長江上游干流區(qū)徑流變化規(guī)律及預(yù)測研究.pdf

1、長江上游流域東臨湖北、湖南兩省，南靠廣西壯族自治區(qū)和老撾、越南兩國，西連青藏高原并與緬甸接壤，北與陜西、甘肅、青海三省毗鄰，幅員遼闊、跨越多種自然地理環(huán)境，受來自不同氣候帶的影響，流域內(nèi)氣象萬千，水文現(xiàn)象錯綜復(fù)雜。由于對流域水文過程認(rèn)識程度的局限和所持有的影響水文過程資料的限制，至今還難以完全用數(shù)學(xué)物理方法確切地描述其中每一個過程。以前主要基于單個水文站或用傳統(tǒng)研究方法和手段對流域徑流的變化規(guī)律進(jìn)行研究和預(yù)測，該方法目前面臨著許多無法妥

2、善處理的困難，為了沖破這種困境，需要不斷的引入新的理論和方法，同時需要將不同的方法有機(jī)的結(jié)合起來，對流域整體進(jìn)行系統(tǒng)的分析和研究。 本論文結(jié)合國家重點基礎(chǔ)研究發(fā)展計劃（NO．2003CB415202－1），在總結(jié)吸收前人研究成果的基礎(chǔ)上，運用現(xiàn)代分析及預(yù)測新理論，即混沌理論、小波理論、人工神經(jīng)網(wǎng)絡(luò)理論、近似熵復(fù)雜性理論，并結(jié)合傳統(tǒng)的理論和分析方法，利用4個代表站100多年的徑流資料，對長江上游干流區(qū)徑流長期變化的重要特性如：周期

3、性、相關(guān)性、混沌性、復(fù)雜性和突變性進(jìn)行分析研究；對近似熵復(fù)雜性分析中小波消噪的域值選取規(guī)則和消噪小波函數(shù)的選取方法進(jìn)行了探討；對太陽黑子數(shù)與長江上游干流區(qū)年徑流時序相關(guān)性進(jìn)行多尺度分析；對太陽黑子數(shù)引入徑流預(yù)測模型后模型預(yù)測效果的變化進(jìn)行了比較；根據(jù)干流區(qū)徑流變化特性建立相應(yīng)的年徑流降尺度模型和徑流預(yù)測模型，通過不同模型的比較，尋求適合于長江上游干流區(qū)徑流降尺度和預(yù)測的模型；基于神經(jīng)網(wǎng)絡(luò)的特點，根據(jù)年徑流長期變化的主周期，對未來15年長

4、江上游徑流變化趨勢進(jìn)行了預(yù)測分析，為今后長江上游水資源管理的政策制定者、研究人員以及公眾提供未來徑流變化的背景。概括起來，本次研究和預(yù)測分析取得以下主要成果： 1）對于整個長江上游干流區(qū)而言，7~9月是主汛期，1~3月是主枯季；下游的汛期早于上游；年徑流的變化趨勢主要受汛期徑流變化的影響；年徑流近來出現(xiàn)一種微弱下降趨勢。 2）各代表站的年（月）徑流具有混沌特性。從各站徑流時間序列的嵌入維數(shù)和飽和關(guān)聯(lián)維數(shù)的對比可以得出：對

5、于干流區(qū)，由于受支流來水逐步加入、沿途降雨和水庫調(diào)節(jié)的影響，從上游到下游，徑流序列的復(fù)雜性逐漸增大。 3）從近似熵的角度來看，徑流序列復(fù)雜性整體表現(xiàn)為從上游到下游逐漸增加；同一水文站原始徑流序列的復(fù)雜性高于小波消噪后序列的復(fù)雜性；干流區(qū)徑流量的復(fù)雜性呈現(xiàn)一個整體的減少趨勢，但變化幅度不大；不同的消噪閾值選取原則對徑流序列近似熵的計算沒有根本性的影響，但不同消噪小波函數(shù)對徑流序列近似熵的計算有較大的影響。 4）年平均徑流在

6、長期的變化中主要存在32年左右的長周期變化，它們主導(dǎo)著年平均徑流長期變化的特性。同時，研究也顯示出年平均徑流存在15年左右的年代周期變化、8年和3年的年際周期變化特點。從各個站年平均徑流變化的主周期來看，屏山站在2004年后處于枯水期，寸灘站在2003年后處于豐水期，萬縣站在1987年后處于枯水期，宜昌站在2000年后處于豐水期。不同尺度下年徑流波動變化不同，如何看待其年徑流的演變規(guī)律，與分析使用的時間尺度有緊密聯(lián)系，從而也要求應(yīng)在不同

7、的時間尺度下對未來作趨勢分析預(yù)測。 5）屏山站在在長期的變化中，序列自身不存在相關(guān)性；而寸灘站和宜昌站的序列自身存在一定的相關(guān)性。屏山站、寸灘站和宜昌站的年徑流時間序列在長期的變化中，存在有一定的互相關(guān)性。對于不同的時間尺度而言，3個站相互之間存在著或正或負(fù)或獨立的關(guān)系，其中正相關(guān)占主導(dǎo)地位；各個站在多尺度下的互相關(guān)性比原始序列的要好；隨著尺度的增大，3個站相互之間在t時刻的相關(guān)系數(shù)逐漸增大，但過了3個站年徑流變化的主周期（a＝

8、17）以后，隨著尺度的增大，t時刻的相關(guān)系數(shù)開始減少；隨著時移的增加，3個站相互之間的相關(guān)性減弱或出現(xiàn)較大負(fù)相關(guān)；就年際時間尺度而言，3個站在其徑流變化的主周期（a＝9）相互之間的互相關(guān)系數(shù)最大，就年代際的時間尺度而言，3個站在太陽黑子變化的第一主周期（a＝11）相互之間的互相關(guān)系數(shù)最大。 6）太陽黑子活動與原始徑流序列在長期的變化中：與寸灘站和宜昌站的徑流序列之間表現(xiàn)為獨立不相關(guān)，而與屏山站和萬縣站存在一定的相關(guān)性。在太陽活動

9、主周期內(nèi)，a=11年時，太陽黑子活動與4個站的徑流序列之間主要表現(xiàn)為較好的負(fù)相關(guān)。a=22年時，與屏山站徑流序列之間主要表現(xiàn)為負(fù)相關(guān)，與寸灘站主要表現(xiàn)為正相關(guān)，與宜昌站的相關(guān)性沒有明顯的規(guī)律；在各個站年徑流變化的第一主周期內(nèi)，太陽黑子數(shù)與寸灘站和宜昌站徑流之間表現(xiàn)為獨立不相關(guān)，與屏山站和萬縣站徑流之間主要表現(xiàn)為負(fù)相關(guān)。 7）將同期太陽黑子引入年徑流的預(yù)測模型后，不論是BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，還是小波網(wǎng)絡(luò)預(yù)測模型，年徑流模型的預(yù)測效

10、果都有一定程度的改善。 8）長江上游干流區(qū)年平均徑流的分解系數(shù)具有混沌特性；從分解系數(shù)的飽和關(guān)聯(lián)維數(shù)的大小比較可以得出，從上游到下游，年平均徑流分解系數(shù)的復(fù)雜性逐漸增大，這與從上游到下游徑流本身復(fù)雜性的變化是一致的。 9）從五種預(yù)測模型對年平均徑流分解系數(shù)的預(yù)測來看，小波網(wǎng)絡(luò)預(yù)測模型的預(yù)測精度較高，即小波網(wǎng)絡(luò)模型是適合于長江上游干流區(qū)年徑流降尺度分析的模型。 10）將確定性和不確定性的分析方法有機(jī)的結(jié)合（耦合）起

11、來，互相取長補短，是目前建立水文水資源分析與預(yù)測模型發(fā)展的一種必然趨勢。本文采用多尺度分析理論中的Mallat算法和Daubechies小波與神經(jīng)網(wǎng)絡(luò)建模方法結(jié)合，建立徑流時間序列的小波網(wǎng)絡(luò)預(yù)測模型，是為研究徑流時間序列的演變規(guī)律而嘗試的新的方法。通過4個站年平均徑流序列資料進(jìn)行建模和驗證得到：本文所建立的小波網(wǎng)絡(luò)預(yù)測模型，概念清晰，結(jié)構(gòu)嚴(yán)謹(jǐn)，與相空間網(wǎng)絡(luò)預(yù)測模型和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型比較，預(yù)測精度較高，能更好的反映年徑流時間序列

12、變化的規(guī)律。 11）在不知道前期月徑流的情況下，以每月歷年的月徑流時間序列為研究對象，建立了小波網(wǎng)絡(luò)模型，通過在4個代表站的實際應(yīng)用表明小波網(wǎng)絡(luò)模型的檢驗合格率和平均相對誤差都要明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型，該模型易于操作，適于對月徑流進(jìn)行預(yù)測。 12）采用神經(jīng)網(wǎng)絡(luò)理論，建立了年徑流的中長期BP網(wǎng)絡(luò)預(yù)測模型，在模型中以寸灘站和宜昌站年徑流變化的主周期（15年）來確定神經(jīng)網(wǎng)絡(luò)的輸入和輸出節(jié)點數(shù)。通過檢驗發(fā)現(xiàn)以此模型來預(yù)測分析未

13、來15年年徑流變化的趨勢是可行的。長江上游年徑流在（2001～2005年）處于豐水時段；2006～2010年上游寸灘站仍然處于豐水時段，但宜昌站表現(xiàn)為處于枯水時段，估計與寸灘站與宜昌站之間區(qū)域的降雨減少有關(guān)；2011～2016年長江上游處于枯水時段；2016年過后，長江上游又開始由枯水時段轉(zhuǎn)為豐水時段。 總之，本文運用現(xiàn)代新理論、新方法，多途徑系統(tǒng)地研究了長江上游干流區(qū)徑流的變化特性，并為決策制定者、研究人員以及公眾提供了干流區(qū)