东雷灌区引黄用水统计预测模型研究

2015-12-01王悦钰包严方

中国科技纵横 2015年9期

关键词：多因子水文水量

王悦钰包严方

(1.河南省济源水文水资源勘测局,河南济源 459000;2.湖北省武汉市水文水资源勘测局,湖北武汉 430070)

东雷灌区引黄用水统计预测模型研究

王悦钰1包严方2

(1.河南省济源水文水资源勘测局,河南济源 459000;2.湖北省武汉市水文水资源勘测局,湖北武汉 430070)

长期以来,围绕水资源分配问题,黄河流域的用水纠纷一直存在。其中引黄灌区作为大用水户其引水量的准确预报,是解决黄河水资源引用矛盾、合理高效开发利用灌区引黄用水的有效途径之一。以黄河中游东雷灌区为典型研究区,考虑多元水文序列下引黄用水统计预测模型的研究,实现“以需定供”,可以为合理开发利用黄河水提供有效依据。

东雷灌区多元逐步回归多变量时间序列CAR模型灰色GM(1,1) BP神经网络

黄河流域引黄灌区作为较大引水户，引黄水量的科学预测，就成为实现黄河水合理分配和有效利用的关键。

由于灌区引水量大小的形成过程中既受确定性因素的作用又受随机性因素的影响。为了精确的进行引黄水量的预测，应考虑多种物理状况作为影响因子。以黄河中游东雷灌区为典型研究灌区，选取多元逐步回归、多变量时间序列CAR及灰色GM(1，1)、BP神经网络等方法进行引黄水量预测。

1　预测模型

1.1多因子互作项逐步回归年预测

根据东雷灌区引黄水量与径流、降水、湿度、日照之间的关系，采用多元逐步回归对灌区1986-2010年资料进行回归分析，以2011年及2012年的数据作为检验样本。分别采用二次多项式、多因子及互作项、多因子及平方项三种逐步回归。结果显示该灌区引水序列以多因子及互作项逐步回归显著性差异最大，式中Y为灌区年引水量，Xi 表示各影响因子。预测模型通过了H2检验和t检验，说明方程的回归效果是良好的。负相关系数为:0.6552，调整后:0.8004。相关性最好，误差最小。

Y=-264246.99+187.47X1+2920.86X2+1396.14X3+5240.61X4+2.19X1*X2+0.43X1*X3-4.55X1*X4+29.44X2*X3-68.26X2*X4-41.35X3*X4

1.2多变量时间序列CAR模型

根据多变量时间序列CAR模型建模步骤及参数的选取条件:

(1)建模及因子检验的显著水平为0.05，统计量F值为2.558，递推最小二乘法的遗忘因子为1.0。

(2)对多变量自回归(CAR)模型定阶检验:CAR(n)残差平方和为0.55，CAR(n-1)残差平方和为0.62，模型定阶的F检验值为0.13。

(3)选定阶次模型全参数时的残差平方和为0.62;选定阶次、剔除不显著因素后模型的残差平方和为0.63。

(4)F检验值。F=0.259＜F(a=0.05)=2.895，因此选择剔除含零参数x1，x2，x4，x7。

建立从所得CAR(n)模型中删除以上参数后，只保留对系统影响较大的因素的系数CAR(n)模型并用于预测。

模型:Y(t)=+0.6259y(t-1)-172.2525X(2，t)+84.3397X(3，t)+76.4376X(3，t-1)+60.2599X(4，t-1)

其中Y(t-1)为上一年引水量;X(2，t)为降水;X(3，t)为气温、X(3，t-1) 为预测年上一年气温;X(4，t-1)为预测年上一年湿度。

1.3灰色GM(1,1)模型

运用灰色GM(1，1)模型进行单序列预测，以1986年-2010年的引黄水量作为数据样本， 2011年、2012年的数据作为检验样本，通过Matlab语言编程实现。经计算灰色GM(1，1)模型的发展系数a为-0.0217，灰色作用量μ为6576.53。模型:

X（1）（k+1）=3048.42.9e0.0217k-303066

1.4BP神经网络模型

该模型通过预报因子筛选，以东雷灌区内1986-2010年主要气象站的平均湿度、降水及龙门水文站实测径流作为BP网络输入的训练样本，以实际的引黄水量和日照作为输出，2011、2012年数据作为检验样本。模型中节点作用激励函数采用tansig、tansig、purelin建立模型。采用梯度下降法训练函数，将训练次数设为5000次，学习率为0.05，结果期望误差为0.65*10^(-3)。