论文部分内容阅读
中长期径流预报可为充分发挥水库调度、防洪发电、河流生态修复、灌溉与航运的效益提供依据。在中国西北绿洲区,地表径流是工农业、生活、生产的最主要水源,也是工农业发展的限制因素,提高径流预报精度,可以为水资源的合理配置提供依据。影响地表径流的因素有很多,在多种影响因素共同作用下,地表径流的规律和变化特性也较为复杂,月径流时间序列往往表现出周期性和随机性等特征。熵谱分析方法和自回归模型分别能够识别时间序列的周期性和随机性特征,结合熵谱分析和自回归的熵谱理论为月径流预报提供了新思路。本文依据黑河莺落峡站、石羊河杂木寺站、九条岭站、黄河享堂站和唐乃亥站的月径流序列,分别采用最大伯格熵谱分析(BESA)、最大构造熵谱分析(CESA)和最小相关熵谱分析(RESA)三种熵谱理论建立月径流预报模型,选择平均相对误差(RE)、均方根误差(RMSE)、相关系数(R)和确定系数(DC)作为模型预报精度的评价指标,采用软件matlab2010b实现模型的率定与验证,优选了最优训练期长度,比较了三种熵谱理论估计的谱密度与径流预报精度,得到以下主要结论:(1)采用BESA熵谱理论,基于模型阶数、训练期拟合精度和验证期预报精度,确定26年的月径流资料为BESA模型的最优训练期长度,其后5年的月径流资料作为模型的验证期。对比BESA的谱密度函数与快速傅里叶变换(Fast Fourier Transform,以下简称FFT)直接求得的谱密度函数发现,BESA的谱密度函数较FFT的更加光滑,在95%置信度下,BESA和FFT均检测到径流序列存在12个月的主周期,但BESA没有检测出本应存在的次周期。基于BESA的预报模型能较好的模拟出各站的径流过程,其中黑河莺落峡站、石羊河杂木寺站、九条岭站和黄河上游享堂站的验证期确定系数DC分别为0.859、0.734、0.716、0.797和0.545。(2)采用CESA熵谱理论,基于模型阶数、训练期拟合精度和验证期预报精度,确定黑河莺落峡站、石羊河杂木寺站、九条岭站、黄河享堂站和唐乃亥站的最优训练期长度分别为19年、33年、17年、16年和17年,其后5年的月径流资料作为模型的验证期。对比CESA的谱密度函数与FFT直接求得的谱密度函数发现,CESA的谱密度函数较FFT的更加光滑,在95%置信度下,CESA和FFT均检测到径流序列存在显著的主周期和次周期,但CESA的谱密度函数的谱峰均较宽且低,即存在泄漏现象。基于CESA的预报模型能较好的模拟出各站的径流过程,其中黑河莺落峡站、石羊河杂木寺站、九条岭站和黄河上游享堂站的验证期确定系数DC分别为0.882、0.748、0.739、0.818和0.547。(3)由于RESA的求解方法与CESA的求解方法类似,RESA模型最优训练期长度与CESA模型相同。在确定了先验谱密度函数后,将RESA模型应用于各水文站的月径流预报,模型能较好的模拟出各站的径流过程,其中黑河莺落峡站、石羊河杂木寺站、九条岭站和黄河上游享堂站的验证期确定系数DC分别为0.885、0.714、0.758、0.859和0.579。(4)对比BESA与CESA两种谱分析方法的谱密度函数,相对于FFT的谱密度函数更加光滑,并且均能够较好的估计出月径流序列的12个月主周期,不存在偏移现象。但BESA的谱密度函数不能探测出其余显著的次周期,而CESA的谱密度函数虽然存在一定程度的泄漏现象,但依然能够准确的探测出多周期序列的次周期。对比BESA模型、CESA模型和RESA模型的预报精度发现,三种模型均可用于径流预报,其中RESA模型预报精度最高,CESA模型次之,而BESA模型预报精度最低,但BESA模型在非汛期的预报精度最高,而RESA和CESA模型在汛期的预报精度相对更高。