基于时间序列预测的黄河水沙监测数据分析.pdfVIP

微型计算机

大数据技术2025年第08期

基于时间序列预测的黄河水沙监测数据分析

张静文

（重庆科创职业学院，重庆402160）

摘 要：本文以2023年高教社杯全国大学生数学建模竞赛E题为背景，针对黄河水沙监测数据进行分析，综

合利用Python、Excel、SPSS软件，建立线性回归模型和时间序列预测模型。首先，研究水文站黄河水的含沙量与

时间、水位、水流量的关系，利用Python计算近6年的年总水流量与年总排沙量的值，求出年总水流量和年总排

沙量的值分别为198044456085m³和1212740466066kg。分析近6年水文站的突变性、季节性和周期性的特性来

研究水沙通量的变化规律，使用Python的Pandas库针对突变性、季节性和周期性分别作图，再通过图示所得到水

沙通量变化的规律为水沙通量具有突变性，会发生剧烈的增加或减少的情况；水沙通量的季节性：在夏季时的水

沙通量增加；水沙通量的周期性呈季节变化，每当夏季，水沙通量最高，秋季次之，春季和冬季最后。将经过预处

理的数据导入Excel中计算得出每个月的平均水沙通量，再用SPSS数据分析软件创建时间序列模型，将2022年和

2023年的预测值表示出来，基于预测值对数值进行划分，确定2022和2023年两年的最优采样监测方案为：1月至

4月5次/天，5、6月6次/天，7月24次/天，8、9月14次/天，10月7次/天，11、12月10次/天。

关键词：水沙通量；Python；Pandas库；时间序列预测

黄河治理一直受到中央的高度重视。党的十八大

以来，习近平同志多次到黄河沿线调研考察并指出，

“治理黄河，重在保护，要在治理”。2019年9月18日中央

在郑州召开的黄河流域生态保护和高质量发展座谈会

上强调了“保护黄河是事关中华民族伟大复兴和永续图12016年四者关系图图22017年四者关系图

发展的千秋大计”，并提出黄河流域生态保护和高质量

发展的主要目标任务。

一、数据预处理与建模

利用Python进行数据预处理，首先对时间列进行

图32018年四者关系图图42019年四者关系图

填充，利用线性插值法补全含沙量，求出每日的平均

数据，使用pearson系数进行分析，发现时间列与含沙

量呈弱相关，水位、水流量与含沙量呈强相关。

根据已经经过线性插值和最小二乘法拟合后的数

据，将日期以月为计算单位，利用时间对2016年至2021图52020年四者关系图图62021年四者关系图

的数据进行一个统计分析。此大部分情况下，在雨季的含沙量会多于在旱季的含

图1—图6得出，雨季在6月份至10月份，旱季在11沙量，那么可以得出结论含沙量与时间有关系。

月份至3月份，即2016年峰值在3月份；2017年峰值在12当水位升高时，含沙量也会随之升高；当水位下降

月份；2018年、2019、2020、2021的峰值都在7月份。因时，含沙量随之减小。当水流量升高时，含沙量也升高，

当水流量减小时，含沙量也跟着减少。

基金项目：2024年重庆市职业教育教学改革研究项综上，表示水位、水流量与含沙量存在正向关系。

目，课题编号：Z2241445，《高等数学》数字一体化交互二、估算近6年该水文站的年总水流量和年

式教材的开发。总排沙量

作者简介：利用Python进行线性插值法的填空，再对所有数

张静文（1980—），女，汉族，重庆永川人，硕