當今，洪水仍然是自然界對人類的主要威脅之一。據統計，從1991~1995年間由洪水造成的平均年經濟損失為10.5億元。因此，發展智能化管理與決策系統的非工程措施，更高效地利用科學的方法進行防洪規劃設計與防洪預報調度一直是防汛部門探索的問題。Nelson認為從實時洪水預報系統過渡到防汛決策支持系統是目前防洪防汛系統發展的趨勢[1]。美國在20世紀80年代初就在這一領域開展了系統研究，之后建立的科羅拉多河流域水庫群運行DSS的系統監控和數據采集系統能監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的分析和設計[3]，隨后，孟波等提出了城市防洪決策支持系統[4]，翁文斌等完成了汾河防洪專家系統的設計和開發[5]等。這些研究在防汛指揮決策的模型庫建設方面取得了不少成果，對于各流域、地區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調度研究，而對于油田區域水泡子與低洼地較少，作用相對單一的排澇系統調度研究基本沒有，因此開展油田防汛決策支持系統研究，結合油田具體情況有效地對洪水進行優化調度已成為防汛工作中的一項刻不容緩的任務，這也是本文所要研究和解決的重點問題。
1 系統設計
    油田防汛智能決策支持系統的設計依據為：《國家防汛指揮系統工程項目建議書》、《國家防汛指揮系統工程總體設計大綱》、《國家防汛指揮系統工程總體設計指導書》、《國家防汛指揮系統工程總體設計實施綱要》、《防洪工程數據庫整編手冊》、《防洪工程數據設計報告》。本系統的設計采用DSS決策支持理論，在開發過程中綜合應用計算機網絡、數據庫、實時通信、地理信息(GIS)技術、ActiveX控件技術以及Agent 理論等。結合該油田防汛的具體情況給出了分布式硬件組成和相應的體系結構設計方案。
1.1 硬件組成
　 信息采集系統是防汛智能決策支持系統的重要組成部分，而閘門、泵站的控制系統則是防汛調度的執行機構。根據油田區域防汛的具體情況，結合已有的工程措施來設計決策支持所需要的硬件部分。該系統的硬件部分可以分為4個子系統：數據采集與通信子系統(現場子系統)、分調度子系統、主調度子系統和信息訪問子系統(客戶端子系統)。硬件系統結構圖如圖1所示。

    (1)數據采集與通信子系統位于整個系統的底層，由現場檢測測量儀器完成對雨量及水位的檢測，其中距離局域網較近(100 m以內的)采用光纖接入的TCP/IP的網絡技術，距離局域網較遠的(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。數據傳輸采用自報加應急召測方式動態召測現場最新水位和雨量數據。
　 (2)分調度子系統屬于二級監控子系統，按照匯水面積和排水干渠劃分為可獨立調度的Agent子系統。根據降水預測得到的徑流量預測出各水庫水泡子的水位變化，按本區域損失最小的原則計算排水量，將結果送入主調度服務器。其最終執行機構利用現有的排澇站泵房和涵閘。
　 (3)主調度子系統位于整個系統的頂層，根據各分調度系統送來的數據并結合相關排水干渠上下游分調度系統的調度數據進行協調。按照全區損失最小的原則進行調度。
    (4)信息訪問子系統用于客戶端訪問調監系統，以GIS技術平臺為支撐，實時直接將后臺調度數據顯示出來，為決策者提供支持，并對調度實施和人工干預進行控制。
1.2系統的體系結構
　參考多種防汛決策支持系統后,該系統采用模型庫、方法庫、方案庫和文檔庫四庫協同的結構設計方案。采用良好的人機交互可視化界面，系統體系結構如圖2 所示(對話邏輯表：實現結構化人機對話；可視化模型：修改參數算法調用計算)。

    一個合理有效的防汛決策和減災方案應體現出汛情和災情預報的可靠性，水利工程調度的合理性，防災減災決策的正確性；而其關鍵是根據各區域防汛具體要求選擇和開發一套適宜的預報、調度和仿真模型。本系統根據油田防汛工作的要求、油井分布特點，在對國內外流域防汛水文模型充分調研的基礎上選用了一些適用的數學模型，作為系統模型庫的組成[3]。
2 決策支持系統設計
    本系統采用比較通用的GIS開發平臺Mapinfo進行了地理信息系統的二次開發。監控系統是防汛決策支持系統的重要部分，主要根據現場的水泡子水位信息以及地理信息數據庫中的相關信息進行計算，將當前現場的信息可視地顯示出來為決策者提供直觀的決策依據?，F將本系統核心功能模塊的設計介紹如下。
2.1多Agent技術在水泡子群防洪優化調度中的研究
    目前已有的多水泡子聯合調度模型已經基本成熟，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合調度計算的算法特點和Agent技術的優點[5]，設計了基于移動Agent和協作Agent的兩級多水泡子聯合調度模型。首先將多水泡子聯合調度模型按控制區域分解為各水泡子獨立調度任務和區域協同調度任務,各水泡子獨立調度任務交由不同的移動Agent并遷移到局域網中不同的目標主機上去完成相應水泡子的調度計算，最后將計算的結果返回給相關的區域元主機，由各區域進行協商實現全局優化調度。其步驟是：首先根據某特大型油田的具體環境建立了水泡子群防洪優化調度模型，然后結合模型特點和Aglet、Zeus等Agent軟件包的特點提出了兩級Agent的調度方法并給出仿真結果。
    目標函數的建立：采用系統分析的方法，考慮到流域洪水預報預見期較短，洪水的長期預報還不夠準確，系統運行的目標是在確保防護區防洪安全的前提下，使水泡子調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淹沒損失，而且盡可能地留出一定庫容，準備調蓄可能出現的更大洪水。因此，水泡子群的洪水調度的目標函數可表述為：
 
式中：Vt為各水泡子占用防洪庫容(m3),NAlert為對應水泡子受到威脅的油井數，(NAlert+1)表示防洪權重，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數為零時系數為0。W為目標函數，即在符合約束條件下分洪量和受威脅油井數最少，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約束
    水泡子水量平衡連續約束條件為：

    (2) 干渠間水力聯系約束
    在洪水調度中，采用馬司京根分段連續演算方程來描述各庫入流、出流之間的相互耦合關系。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:

    由水泡子群防洪優化調度模型可以看出聯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商。每條干渠由多個水泡子聯入，水泡子之間需要統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優化調度使得損失最小。每個水泡子都有自己獨立的庫容-損失模型，其模型數據較大，而彼此間調度算法相對簡單,根據這個特點，結合移動Agent可在不同網絡節點之間移動程序的優點來減少不同水泡子采集子站之間數據的交互,避免網絡負載過重。而不同的干渠之間則采用協作Agent來完成排水的協商。模型如圖4所示。

    使用具有移動能力的Aglet來進行各水泡子內的洪水推延,根據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， 把計算移到數據上去，在數據量大而計算相對簡單的情況下減輕了網絡負擔，從而大大降低系統的通信開銷。而使用協作能力較強的Zeus Agent來進行各干渠排水約束的協商。這樣更有利于實現全局的優化調度，并為系統提供了良好的擴展性。
    系統運行時首先由水泡子分調度Agent計算各水泡子的調水量然后在各分調度子站之間遷移，計算出所在宿主子站的調水量并累計出該分干渠所聯接的所有水泡子的總調水量，通知該干渠的協作Agent。各排干渠將自己的調水量與其他干渠相協商,按照全區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水泡子的排水量。如此反復地遷移與協商最終得出全區的優化調度方案。
　 用該地區2004年7月8日的降雨量為例調度結果見表1所示。

    結果表明了應用多Agent技術實現水泡子群防洪優化調度的實用性和有效性。所提出的基于多Agent技術的防汛決策調度方案，可以實現分布式智能處理，降低復雜任務的協作難度，提高決策調度的能力。
2.2 降雨量的時延分式線性神經網絡預測模型
    某地區是一個時常受到旱澇災害的地區。根據該地區部分年份降雨量變化情況表數據進行以下分析。

    本系統實現了油田水情、雨情、工情實時監控，系統投入運行兩年多來，獲得了很大的經濟效益和社會效益，并通過了黑龍江省水利廳組織的成果鑒定，被認為“達到了當前國際防洪指揮決策支持系統方面的先進水平”。但是，由于所收集到的當地水文監測資料還不太多，所建立的數學模型尚需要在實際應用中不斷充實修正。因此，在今后的研究工作中要做好如下幾點工作： (1)跟蹤防洪防汛技術發展，使系統及時得到升級；(2)做好水文數據的收集錄入整理，使已經建立的系統模型更好地與實際密切結合；(3)繼續深入探討智能控制理論在油田防洪防汛決策支持系統方面的應用。
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的分析與設計[J]．系統工程，1992，10(5):60-72.
[4] 孟波．大城市防汛自動化管理系統與決策支持系統[J]．系統工程，1993,11(1):27-30.
[5] 劉大有，楊鯤，陳建中．Agent研究現狀與發展趨勢[J]．軟件學報，2000(11):315-321.
[6] 楊國為，王守覺．分式線性神經網絡及其非線性逼近能力[J]．中南大學學報，特刊，2005，36(1):89-92.