Любое взаимодействие с речными системами требует детального рассмотрения эволюции русла. Многообразие физических процессов, происходящих в пределах водосборного бассейна и руслово-паводопойменного комплекса, вызывает сложные процессы в русле реки.
Поэтому для этого требуются надежные и точные методы исследования, способные учитывать эксклюзивные и нелинейные связи в речной системе.
В последние годы предлагаются новые подходы, основанные на интеллектуальных моделях машинного обучения. Среди них метод искусственных нейронных сетей (ИНС) в настоящее время широко используется в моделировании поведения нелинейных систем на основе данных.
С чего все началось
Гармоничное и стабильное существование человечества с экологическими гидро-экосистемами невозможно без глубокого понимания физических процессов последних, а также без знания закономерностей их изменений.
Реки являются одной из наиболее динамичных составляющих таких систем, поэтому изменения в них неизбежны. Речные русловые процессы значительно усложнены и усугублены антропогенным воздействием. Зачастую доминирующим становится антропогенный фактор, меняющий естественные тенденции эволюции.
Суть
Суть русловых процессов заключается во взаимосвязи стока воды с руслом и грунтом, который его подстилает, а также в миграции наносов, которые либо появляются в русле "снаружи" (приток притоков, денудация водосбора ), либо формируются в результате деформаций русла.
Поэтому основные фундаментальные знания русловых процессов, связанных с количеством и изменчивостью наносов, механизма их переноса и, в частности, стока наносов, являются одним из основных факторов русловых процессов.
В принципе, физические изменения любого водотока могут проявляться в виде эрозии или отложения осадков. Существует множество методов определения и оценки таких процессов, однако основной целью является современный подход к исследованию эволюции русла реки, в частности, современных методов с использованием моделей искусственных нейронных сетей.
Традиционные модели в исследованиях русла рек
Существует довольно большое количество моделей для оценки гидроморфологических изменений, эрозионных процессов и переноса наносов. Эти модели имеют различия в процессах оценки, количестве данных, необходимых для калибровки модели и ее дальнейшего применения. Это также определяет их сложность. Выбор модели определяется целями и задачами.
В целом, модели делятся на четыре основные категории, в зависимости от физических процессов, моделируемых моделью, алгоритмов моделирования этих процессов и зависимости модели от данных:
- эмпирические
- статистические
- концептуальные
- физические
Часто в исследованиях присутствует смесь модулей из нескольких упомянутых выше категорий.
Эмпирические или статистические модели широко используются из-за их относительно простой структуры и математических методов, а также их способности работать с ограниченными данными.
Они основаны главным образом на анализе наблюдений и направлены на то, чтобы охарактеризовать реакцию на эти данные.
Во многих случаях концептуальные модели, как правило, включают общее описание водосборных процессов без включения конкретных деталей взаимодействия процессов, для чего потребуется подробная информация о водосборе.
Значения параметров для концептуальных моделей, традиционно полученных путем калибровки по данным наблюдений.
В связи с этим концептуальные модели, как правило, страдают от проблем, связанных с идентификацией значений их параметров.
Большинство методов калибровки, используемых в концептуальных моделях, в лучшем случае могут найти только локальную оптиму.
Этот тип моделей рассматривается как промежуточное звено между эмпирическими и физическими моделями.
Физически обоснованные модели основаны на решении фундаментальных физических уравнений, описывающих речной поток и наносы, а также окружающие процессы в водосборе.
Стандартными уравнениями, используемыми в таких моделях, являются уравнения сохранения массы и импульса для потока и уравнения сохранения массы для осадка.
Для большинства традиционных моделей, основанных на математической структуре, отсутствие понимания физических процессов обычно компенсируется либо упрощением проблемы, либо включением ряда допущений в модели.
Поэтому многие традиционные модели не в состоянии имитировать сложное поведение проблем русловых процессов.