加权组合在中长期水文预报中的应用.docVIP

加权组合在中长期水文预报中的应用 曹琨，葛朝霞1, 吴立君1 （大学学院江苏 南京 2100） 中图分类号：TV 12文献标识码：A 乌江渡水电站位于乌江渡以西附近乌江中上游峡谷河段控制流域面积27790平方公里。是乌江干流上第一座大型水电站，是我国在岩溶典型发育区修建的一座大型水电站，也是贵州省目前最大的水电站。 图1乌江流域图 Fig.1 Wujiang watershed 74 项气象环流因子。从提前1-5 年的74项气象因子中挑选因子建立模型。 2.2 乌江渡入库流量分析 有1951-2008年乌江渡水电站逐月入库流量，用1951-2006年系列建立模型，对2007、2008逐月流量进行试预报。用各月流量最大值、最小值、均值、离差系数等反映其统计特征。均值反映序列的平均情况；离差系数反映序列的离散程度。设径流距平百分率R(%)。用于确定预报方程的1951-2006 年乌江渡逐月入库径流量的统计特征及2007、2008年各月流量距平百分率如见表1： 表1 1951-2006乌江渡逐月入库流量的统计特征及预报年月流量距平百分率 Tab.1 1951-2006Wujiangdu monthly runoff statistics characters and R in 2007-2008 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 最大/（m3·s-1） 304 762 572 1210 2470 2880 2020 1504 974 843 351 最小/（m3·s-1） 27.6 52.1 66.5 153 347 326 234 173 174 129 92 平均/（m3·s-1） 142.9 158.7 216.9 483.3 1067.1 1125.5 810.5 619.1 471.6 276.1 188 离差系数 0.28 0.34 0.65 0.57 0.55 0.47 0.53 0.53 0.47 0.4 0.43 0.3 R(2007) 80% 20% 126% 8% -60% -46% -25% 0% -9% 8% 33% 44% R(2008) 44% 65% 37% -5% 29% -37% -17% -2% -18% -3% 269% 36% 按国际通用标准定义≥50%为涝， 25%～50%为偏涝， -25%～25%为正常， -25%～-50%为偏旱≤-50%为旱R绝对值远大于50%，属异常，可能影响整体预报效果，特别是上述各月流量的预报可能会有较大误差。3、4、5月离差系数较大，说明流量离散程度大，也给预报带来很大难度。 3 水文模型和组合预报原理 3.1 建立水文模型的原理 3.1.1 逐步回归 逐步回归法不是一下子把全部预报因子都引入回归方程，而是按对预报对象影响显著的程度逐步挑选因子。用方差贡献作为衡量因子对预报对象重要性的指标，要求当步挑选出的因子是所有可供筛选的因子之中能使残差平方和下降最多的一个，并且通过指定信度的显著性检验F检验。由于因子之间的互相配合关系，可能产生当后面的因子引入后会引起前面因子对预报对象的显著作用减小，甚至不显著。若发生这种情况，则要在已建立的过渡方程中把这一不显著的因子剔除每引入或剔除一个因子都要作相应的F检验，直至方程既不能引入也不能剔除为止预报效果最佳的方程。 一个水文序列不管随时间变化的过程多复杂，总可以把它看成是有限个有不同周期的周期波互相重叠而形成的过程。只要根据实测的数据，分析识别出水文序列所含的周期，而且这些周期在预测区间内仍然保持不变的话，就可以根据分析出来的周期分别进行外延，再叠加起来进行预报，这种方法称为周期叠加[4]。 3.1.4 多元线性回归 多元线性回归方程的参数估计中，最小二乘法是最常用的。由观测值确定回归系数，，…，的估计，，…，，得到因变量对自变量，，…，的线性回归方程： ， 式中，t表示对的估计；是误差估计。对回归效果进行统计检验，最后利用回归方程进行预报[5]。 3.1.5 岭回归 岭回归是一种有偏估计，旨在克服最小二乘算法中自变量之间多重线性相关的问题。这种方法实际上以放弃最小二乘的无偏性、部分精度为代价来寻求效果稍差但相对更符合实际的多元线性回归过程。虽然岭回归所得的残差平方和比最小二乘回归要大，但它对病态数据相对地更为适用。鉴于其特殊的作用，岭回归被应用于某些领域[6-7]。 3.2 组合预报原理 世界上没有完美无缺的水文预报模型和实时修正技术，每个得到公认的模型和修正技术都有与众不同的优点，同时也存在缺点[8]。组合预报在现有单一预报系统基础上运用模型加权法[9 ]，，，，，，。 ，Qt 由下式给出[10]：