灰色理论在干旱预测中的应用20139270104850494.docVIP

灰色理论在干旱预测中的应用 2.2.3?后验差检验??? 后验差检验是模型精度的等级标准作出合理的评价，按照精度检验C和P（小误差概率）两个指标进行评定，其等级标准如表三。表中的C为方差比，即C=S2/S1，其中S1为原始数据的方差，S2为残差的方差。P为小误差概率，其中。 1?珊溪水库雨量的基本情况 　　珊溪水库雨量站于60年代设站，该站多年平均降雨量在1800mm左右，年最大降雨量为1990年2397mm；年最小为1976年的1169.8mm。根据本地区干灾害天气的实际情况及特点，本文以年降水量小于1400mm作为异常值指标进行分析计算、预测。 2?灰色系统模型的建立及其检验 灰色系统（Grey System）即指信息不完全、不充分的系统。灰色系统理论GM（1，1）代表1个变量的一阶微方方程，它既是一种动态的数学模型，又是一种连续的数学函数。其根据联度收敛原理、生成数、灰导数和灰微方程等论据和方法来建模。建模技巧是利用量化方法将杂乱无章的原始数据列，通过累加生成处理，使之变成有规律的原始数据列，利用生成后的数据列建模，在预测时再通过还原检验其误差。 2.1灰色预测模型建立 GM模型即灰色模型，其实质是对原始数据序列作为一次累加生成，使生成序列呈一定规律，并用典型曲线拟合，从而建立其数学模型。对已知原始数据序列X（0）｛｝（i＝1，2，…，n）首先进行一阶累加生成（即1－AG0）得新序数列为X（1）． 3?模型在预测中的应用 用不同的k值代入预测模型=380.294192892k-31行预测。 K=5时，?=137.13335；=137.13335-94=43.13335；43.1335-31（1991年的序号）=12.13335，即1991年+12.13335=2003年（预测到2003年将发生干旱）；实际上珊溪站在2003年实测的降雨量为1410mm，与模型预测相吻合。 K=6时，?=194.9178；=194.9178-137.13335=57.78445；57.78448-43（2003年的序号）=14.78445，即：2003年+14.78445=2017.78年（预测到2017年~2018年将发生干旱）。 4?结语 ?灰色模型作为一种预测理论，已经在各行各业得到充分的应用。探索其在水文预测中的应用具有现实的意义。由于GM（1，1）模型要求数据较少，原理简单，计算量适中，结果精度较高等诸多优点。但是，在这里需要指出的是GM（1，1）适合于短期的预测，不能用于较长时间的预测，否则会产生较大的误差，为了对较长时间的趋势值进行预测，需要引入新的数据，这样可以确保预测的可靠性；另外原始序列本身规律的好坏，也将影响预测模型的预测能力。