汾河上游徑流演變特性分析及其預(yù)測方法研究.pdf

1、水資源是支撐地球上一切生命和社會經(jīng)濟(jì)可持續(xù)發(fā)展最基本的要素之一，其中徑流要素的變化對整個(gè)水文水資源系統(tǒng)的演化起著主導(dǎo)作用，并對資源環(huán)境和區(qū)域經(jīng)濟(jì)發(fā)展有著深遠(yuǎn)的影響。對徑流演變規(guī)律的研究是水資源合理開發(fā)與有效利用的前提和基礎(chǔ)。受大氣環(huán)流、太陽活動、水文氣象要素、自然地理等諸多不確定因素的綜合影響，河川徑流的時(shí)空演變表現(xiàn)出不確定性、多時(shí)間尺度性、隨機(jī)性、混沌性、弱相依、高度復(fù)雜非線性、非平穩(wěn)特性，這就給徑流中長期預(yù)測研究提出了新的挑戰(zhàn)。前人

2、許多徑流預(yù)測研究大多是在徑流序列平穩(wěn)的假定下進(jìn)行的，然而徑流序列是的非平穩(wěn)序列，這往往導(dǎo)致預(yù)測精度不高，依據(jù)水文要素變化的非平穩(wěn)特性，引進(jìn)新的分析方法與研究途徑顯得尤為重要。本文嘗試將基于平穩(wěn)化序列的方法-經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)的耦合預(yù)測方法應(yīng)用于徑流預(yù)測中，從流域可變時(shí)空尺度及非平穩(wěn)的角度來對徑流系統(tǒng)進(jìn)行分析和預(yù)測。
　　本研究以汾河上游上靜游、汾河水庫、寨上和蘭村站4個(gè)

3、水文站1956～2000年、月徑流資料為研究對象，利用數(shù)理統(tǒng)計(jì)方法、假設(shè)檢驗(yàn)法、游程理論、距平理論及長程相關(guān)理論等對汾河上游徑流演變的規(guī)律性進(jìn)行了系統(tǒng)的研究，并在此基礎(chǔ)上建立基于EMD的耦合模型對汾河上游年徑流序列進(jìn)行了預(yù)測分析，研究的主要內(nèi)容和取得的主要成果如下:
　　(1)汾河上游徑流年內(nèi)變化特性分析。
　　汾河上游徑流年內(nèi)分配極不均勻，8月份徑流量最大，12月～次年2月份徑流量較小，全年徑流與汛期徑流變化趨勢一致性較高

4、。汾河徑流年內(nèi)變化呈現(xiàn)“雙峰型”結(jié)構(gòu)，峰值分別出現(xiàn)在3月份和8月份;隨著時(shí)間的推移汾河上游徑流量年內(nèi)分配的集中程度呈現(xiàn)出先變大后減小，不均勻性先增大后減小，最后均有趨于平穩(wěn)的趨勢。
　　(2)汾河上游徑流年際變化特性分析。
　　汾河上游徑流年際變化大致分為4個(gè)階段:1956～1970年、1970～1994年、1994～1996年和1996～2000年，其中1956～1970年波動上升趨于豐水年，1970～1994年波動下降趨

5、于枯水年，1994～1996年呈現(xiàn)上升趨勢，為豐水年，1996～2000呈現(xiàn)下降趨勢，為枯水年，汾河上游45年的持續(xù)枯水年較持續(xù)豐水年多，這與近年來汾河上游易發(fā)生干旱的實(shí)際情況相吻合;汾河上游徑流年際變化較大，變差系數(shù)Cv和年極值比P最大出現(xiàn)在上靜游站，而其下游三個(gè)站的Cv值均小于該站，這可能與上靜游站位于汾河支流嵐河上，而其他三個(gè)水文站位于干流上有關(guān)。
　　(3)汾河上游徑流變化的正態(tài)、豐枯、平穩(wěn)、趨勢、長程相關(guān)性分析。

6、　　汾河上游4個(gè)水文站的年徑流序列具有明顯的尖峰厚尾、右偏特性，是非正態(tài)時(shí)間序列;4個(gè)水文站枯水年出現(xiàn)的次數(shù)多、歷時(shí)長，最長4年，豐水時(shí)段歷時(shí)較短，通常只有1～3年，即汾河上游易發(fā)生連枯情況;4個(gè)水文站的年徑流序列為非平穩(wěn)時(shí)間序列;汾河水庫站、寨上站和蘭村站三個(gè)水文站年徑流有明顯的下降趨勢，這種下降趨勢自上游往下游越來越明顯;而上靜游站年徑流有下降趨勢但這種趨勢不顯著;汾河上游存在明顯的持續(xù)性和分形結(jié)構(gòu)，并且是正相關(guān)的，即未來的總體趨勢

7、與過去相同;汾河上游4站點(diǎn)徑流序列具有10年的非周期循環(huán)長度。
　　(4)基于EMD的耦合模型年徑流預(yù)測研究。
　　4個(gè)水文站年徑流序列均為非平穩(wěn)序列，利用EMD方法對4個(gè)水文站徑流序列進(jìn)行平穩(wěn)化處理，結(jié)果表明經(jīng)EMD處理后得到的各階IMF均為平穩(wěn)序列。
　　在EMD的基礎(chǔ)上建立自回歸(Auto Regressive，AR)模型，結(jié)果顯示:4個(gè)水文站年徑流的預(yù)測合格率均在80％以上，其中上靜游、寨上和蘭村站3個(gè)水文站的

8、預(yù)測合格率達(dá)到了100％，其預(yù)測精度明顯高于單獨(dú)AR模型的預(yù)測精度。
　　在EMD的基礎(chǔ)上建立均生函數(shù)-逐步回歸(Mean Generating Function-Stepwise Regression，MGF-SR)模型和均生函數(shù)-最優(yōu)子集(Mean GeneratingFunction-Optimum Subset Regression，MGF-OSR)模型，結(jié)果顯示:4個(gè)水文站MGF-SR模型的擬合合格率在70％～85％之間

9、，預(yù)測合格率最高只有40％，而EMD-MGF-SR模型的擬合合格率在分別為85％～92.5％之間，預(yù)測合格率均在60％以上，且有3個(gè)水文站的預(yù)測合格率達(dá)到80％，后者的擬合與預(yù)測效果明顯優(yōu)于前者。4個(gè)水文站MGF-OSR模型的擬合準(zhǔn)確率在87.5％～90％之間，預(yù)測準(zhǔn)確率均為40％; EMD-MGF-OSR模型的擬合準(zhǔn)確率均在92.5％以上，預(yù)測準(zhǔn)確率均為100％，后者擬合與預(yù)測效果明顯優(yōu)于前者。
　　在EMD的基礎(chǔ)上建立基于PS

10、O算法的非線性灰色Bernoulli模型(Nash Nonlinear Grey Bernoulli Model，Nash NGBM)耦合模型，結(jié)果顯示:4個(gè)水文站基于PSO算法的Nash NGBM(1，1)模型的擬合精度在72.5％～82.5％之間，最大為82.5％，預(yù)測精度最大只有80％，其預(yù)測確定性系數(shù)也均在0.9以下;而4個(gè)水文站基于EMD與PSO算法的NashNGBM(1，1)耦合模型的擬合精度均在90％以上，最高達(dá)到了95％

11、，預(yù)測精度均達(dá)到了100％，確定性系數(shù)均在0.98以上，其擬合與預(yù)測精度均明顯高于前者。
　　在EMD的基礎(chǔ)上建立混沌-最小二乘支持向量(Chaotic-Least SquareSupport Vector Machine，C-LSSVM)，結(jié)果顯示:上靜游、汾河水庫、寨上和蘭村站的各階IMF（除上靜游站、汾河水庫站的IMF4和寨上站、蘭村站的IMF3外），共14個(gè)序列均具有混沌特性，汾河上游4個(gè)水文站的最后一階IMF均不具有混沌

12、特性;4個(gè)水文站C-LSSVM模型的擬合精度在58％～68％之間，最大為68％，上靜游和汾河水庫站的預(yù)測精度為100％，寨上和蘭村站的預(yù)測精度為80％，而4個(gè)水文站基于EMD的C-LSSVM模型的擬合精度均為97％，預(yù)測精度均達(dá)到了100％，其擬合與預(yù)測精度均明顯高于前者。
　　采用基于EMD的耦合模型的預(yù)測精度有了明顯提高，說明EMD方法平穩(wěn)化數(shù)據(jù)的優(yōu)勢得到了充分的發(fā)揮。本文提出的基于EMD的耦合預(yù)測方法對提高徑流預(yù)測精度是可行