案。
　 用該地區(qū)2004年7月8日的降雨量為例調(diào)度結(jié)果見表1所示。

    結(jié)果表明了應(yīng)用多Agent技術(shù)實現(xiàn)水泡子群防洪優(yōu)化調(diào)度的實用性和有效性。所提出的基于多Agent技術(shù)的防汛決策調(diào)度方案，可以實現(xiàn)分布式智能處理，降低復(fù)雜任務(wù)的協(xié)作難度，提高決策調(diào)度的能力。
2.2 降雨量的時延分式線性神經(jīng)網(wǎng)絡(luò)預(yù)測模型
    某地區(qū)是一個時常受到旱澇災(zāi)害的地區(qū)。根據(jù)該地區(qū)部分年份降雨量變化情況表數(shù)據(jù)進行以下分析。

    本系統(tǒng)實現(xiàn)了油田水情、雨情、工情實時監(jiān)控，系統(tǒng)投入運行兩年多來，獲得了很大的經(jīng)濟效益和社會效益，并通過了黑龍江省水利廳組織的成果鑒定，被認為“達到了當(dāng)前國際防洪指揮決策支持系統(tǒng)方面的先進水平”。但是，由于所收集到的當(dāng)?shù)厮谋O(jiān)測資料還不太多，所建立的數(shù)學(xué)模型尚需要在實際應(yīng)用中不斷充實修正。因此，在今后的研究工作中要做好如下幾點工作： (1)跟蹤防洪防汛技術(shù)發(fā)展，使系統(tǒng)及時得到升級；(2)做好水文數(shù)據(jù)的收集錄入整理，使已經(jīng)建立的系統(tǒng)模型更好地與實際密切結(jié)合；(3)繼續(xù)深入探討智能控制理論在油田防洪防汛決策支持系統(tǒng)方面的應(yīng)用。
參考文獻
[1] FORD N． Decision support system and expert system[J]．Information & Management， 1985，8(1).
[2] MAHDI N． A methodology for the development of reverse simulation metamodels using neural networks[J]． University  of Central Florida，2001.
[3] 崔家駿，辛國榮，張豐敏．黃河防洪決策支持系統(tǒng)的分析與設(shè)計[J]．系統(tǒng)工程，1992，10(5):60-72.
[4] 孟波．大城市防汛自動化管理系統(tǒng)與決策支持系統(tǒng)[J]．系統(tǒng)工程，1993,11(1):27-30.
[5] 劉大有，楊鯤，陳建中．Agent研究現(xiàn)狀與發(fā)展趨勢[J]．軟件學(xué)報，2000(11):315-321.
[6] 楊國為，王守覺．分式線性神經(jīng)網(wǎng)絡(luò)及其非線性逼近能力[J]．中南大學(xué)學(xué)報，特刊，2005，36(1):89-92.