淮河流域水资源变化的周期性分析及预测.docVIP

(淮河流域水资源的分析及预测 薛梅，葛朝霞，宋颖 210098） 摘 要：利用淮河流域月平均气温和月降水量资料，计算出该流域的水资源量。采用周期均值叠加法和逐步回归周期分析法对淮河流域水资源变化的周期进行了分析在此基础上建立了周期叠加法和逐步回归周期法两种预报模型，运用模型预报2007～2008年的水资源量结果发现，2008年淮河流域的水资源量较多年平均值偏多对该流域水资源的规划具有一定的参考价值。(State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Hohai University, Nanjing Jiangsu 210098) Abstract:By using monthly mean temperature and rainfall(rainoff) data, the synchronous water resources of the Huai River Watershed is calculated . By using Periodic Mean Superposition and Stepwise Regression Periodic Analysis, the periodical change of water resources in the Huai River Watershed is analysed,and the models of Periodic Mean Superposition and Stepwise Regression Periodic Analysis are constructed. Through comparison of the two models, there comes the conclusion that the model of Periodic Mean Superposition is batter,so it is adopted to predict water resources of Hui River Watershed in 2007～2008referential value in the planning of the water resources of the Watershed in 2008. Keywords: periodicity; Periodic Mean Superposition; Stepwise Regression Periodic Analysis;water resources;the Huai River 关键词：周期；均值叠加；逐步回归；水资源；淮河 淮河流域地处我国南北气候过渡带，流域面积占全国的3.4%，耕地面积占全国的12%，人口占全国的15.7%，粮食产量占全国的20.5%，GDP占全国的15.7%,在全国占有重要的地位。近几十年来，由于流域内人口剧增，经济社会发展迅速，水资源供需矛盾不断加大，因而对淮河流域水资源的预测就变得尤为重要。 目前，关于水资源预测方法概括起来主要有：各类回归模型、时间序列分析模型、灰色模型、神经网络模型，以及各类组合模型等。其中，时间序列分析模型中的周期分析法已在降雨量预报、洪峰水位预报等方面得到了十分广泛的应用，但该方法在水资源中的应用尚不多见。本文尝试用周期分析法(包括周期均值叠加法及逐步回归周期分析法)对淮河水资源变化的周期进行分析，在此基础上建立预报精度较高的水资源预测模型。 周期均值叠加法原理 .1基本思想 尽管各水文要素随时间变化的过程不尽相同，但总可以把它们看成有限个不同周期波相互叠加而形成的过程。因此，只要根据实测的水文要素数据，分析识别出水文要素所包含的周期，然后根据分析出来的周期进行外延，即可对水文要素等的变化规律进行预报[~8]。其数学模型为： (1.1) 其中：为水文要素序列；为第周期波序列；为误差项。 1.2计算方法 (1)设有个观测数据，按某一时间间隔分为组(当样本数为偶数时，；为奇数时，； (2)对于不同的，计算组间离差平方和，组内离差平方和以及方差比； (3)当分别取时，可计算个不同的值。同样地，根据选定的信度，在分布表中可查出相应的个不同的上分位点值。挑选最大的值，与对应的值比较。如果，则表明在这一信度水平上，差异显著，有周期存在；反之，如果，则表明在这一信度水平上，差异不显著，不存在周期； (3)对所识别的各周期波线性叠加，即得拟合及预报系列。 逐步回归周期分析法原理逐步回归周期分析是周期均值叠加法的推广，其数学模型为： (2.1) 式中：为水文