灰色动态模型在黑河流域径流预测中的应用.pdfVIP

第 50卷第 9期 甘 肃 水 利 水 电 技 术 Vo1．50．No．9 2014年 9月 GANSUWATERRESOURCESANDHYDR0POWER IECHNOLOGY Sep．，2014 · 水文水资源 · 灰色动态模型在黑河流域径流预测中的应用 周轶成 ．黄 钰 (张掖水文水资源勘测局，甘肃 张掖 734000) 摘要：根据黑河流域莺落峡水文站2000—2012年的径流量数据建立灰色动态GM(1，1)模型，对2013—2016年径流 量进行预测和分析 ，并采用残差检验公式对模型精度进行检验。分析后的结果表明：莺落峡水文站年径流量的预测 平均相对误差范围在20％~X内，符合预测精度要求，因此，还原计算预测的2013年、2014年、2015年和2016年的径 流量分别 为 17．64亿 m 、17．81亿 m 、17．98亿 m’和 l8．16亿 m0。 关键词 ：径流预测 ；GM(1，1)模型；黑河 ；预测精度 中图分类号 ：P338+．9 文献标志码：B 文章编号：2095—0144(2014)09—0001—02 1 前言 不确定系统为研究对象 ，通过对 已知信息的开发， 径流预测是水文水资源研 究 中的一项重要 内 去发现系统的运行规律 ．实现对事物发展的预测和 容 ．是水资源进行有效配置的基础 ，对水资源的可持 认识 。其计算过程简单 ，克服了传统统计方法的不 续利用及生态发展具有重要意义。我 国目前用于径 足 。 流预测 的方法很多：人工神经网络模型…、小波分析 灰色动态模型最常见的形式即GM(1，1)模型， 方法 ]、灰色动态预测模型等[j。其 中，人工神经网 采用一阶单变量线性微分方程 ，记作为GM(1，1)， 络具有较好 自适应 、自组织 、自学习、容错及抗干扰 该模型将一切随机变量看成是在一定范围内变化的 能力 ，但常出现收敛速度慢 。易陷入局部极小值 ，隐 灰色变量 。对数据进行处理 ，将杂乱的原始数据整理 含层神经元数量参数难以确定等缺点；小波分析能 成规律性较强的生成数据来加以研究。它是灰色预 充分展示时间序列的精细结构，帮助研究者发现其 测模型的核心，已被广泛应用于经济、气象、水文、交 演变过程 ，但其分析过程较为复杂 ；灰色动态预测模 通 、环境等领域 的预测 ]。 型通过系统不完全描述与分析 ，研究信息不充分条 2．1 灰色动态 GM(1，1)模型的步骤 件下 ，系统建模 、预测 、决策 、评估 、控制等问题 ，是一 (1)设时间序列 ()=[(1)，x(2)，…x(n)]。 种简单有效 的预测方法。由于受下垫面和人类活动 (2)对它进行一次累加生成数据 (t)=[(1)， 的影响。径流的形成过程是个高度复杂的的动力系 统 ，其序列多为非平稳系列．径流预测中往往存在预 x(2)，… (n)]，其中：，()= x(i)，(=1，2，…n)。 = l 测精度低和计算复杂等缺陷。灰色动态 GM(1，1)模 这样将原始数据累加处理后 。淡化了原始数据 型是 由一个 只包含单变量 的一阶微分方程构成 ，只 中异常值的影响，弱化了原始数据的随机性 ，使其变 要少量数据 即可建模并进行计算和预测 ．可以解决