嘉陵江北碚站年径流量变化规律及预测研究6.pdfVIP

第39卷 第2期 人 民 长 江 Vo1．39．No．2 2008年 1月 Yangtze River Jan．． 2008 文章编号：1001—4179(2008)02—0013—02 嘉陵江北碚站年径流量变化规律及预测研究 黄 胜 (西南科技大学环境与资源学院，四川 绵阳621002) 摘要：首先利用小波变换对北碚站年径流量变化规律进行 了研究，结果表明：年径流量呈现出明显的减少趋势， 并具有大约9．8a的变化周期。其次结合 BP神经网络建立小波网络模型，并利用该模型对北碚站的年径流量 进行预测，同时将预测结果与BP神经网络模型的预测结果进行了比较，比较结果表明：小波网络模型对径流变 化的预测效果明显优于BP神经网络模型，为径流量的定量分析提供 了一种新的方法。 关 键 词：小波变换；BP神经网络模型；小波网络模型；年径流；预测；嘉陵江 中图分类号：P332．4 文献标识码 ：A 嘉陵江是长江上游左岸一条主要支流 ，发源于陕西省秦岭 。 南麓，流经陕西、甘肃、四川 3省，于重庆市汇入长江。干流全长 萼sl — ．／＼— ．． 1120km，流域面积约 16万kmz，占长江流域上游 (宜昌以上)集 。 水面积的15．9％。多年平均径流量680亿 n13。因此，正确地了 时间序列 ／0 解嘉陵江径流量的变化规律，准确地预测年径流量 ，对该流域的 工农业生产活动、防洪乃至整个长江中上游的防洪都具有实际 图1 年径流序列的低频成分 意义。 对嘉陵江流域径流量的研究，一般采用统计分析法 。J，可 莹3 在定性上对径流量进行趋势分析，但很少有人对径流量作定量 的预测研究。由于受多种随机因素的影响，嘉陵江年径流量变 霆： 化的趋势呈现明显的非线性特征。利用传统的统计分析技术很 时间序列 ／a 难揭示其内在的规律，要对嘉陵江径流量作定量预测研究，必须 图2 年径流序列的周期成分 引入新的分析方法，建立新的预测模型。本文首先利用小波变 换对年径流量的变化趋势及其变化周期进行 了分析，利用神经 网络和小波分析技术，分别建立了BP神经网络模型和小波网 蕾i 络模型。以北碚站径流量为例，利用两个模型对径流量进行定 量预测分析。 小波分析是最近兴起的一门新技术 ，是一种时、频多分辨 时间序列 ／a 率分析方法，能充分展示时间序列的精细结构 ，发现其演变过程 图3 年径流序列的高频成分 和主要成分。近来，小波分析在水文水资源学中得到了广泛的 研究和应用 。 2 年径流量的变化周期 1 北碚站年径流量小波分解与重构 年径流随时间变化主周期的研究可以用小波方差图来分 析。首先用 Morlet小波函数计算年径流量时间序列在不同时间 利用长江上游嘉陵江北碚站 1954～1996年的年径流量资 尺度上的小波系数 ，Morlet小波函数如下 ： 料，选用具有紧支撑 、标准的正交小波 db3作为小波函