诺敏河流域径流变化规律分析及预报方法研究

摘要

在自然界中，无论对于生物体的结构组成、生命活动，还是生态系统，水资源都起着至关重要的作用，是不可替代的资源。而我国的水资源问题已经十分突出，尤其是水资源短缺、水环境污染以及旱涝灾害问题，严重影响着我国社会经济的发展，成为其重要的制约因素。作为水资源最主要的来源之一，河川径流是水资源合理开发利用、优化配置的重要依据。在整个水文循环的系统中，径流的变化起着主导作用。如何准确分析河川径流的变化规律及未来发展趋势，科学合理地利用现有水资源成为最为迫切的问题。深入研究流域水资源的变化规律，并对其未来的发展趋势进行准确的预测，对流域合理开发利用水资源具有重要意义。 本论文立足于嫩江支流诺敏河，研究了流域径流的变化规律和未来发展趋势问题。通过实地调研与数学模型相结合，先采用数理统计的方法分析了流域径流的基本统计特征、年内分配和年际变化规律，接着依次分析了流域径流的趋势、周期和突变等变化特征，各采用多种方法验证了规律的准确性与可靠性，然后应用BP神经网络和鱼群优化的BP神经网络预测了流域的月径流，应用EMD耦合谐波模型和基于EMD分解的AFSA-BP神经网络预测了流域的年径流的变化趋势，主要研究成果如下: (1)通过对流域径流量基本统计特征、年内分配不均匀性、集中程度、变化幅度的分析，以及年际变化的总体特征和距平分析等，得出年径流呈正偏分布，径流量分布较分散，径流最的年内分配不均，年际变化较大。流域径流年内变化幅度较大，整体呈现出波动上升又波动下降的趋势。年内分配曲线呈单峰形。径流主要集中在7月份和8月份，1～3月径流量最小。 (2)诺敏河流域年径流呈波动变化，增加和减少相互交替，整体上年径流量大致呈下降趋势，但趋势性不显著。年径流序列未来的趋势与过去相同，即未来有下降趋势。通过周期分析与多时间尺度分析得知，诺敏河流域年径流存在4年左右的短周期与30年左右的长周期。诺敏河流域年径流最明显的变异点发生在1998年，此外还存在1963年的突变。 (3)周期分析中，基于EMD的多时间尺度分析显示了径流序列变化的多时间尺度性、多层次性和复杂性，并通过计算各个分量的方差贡献率分析出主要的周期，优于单一的周期分析方法。突变分析中，Mann-Kendall突变检测法和Pettitt突变点检验法更全面一些。此外，Mann-Kendall秩次相关分析法和重标极差分析法可以应用到多个方面的规律分析中，具有更大的实用性。 (4)充分考虑各种数学模型的优缺点，将多种模型耦合在一起建立符合流域特点的动态预测模型，并对流域径流量进行预测。包括用AFSA-BP神经网络模型预测流域月径流，用EMD耦合谐波的方法和基于EMD的AFSA-BP神经网络模型预测年径流量。

目录

声明

摘要

1 绪论

1．1 研究的目的与意义

1．2 国内外研究动态

1．2．1 径流变化规律研究现状

1．2．2 径流预报方法研究现状

1．3 存在问题及研究趋势

1．3．1 存在问题

1．3．2 研究趋势

1．4 研究的主要内容与技术路线

1．4．1 研究的主要内容

1．4．2 实现的技术路线

2 诺敏河流域概况及资料选取

2．1 诺敏河流域概况

2．2 径流资料的选取

3 诺敏河流域径流序列统计特征分析

3．1 年径流基本统计特征

3．2 径流的年内分配特征

3．2．1 年内分配百分比

3．2．2 年内分配的不均匀性

3．2．3 年内分配的集中程度

3．2．4 年内分配的变化幅度

3．3 径流的年际变化特征

3．3．1 径流年际变化的总体特征

3．3．2 径流年际变化的距平分析

3．4 本章小结

4 诺敏河流域径流序列变化特征分析

4．1 径流变化趋势分析

4．1．1 滑动平均法

4．1．2 累积滤波器

4．1．3 Spearman秩次相关检验法

4．1．4 Kendall秩次相关检验法

4．1．5 重标极差分析法

4．2 径流变化周期分析

4．2．1 R／S周期分析

4．2．2 方差模糊分析

4．2．3 基于EMD的径流多时间尺度分析

4．3 径流突变分析

4．3．1 有序聚类分析

4．3．2 Mann-Kendall突变检测法

4．3．3 Lee-Heghinian法

4．3．4 滑动T检验法

4．3．5 Pettitt突变点检验法

4．4 本章小结

5 基于人工鱼群神经网络的月径流预报方法研究

5．1 人工神经网络

5．1．1 BP神经网络的基本原理

5．1．2 BP神经网络的实现步骤

5．2 人工鱼群算法

5．2．1 人工鱼群算法的基本思想

5．2．2 人工鱼群算法的数学表示

5．2．3 人工鱼群算法的实现流程

5．3 模型精度检验

5．4 基于人工鱼群神经网络的径流预测

5．5 本章小结

6 基于EMD分解的年径流预报方法研究

6．1 基于EMD耦合谐波的年径流预测

6．1．1 谐波分析的基本原理

6．1．2 EMD耦合谐波分析的建模步骤

6．1．3 EMD耦合谐波模型在年径流预测中的应用

6．2 基于EMD人工鱼群神经网络的年径流预测

6．2．1 EMD人工鱼群神经网络模型概述

6．2．2 EMD人工鱼群神经网络模型在年径流预测中的应用

6．3 本章小结

7 结论与展望

7．1 结论

7．2 展望

致谢

参考文献

攻读硕士学位期间发表的学术论文