（水文学及水资源专业论文）上海市水情中长期预测研究.pdf

摘要 本文以上海市某代表站的年降水量、汛期雨量和黄埔公园年最高潮位 三个系列为研究对象，建立中长期水文预报模型，对上海市的水情进行预 测研究。研究分两个方面，一是定量预测，是本论文的主要研究内容，共 建立了四个预测模型，分别是a g ( p ) 模型、g m ( 1 ，1 ) 模型、改进g m ( 1 ，1 ) 模 型及t a r 模型：其二是建立了马尔柯夫定性预测模型，给出分级预测结果。 在定量预测模型研究中，先对三个不同系列进行时间系列的组成分析， 结果表明：三个系列均无趋势存在，降水量系列有明显周期存在，但年最高 潮位系列无周期。在剔除周期成分后，用a r ( p ) 模型建模，并作预测。 为了分析周期提取是否影响预测精度，还对原系列之间建立a r ( p ) 模型 作预测，结果表明剔除周期未能提高预测精度。 其次，探索使用基于灰色系统理论的一种模型g m ( 1 ，1 ) 模型做预 测，在研究过程中还采用了一种能够提高预测精度的改进g m ( 1 ，1 ) 模型，对 预测结果使用后验差检验。 为进一步提高模型预测效果，还采用非线性门限自回归模型t a r 模型做预测分析。门限自回归模型的建模方法比较复杂，但预测精度比前 面几种方法有较大提高，该模型对年降水量、汛期雨量预测合格率达9 0 以上。 论文最后还对年降水量、汛期雨量序列探讨做分级预测，采用气象分 级办法进行分级。结果表明所建立的马尔柯夫预测模型具有较高精度。 总之，本研究成果对上海市防汛科学决策具有比较重要的参考价值。 关键词：中长期水文预报、a r ( p ) 模型、g m ( 1 ，1 ) 模型、t a r 模型、马 尔柯夫预测模型、比较 a b s t r a c l 。 i nt h i sp a p e r ，as e to f m e d i u m a n d - l o n g - r a n g eh y d r o l o g i cf o r e c a s tm o d e l s w e r ee s t a b l i s h e df o r p r e d i c t i n g w a t e rr e g i m ei n s h a n g h a i ，i n c l u d i n g t h r e e h y d r o l o g i c a ls e r i e s ，a n n u a lr a i n f a l l a n dr a i n f a l l d u r i n gf l o o d s e a s o nf o ro n e r e p r e s e n t a t i v es t a t i o na n da n n u a lm a x i m u m w a t e rt i d el e v e la th u a n g - p u p a r k t h ep r e d i c t i o nm o d e l si n c l u d e st w op a r t s o n ei s q u a n t i t a t i v eo n e sw h i c ha r e m a i n l ys t u d i e d i nt h ep a p e r ，i n c l u d i n ga r ( p ) ，g m ( 1 ，1 ) ，m o d i f i e d g m ( 1 ，1 ) a n dt h r e s h o l da r m o d e l i n g ：t h e o t h e ri sm a r k o vc h a i n q u a l i t a t i v em o d e l i n g i nt h e s t u d y o fq u a n t i t a t i v ef o r e c a s tm o d e l s ，c o m p o s i t i o na n a l y s i sf o rt h r e e d i f f e r e n tt i m es e r i e sa r e f i r s t l yi n v e s t i g a t e db ys t a t i s t i c t e s tm e t h o d s t h e c o n c l u s i o n sa r ea sf o l l o w s ：t h e r ei sn oe v i d e n t t e n d e n c yf o ra b o v et h r e es e r i e s ， a n de v i d e n tp e r i o d i c i t ye x i s to n l yi np r e c i p i t a t i o ns e r i e s a f t e rt h er e m o v a lo f p e r i o d i c i t yc o m p o n e n t ，t h ef o r e c a s t i n gi s m a d e b ya r ( p ) m o d e l i no r d e rt o a n a l y z e w h e t h e rt h ep r e d i c t i o n a c c u r a c yi si m p r o v e da f t e rt h er e m o v a lo f p e r i o d i c i t y ，t h ef o r e c a s t i n gi sm a d eb ya r ( p ) m o d e lu s i n go r i g i n a ls e r i e s d a t a t h er e s u l t si n d i c a t et h a t a c c u r a c ym a yn o t b e e v i d e n t l yi m p r o v e d s e c o n d l y , t h eo t h e rf o r e c a s t i n gi sm a d eb yu s i n gg m ( 1 ，1 ) - - t h eg r e ym o d e la n d am o d i f i e d g m ( 1 ，1 ) 一- h e u r i s t i c m e t h o do fu s i n g g r e ys y s t e mt h e o r y t h e p r e d i c t i o nr e s u l t ss h o w s t h a tt h em o d i f i e dg m ( 1 ，1 ) m o d e li s s l i g h t l yb e t t e r t h a n g m ( 1 ，1 ) ，a n db o t ho ft h e ma r eb e t t e rt h a na r ( p ) m o d e l i no r d e rt oi m p r o v e f u r t h e rt h ep r e d i c t i o na c c u r a c yo f t h es e r i e ss t u d i e d ，at a rm o d e li sa l s ou s e d t om a k et h e p r e d i c t i o n a l t h o u g ht h ec a l c u l a t i o no ft a r m o d e li sc o m p l i c a t e d ， t h er e s u l to f f o r e c a s t i n gi sb e t t e rt h a nt h eo t h e r s f i n a l l y , aq u a l i t a t i v eg r a d e d p r e d i c t i o nm o d e l - - m a r k o vc h a i nq u a l i t a t i v em o d e l i n g ，i se s t a b l i s h e df o ra b o v e t w op r e c i p i t a t i o ns e r i e sb yu s i n gm e t e o r o l o g i c a lg r a d e dd i v i s i o nc r i t e r i a t h e f o r e c a s t i n g r e s u l ti s g o o d t h es t u d y i sv a l u a b l et ot h ef l o o dd e f e n s e d e c i s i o n - m a k i n g i ns h a n g h a i k e y w o r d s ：m e d i u m - a n d l o n g - r a n g ep r e d i c t i o n ，a r ( p ) m o d e l ，g m ( 1 ，1 ) m o d e l ，t h r e s h o l da rm o d e l ，m a r k o vc h a i n m o d e l ，c o m p a r i s o n 河海大学硕士论文 第一章中长期水文预报概述 第一章中长期水文预报概述 中长期水文预报，即根据前期水文气象要素，用成因分析和数理统计的方法， 对未来较长时间的水文要素进行科学的预测，根据预见期的长短不同，可分为中期 预报( 3 15 天) 、长期预报( 1 5 天一年) 、超长期预报( 一年以上) ；根据预报内容不 同，又可分为径流预报、江河湖海水位预报、旱情趋势预报、冰情泥沙等预报项目。 1 1 研究目的与意义 1 1 1 研究目的 中长期水文预报近年来随着高科技技术的飞速发展，在基础理论研究及应 用研究方面取得了令人鼓舞的进展，但是在水文学研究中还是相对落后的一个 领域，仍然处于探索、发展阶段，预报精度还不能满足生产部门的需要。中长期水 文预报对于水库调度、洪水控制、发电、灌溉等水资源相关工作是至关重要的，而 洪水灾害与水资源紧缺问题的目益加剧使得提高水文预报精度越来越显得重要。时 间序列分析是水文中长期预报中的一个重要技术手段。本文研究的主要目的在于对 上海市某代表站年降水量、汛期雨量、黄埔公园年最高潮位资料进行时间序列分析， 在此基础上，建立降雨、高潮位中长期预报模型。 1 1 2 现实意义 上海是世界闻名的大都市，也是我国最大的城市。它是我国东部的经济文化中 心，又是重要的对内对外水陆交通的枢纽。因此，研究上海的水旱灾害有着重要的 现实意义。 上海地处长江河口，临江濒海，风暴潮袭击频繁。风暴潮灾、洪灾、涝灾和旱 灾等水旱灾害连续不断，其中以风暴潮灾造成的损失最大，严重时会使大片田地冲 毁，房屋倒塌，甚至成千上万人死亡。近几十年来，由于工程情况等复杂因素，黄 浦江高潮位明显升高，潮灾威胁加重。 随着经济的发展，水早灾害的威胁并没有减少，还出现了新的水旱灾害。上海 地区的人口高度集中，生产力高度密集，城市生活用水和工业用水大幅度增加。城 市的扩大带来了河道淤塞、地面下沉、排水不畅。工农业生产的飞速发展又造成了 水体污染，恶化了水环境。现在，上海对防灾减灾的标准要求越来越高，对防灾减 塑塑查茎塑主堡苎 茎二兰垦塑查茎塑塑i ! ! l 灾的设施要求更多更好。防治水旱灾害，以防为主，防患于未然a 因此，本文以上海市某代表站年降水量( 1 8 7 3 2 0 0 0 年) 、汛期雨量( 6 9 月) 及黄埔公园年最高潮位( 1 9 1 3 2 0 0 0 年) 资料为研究对象，建立中长期水文预报模 型对上海水情预报，为上海防汛抗旱、水资源的规划管理和综合利用提供科学依据。 1 1 _ 3 理论意义 水文预报方法在过去的半个世纪里取得了极大的发展，而中长期水文预报还有 许多有待深入探索的领域，其中包括以下几个方面： 一方面，在河流流量过程的随机特性研究方面，对于自相关结构的研究已经比 较成熟，但关于长记忆特性的研究则相对落后，在长记忆特性的检测与建模方面、 对不同时间尺度流量过程的长记忆特性的差异性比较方面还需要深入探讨。 另一方面，在水文时间序列分析方法中，以正态线性随机过程为基础的理论已 较为成熟，而对于水文时间序列的非线性特征的研究虽然在过去十年里己受到政府 及科学家的极大的重视，并且取得了一定的进展，但对水文过程的非线性特征还没 有一个系统性的、统一的认识，仍有许多有待深入探讨的问题。 此外，由于中长期水文预报的重要性，不断可以看到相关文献在国内外各 类水文相关杂志上发表，预报方法有水文学方法、数理统计方法、神经网络方 法等等。但在诸多研究成果中大多只采用一二种方法，虽然已有一些不同模型 的比较研究，但中长期预报中各种方法的比较研究很少，由于缺乏足够的比较 研究，很多新技术都不能得到充分的认识，在实际工作中不敢轻易使用。因此， 不同模型间的比较分析有必要进一步加强。 1 2 国内外研究现状 1 2 1 随机特性研究 时间序列通常被分为确定性分量( 包括周期性分量和趋势性分量) 以及随机性 分量二个组成部分。在单变量河流流量过程的随机特性研究时，重点关注的是流量 的随机性成分，主要包括三个方面的内容：一是概率分布特征：二是自相关特性； 三是长记忆特性。 对于流量自相关特性的研究已经比较成熟，研究方法大致分为二类：一是将流 量序列做为一个整体研究其白相关特性( 如，k o t t e g o d a ，1 9 8 0 ；丁晶和刘权授，1 9 9 7 ) ； 河海大学硕士论文 第一章中妖期水文预报概述 二是考虑不同季节的自相关性的差异，研究其季节性自相关结构( 如，m o s s & b r y s o n ， 1 9 7 4 ；v e c c h i a a n db a l l e r i n i ，1 9 9 1 ；m i t o s e k ，2 0 0 0 ) 。 河流流量过程的长记忆特性( 也被称为长持续性、长程相依性) 很早就因为 h u t s t ( 1 9 5 1 1 的研究成果而受到关注。但8 0 年代以前，关于长记忆特性的研究进展不 大，在长记忆特性的检测方面，方法比较单一，最主要是采用凡s 统计检验方法进 行h u r s t 系数的估计。8 0 年代初，g r a n g e r 和j o y e u x ( 1 9 8 0 ) 及h o s k i n g ( 1 9 8 1 ) 提出了 分数阶差分的方法来拟合长记忆过程，这些研究成果有力地促进了对长记忆过程的 研究，研究重点在于分数阶差分阶数的估计方法，9 0 年代以来，基于分数阶差分方 法的时间序列长记忆特性成为一个热点( 如，b e r a n ，1 9 9 4 ) ，其中不少研究成果与河 流流量过程有关( 如，m o n t a n a r i & t a q u e ，2 0 0 0 ；o o m s & f r a n s e s ，2 0 0 1 ) 。 1 2 2 非线性特征研究 普遍认为，河流流量过程是非线性的( 如，a s t a t l d e 等，1 9 9 6 ) 。非线性的机制 是多种多样的，形成的时间序列也就多种多样，比如门限自回归过程( t o n g & l i m ，1 9 8 0 ) 、双线性过程( g r a n g e r a n d e r s o n ，1 9 7 8 ) 、条件异方差过程( e n g l e ，1 9 8 2 ) 、 指数自回归过程( h a g g a n & o z a k i ，1 9 8 1 ) 等。 时间序列非线性的检测方法很多，大致可以分为二类：一是参数化检验方法， 就是针对由特定的有限参数型的非线性函数形成的非线性时间序列的检验；二是非 参数化检验方法，假设时间序列为线性，计算某些检验统计量，以判断是否假设成 立。由于非线性机制是纷繁复杂的，往往事先并不知道时间序列的形成机制，因此 在实际应用中较多采用非参数检验方法，比如条件期望法( 陈兆国，1 9 8 8 ) 、替代数 据法( t h e i l e r ，1 9 9 2 ) 、时间可逆性方法( d i k s 等，1 9 9 5 ) 等。近十年来，河流日流量 过程的混沌非线性特征成为越来越受关注的一个研究热点( j a y a w a r d e n a & l a i ，1 9 9 4 ；s a n g o y o m i e t a 1 ，1 9 9 6 ；p o r p o r a t o & i d o l f i ，1 9 9 6 ；l i ue t a l ，1 9 9 8 ；s i v a k u m a re t a 1 ，1 9 9 9 ；j a y a w a r d e n a & g u t t i n g ，2 0 0 0 等) 。混沌非线性的检验方法有关联指数法、 l y a p u n o v 指数方法、预报误差法等，但这些方法都还很不成熟。虽然大多发表的论 文( 尤其是国内发表的论文) 认为流量过程存在混沌特性，但这些研究结果中许多 结论的合理性有必要深入剖析。 1 2 3 流量过程时间序列预报模型 时j 脚序列模型早在2 0 世纪6 0 年代就广泛应用于流量过程的模拟，如y e v d j e v i c h 河海大学领士论文 第一章中长期水文预报概述 和r o e s n e r ( 1 9 9 6 ) 用一阶自回归模型拟合月径流过程。7 0 年代以来，随着b o x 和 j e n k i n s ( 19 7 6 ) 提a r i m a ( i n t e g r a t e da u t o r e g r e s s i v em o v i n ga v e r a g e ) 模型及相应建 模技术，时间序列分析方法得到更加广泛的应用。在年、月、旬径流量模拟和预报 中a r 模型最为常用( 丁晶等，1 9 9 7 ) 。 对于长记忆特性的拟合，早期采用的模型有分数高斯噪声( f g n ) 模型 ( m a n d e l b r o t & v a n n e s s ，1 9 6 8 ) 和折线模型( m a n d e l b r o t ，1 9 7 2 ；m e j i a 等，1 9 7 2 ) 。8 0 年代随着人们对氏 己忆特性认识的深入，分数差分滑动平均自回归模型( a r f i m a ) 也开始应用于河流流量过程的模拟与预报中，并且，在p a r m a 模型( 分周期a r i v i a 模型) 与长记忆a r f i m a 模型的基础上，有研究者将二者相结合提出了可以拟合具 有季节性特征的长记忆过程的模型，拟合月流量过程( 如，m o n t a n a r i & t a q u e ，2 0 0 0 ；o o m s & f r a n s e s ，2 0 0 1 ) 在考虑多个外部因素影响的情况下( 如前期降水、 气温及上游流量的影响) ，还可以采用具有外部变量的自回归滑动平均( a r m a x ) ( a u t o r e g r e s s i v em o v i n g a v e r a g e w i t he x o g e n o u si n p u t ) 模型或转换函数噪声( t f n ) ( t r a n s f e rf u n c t i o n n o i s e ) 模型( 如，t h o m p s t o n e 等人，1 9 8 5 ) 。 随着对水文系统非线性特征研究的深入，非线性时间序列模型的应用越来越受 到关注。在中长期水文预报中最常用的一种非线性时间序列模型之一是t o n g ( 1 9 7 8 ) 提出的门限回归模型( t a r ) ( 如，丁晶等，1 9 9 5 ；冯国章等，1 9 9 5 ) 。t a r 模型是 将流量过程视为分段线性过程，另一种非线性时间序列模型一分周期自回归滑动平 均( p a r m a r ) 模型( s a l a s 等，1 9 8 2 ) ，则考虑时间序列的周期性，将其视为分周 期线性过程，在流量过程中长期预报，尤其是月流量预报中应用很广( 如，n o a k e s 等，1 9 8 5 ) ；最近邻预测方法( n n m ，n e a r e s t n e i g h b o r i n gm e t h o d ) 近年来也随着 非线性时间序列研究的增温而得到许多关注( 如，f a r m e r & s i d o r o w i e h ，1 9 8 7 ；k e m b e r e t a 1 ，1 9 9 3 ；丁晶等，1 9 9 5 ；p o r p o r a t o a n d r i d o f l i ，1 9 9 6 ，2 0 0 1 ；s i v a k u m a r e t a 1 ，2 0 0 1 ；j a y a w a r d e n ae ta 1 ，2 0 0 2 等等) 。此外还有回归树模型( m i c h e l 等，1 9 9 9 ) 等方 法。这些方法的本质都是将一个时间序列依据一定的规则分解为若干段，对各段分 别建立参数或非参数回归模型。 神经网络模型具有非常灵活的非线性拟合能力，近年来也被大量应用于水文过 程的预报( m a i e r 和d a n d y , 2 0 0 0 ) 。 河海大学硕士论文 第一章中长期水文预报概述 1 3 现行中长期水文预报的主要方法 中长期水文预报，必须考虑影响水文过程的各种因素或分析水文要素自身演变 的规律柬进行研究，目前常用的方法主要有： 1 3 1 应用前期大气环流进行预报 一个地区水文情况的主要制约因素是大气环流，大气环流一般是指大范围空气 运行的现象，它的水平尺度在千公里以上，垂直尺度在十公里以上，时间尺度在1 0 6 s 以上。大范围的洪涝与干旱总是与大范围的环流异常联系在一起，因此寻找出异常 环流的演变承替规律，就能利用这种规律对后期水文情况进行预报。这种方法主要 是对高空环流的逐月平均形势与对应的水文要素进行分析综合，概括出旱涝年前期 环流形势特征模式，由前期环流特征作出后期水文定性预报；也可以在前期月平均 环流形势图上确定出与预报对象关系密切的地区与时段，从中挑选出物理意义明确、 方差贡献显著的预报因子建立预报方程进行定量预测。 1 3 2 应用前期海温特征进行预报 由于大气与海洋是相互作用的，在异常环流出现之前往往先出现异常海温，异 常海温的分布具有范围大、厚度深、持续时间长的特点，从而为长期预报提供了信 息，其具体预报方法与前期环流形势预报类似，一是概括出旱涝年前期海温分布模 式，二是在海温分布上确定出关键地区、时段、挑选若干点的海温作为预报因子， 建立回归方程进行定量预报。 1 3 3 由太阳活动规律进行预报 太阳辐射是供给大气运动的根本能量来源，太阳黑予相对数的多少反映了太阳 活动强弱。太阳黑子相对数有着平均1 1 年的周期，许多研究表明，保守地区旱涝灾 害往往发生在太阳黑子相对数1 1 年周期极值点附近。目前，该预报方法主要根据黑 子数在1 1 年周期中的位相或分析黑子数与江河水量变化之间的关系对后期可能发生 的旱涝进行定性预测。 1 3 4 由其它天文地理因素进行预报 地球白转速度的变化、行星运行的位置、火山爆发、臭氧的含量等对大气运动 和水文过程有一定的影响。分析这些因素与水文过程的对应关系，可对后期可能发 生的水文情况作出定性预估。 5 河海大学顾士论文第一章中长期水文预报概述 1 3 5 统计预报 根据样本在一定程度上可以反映总体规律的前提下，应用数理统计方法从大量 历史资料中寻找分析水文要素历史变化的统计规律以及与其它因素之间的关系，然 后应用这些规律柬进行预报。大体上可分为以下四种类型： 1 回归分析 为了预报某水文要素未来时刻变化，选择预报量己发生的多个预报因子为研究 对象，利用回归分析法对因子进行筛选，建立预报方程进行定量预测。 回归分析，包括事件概率回归、线性回归、非线性回归，线性回归是目前水文 统计分析中最为常用的一种方法。 2 判别分析 水文气象中存在不少定性现象，如台风、暴雨、干旱等，对于这些现象无法使 用定量资料，为预报方便，可将对应的预报量分成若干级别或类别，利用在不同类 别样本中，寻找因素与预报量的关系，建立针对不同类别的预报量的方程式，选择 适当的判别规则，判别某个因子观测样本所属的类别，来实现对预报量的预报。 常用判别方法有费歇判别、费歇多级判别、贝叶斯判别和逐步判别等。 3 时间序列分析 认为预报对象随时间变化的过程中，任一时刻的变化和前期变化有关，利用这 种关系建立适当的模型来描述变化的规律性，然后利用所建立的模型作出预报对象 未来时刻的预报估计。 常用模型有p 阶自回归模型a r ( p ) 、q 阶滑动平均模型m atq ) 、自回归滑动 平均混合模型a r m a ( p ，q ) 等。 4 谱分析 水文时间序列的谱类似光谱，不同的是对时间序列进行富氏变换，可得到不同 频率的振动，按其方差贡献的大小进行分解，从而研究在序列中哪一种频率振动占 优a 根据谱曲线中的最大谱值，可以确定主要振动及其对应的周期。也就是说，可 以用谱分析技术来识别水文时间序列中存在周期。 常用谱分析除时间谱、空间谱、时空谱分析之外，还有向量谱和最大熵谱分 析等。 6 河海大学硕士论文 第一章中眭期水文预报概述 1 4 目前中长期水文预报中存在的问题 目前中长期预报研究有以下几方面的问题值得深入探讨： 1 4 1 可预报生问题 中长期天气预报中，可预报性( 包括数值预报的可预报性以及统计预报的可预 报性) 一直是一个非常受关注的研究领域，但在水文研究领域，这个问题一直没有 受到重视。 首先要分析一下中长期可预报性的来源。水文过程的可预报性来源可以分为两 类：一是水文过程自身的相关性。这种相关性可能是线性的，或者非线性的，或者 是二者兼而有之，不同水文过程情况不同。但不管是哪种相关性，其具有可预报价 值的时间长度都是比较短的。二是外部影响因子，如地球物理因素。由于这些大环 境背景因素从大尺度上控制着水文过程的变化，因此，对于长期预报是非常重要的。 可预报性与多方面因素有关。直接决定可预报性的首要因素是预报因子的选择 问题。很多发表文献中使用前人发表的资料进行中长期预报，这些资料已经明确预 报的自变量与因变量。作为方法的对比来讲，这是有意义的，但如何选择预报因子 的这个问题本身是中长期预报研究中有待深入探讨的问题。其次，可预报性与模型 对水文过程描述的准确程度有关，这需要通过对模型的不断完善来提高可预报性。 此外，可预报性与模型中无法考虑到的那些随机性因素有关。 关于水文中长期预报的可预报性研究尚未见先例，虽然有些研究从混沌特性角 度对可预报时间尺度做推断，但这些简单地以单变量水文过程的似是而非的混沌特 性进行预报时间尺度的推断是否有实际意义需要明确。此外，受资料来源限制及个 人研究经历的影响，不同的研究者往往从有限的角度去进行中长期预报，没有哪项 研究能从多角度综合地对于某个水文过程的可预报性进行分析。 1 4 2 预报结果的置信区间 完整的预报结果应该包括二方面的内容：一是未来状态的预报值，二是预报值 的误差范围，即置信区间。在缩小预报误差的同时，也需要尽量缩小预报值的置信 区间。目前的中长期预报结果中，几乎都没有给出预报的置信区间，这给预报决策 带来极大的不利。在不能准确预报置信区间时，可以尝试采用类似于天气概率预报 的方式，给出一个概率预报值。如何给出准确的置信区间或者缩小预报值的置信区 间，或者，如何进行流量的概率预报，值得深入研究。 河海大学硕l 论文 第一章中l 圭期水文预报概述 1 4 3 模型的比较研究 有关中长期预报的文献发表很多，但已发表文献中大多只采用一、二种方法， 虽然也有一些不同模型间的比较研究成果，但由于不同水文过程自身特性的差异性， 以及预报手段的多样化，进一步的比较研究，尤其是对近年来发展起来的新技术( 如 神经网络技术、非线性时间序列分析) 与传统水文方法的比较，仍是迫切需要的。 由于缺少足够的比较研究，很多新技术都不能得到充分的认识，在实际工作中不敢 轻易使用。 现有的比较研究较集中于在短期和实时预报，中长期预报模型的比较研究较少。 1 4 4 模型的选择原则 目前已有的中长期预报手段很多，就数学模型本身( 如回归模型) 而言，其模 型结构的识别、选择有许多准则( 如a i c 准则、b i c 准则) 可以依据。但对于具体 的某个流域的产汇流过程，或某个流量站的流量过程要选择哪种模型不简单是个数 学问题。在实际应用中，模型的选择取决于多方面的因素，排除建模目的和使用者 个人经验与能力因素，还需要考虑资料因素及流量过程的水文特性。对于资料因素， 由于不同模型对资料的类型( 是仅有流量资料，还是有降水、气温等其它资料) 及 资料序列的长度等都有一定的要求，在模型选择时不用考虑太多；对于后者，由于 不同河流的水文特性存在差异，必须在充分认识这种差异性的基础上，来确定使用 哪种模型。在这方面，尚无成熟的认识。当然，这个问题的解决也在一定程度上有 赖于模型的比较研究，因为不同模型往往有各自的最佳使用环境。 1 4 5 组合预报 组合预测已经成为预测领域中的一个重要的研究方向，但一方面，组合预测的 理论本身还不够完善，可以考虑将模糊控制理论、神经网络、专家系统及人工智能 中的一些思想和方法引用到组合预测领域中，以降低算法的复杂性，提高预测精度： 另一方面，在水文预报领域，对于不同的预报模型的预报结果的组合研究成果不多， 没有充分反映当前在预测研究领域中的最新成果。因此，进步探讨组合预测理论 及其在水文预报领域的应用是很有必要的。 1 5 本论文主要研究内容 本文以上海市某代表站的年降水量、汛期雨量和黄埔公园年最高潮位三个系列 ! ! 查查兰堡! 丝兰 笙二至! 垦塑查苎翌塑! ! i 生 为研究对象，对上海市的水情进行中长期预测研究。 主要研究以下几个方面的内容： 1 时间序列组成分析：主要进行趋势性检验和周期的识别提取。 2 对时间序列建立定量预测模型，包括a r ( p ) 、g m ( 1 1 ) 、改进g m ( 1 ，1 ) 及t a r 四种预测模型，并进行不同模型预报精度的比较分析；在用a r ( p ) 模型预测时，又分 为提取剧期与不提取周期两种情况进行比较分析。 3 采用m a r k o v 模型进行定性分级预测。 9 河海大学坝i ：论史 第二章自然概犹 第二章自然概况 上海地处长江三角洲前缘，东濒东海：南临杭州湾，包括大、小金山诸岛；西 接江苏省的苏州市；西南接浙江省的嘉兴市：北接长江，是长江的出海门户；居中 国“黄金水道”( 长江) 和“黄金海岸”( 东海) 的交叉处。南来北往便利捷达，经 济腹地深广富庶，地理位置优越。全市面积6 3 4 0 5 k m 2 ，南北长约1 2 0 k r n ，东西长约 l o o k m 。境内辖有崇明岛，面积为1 0 4 0 k m 2 ，是我国第三大岛。 2 1 地貌地形 根据地貌形态、成因的一致性，按第一级地貌单元划分，上海地区可分为三角 洲平原、三角洲前缘、前三角洲、潮坪、滨海平原和湖沼平原、剥蚀残丘等七大地 貌单元。根据地形形态发生学原则，上海地区在地势上可划分为四个部分： 东部滨海平原：浦东钦公塘以东地区的东部滨海平原，呈月牙形，由于海潮进 退，泥沙淤积，地面较高，一般在4 5 5 m 左右，是上海平原最为高起的地带，在 地形上是一条重要分界线。 中部碟缘高地：钦公塘以西，冈身一线以东、北起长江南岸，南至杭州湾北岸， 包括上海市区，为上海地区的中部平原，因其相对西部来说较高，故称碟缘高地。 碟缘高地东、西、南三面稍高，一般在4 5 m 之间，中部黄浦江两岸略低，一般在 2 5 4 m 之间，在地形上成为以黄浦江为中心的平原，港汉沟渠都汇流入黄浦江。 西部淀泖低地：位于冈身以西，包括嘉定县西南部、青浦、松江大部分及金山 县北部，是全市地势最低地区，平均地面高程在2 2 2 5 m 左右，泖湖、石湖荡一带 不到2 o m ，属于碟形洼地的底部。 祟明、长兴、横沙河口沙岛：位于上海东北部长江河口地带，包括崇明、长兴、 横沙等岛屿及其延伸地带，崇明岛地势大致为西北部和中部略高，西南部和东部略 低，平均地面高程3 6 m ；长兴岛、横沙岛地势较低，高程大多在3 m 左右。 2 2 土壤和植被 上海地区处在河口三角洲平原上，濒江临海，江海冲积作用旺盛，n 【 b - 。泛发 育冲积土壤。与北亚热带相适应的地带性土壤类型，仅见于余山等少数残丘。 冈身以东地区冲积成陆较晚，其成土过程是以江海沉积物为主的盐渍化过程和 1 0 河海大学硕 论文 第二章自然概况 草甸过程，主要土壤为黄泥土、夹沙泥、潮沙泥、沟干泥等，土层深厚疏松，一般 都具有良好的通气性和透水性。冈身地带的中部平原成陆较早，海潮浸灌影响已经 基本消退，地下水位较低，没有盐渍化现象，土壤大都具有草甸土壤发育的特点， 属壤质浅色冲积草甸土型，土色黄黑，土质沙粘适中，保水力强。西部低洼地，地 下水位很高，由湖泊泥沙静水沉积形成的芦苇沼泽地，发育为粘性很重的沼泽土， 属湖泊沉积，土壤以青紫泥为主，质地属中壤轻粘。土中有机质含量高，但由于长 期浸水，土质粘重，分解不深，渍水严重，有些土层下部还有泥炭层，土色暗黑。 沿海沙滩和北部长江口的崇明、长兴、横沙等岛屿及其延伸地带，由于地处长江河 口，潮汐作用明显，成陆时间较短，大部分尚未脱离海潮浸灌的影响，土质颗粒粗， 沙性重，含盐量大，大部属砂粘质轻度脱盐草甸盐土。 本市处于北亚热带地区，自然植被除落叶阔叶林外，还有喜温的常绿阔叶林。 自然植被仅残留在本市西南部的少量剥蚀山丘之上，均有明显的次生特性。广大平 原地区主要是草甸草本植物，西部地洼湖群地常多为沼泽植物，东部沿海地带为盐 生、水生植物。本市大部分地区自然植被已被农业植被替代，形成大面积以粮、棉、 油及蔬菜作物为主的人工植被。 2 3 气候 上海地处中纬度沿海，在全球气候带分布中属北亚热带南缘，是南北冷暖气团 交汇地带，受冷暖空气交替影响和海洋湿润空气调节，气候湿润，四季分明，冬冷 夏热，雨热同季，降水充沛。上海全年气温地区差异较小，多年平均气温在1 5 - 2 1 5 7 。c 之间，市区较高，江岛地区较低。7 8 月是全年最热的月份，平均气温在2 7 5 2 7 9 。c 之间，最冷在1 月，平均气温在2 9 3 5 c 。历史上最高气温为4 0 2 。c ，最低 气温为一1 2 1 。作物生长季节较长，平均无霜期在2 2 2 2 3 5 天。常年1 1 月中旬初 霜a 月平均气温高于i o 。c ，作物生长期平均有2 3 0 天左右，高于1 5 。c 喜温作物生长 期也有1 8 5 天左右。5 0 m 地温平均在1 6 6 1 7 5 c 之间。本市光照能量丰富，年平均 太阳总辐射量在l l o 1 1 9 k c a l c m 2 之间，其中7 、8 月份出现高值，平均达1 4 o k c a l c m 2 左右；低值出现在1 2 月，仅为6 k c a l c m 2 左右。 上海市风向特点：4 8 月夏季风盛行，风向为东南偏东到东南风；从春到夏的 过渡月份3 月，以东北偏北风最多；从夏到秋的过渡月份9 1 0 月，以东风到东北 偏北风最多，1 1 月至次年2 月，以西北风最多。以宝山站为代表进行风向频率统计， 河海人学坝士论文 第二章自然概况 显示本市以东南偏东风最多，达1 1 3 ，其次为e n e 向9 5 和n n e 向9 3 a 上海的降水量在一年中呈现一个时期偏多，一个时期偏少的特征，三个多雨期 分别是春雨期、梅雨期和秋雨期，三个少雨期分别为盛夏期、晚秋期和冬季。全市 年平均降水量为1 0 9 6 4 m m 左右，年内6 9 月集中的四个月降水量占全年雨量5 2 左右。本市是暴雨多发地区之一，据龙华气象站( 作为代表站) 资料统计，白1 8 8 7 至1 9 9 9 年的1 2 3 年中，发生暴雨( 日雨量大于5 0 m m ) 次数为3 4 9 次，平均每年发 生2 9 次。8 5 发生在汛期，其中6 9 月最为集中，常造成水涝或市区积水。暴雨 在时空上是不断变化的随机过程，各场暴雨的时程分配、地区分布均有所不同，区 域性很强。其中，静止锋型暴雨占3 7 7 ，台风型( 包括台风、台风倒槽、台风切变) 占1 7 ，低压型1 4 ，冷锋型1 0 ，其它类型暴雨占2 1 3 。在各类暴雨中，台风 型( 特别台风倒槽) 暴雨强度较大。 2 4 水文地质 上海第四系沉积中有七期埋盖的古河流，构成上海地区7 个含水层，它们分别 为： 潜水含水层：位于表土层以下，以河口滨海相堆积为主，是第四系第七期 埋盖的古河流及入海的河口遗迹。岩性为黄褐色亚粘土或砂土等，厚度8 2 0 m 。 潜水承压含水层：只在陆域呈带状分布，为河口滨海相沉积。岩性以褐黄、 扶黄色粉细砂、细砂为主，偶夹亚砂土与亚粘土。顶板埋深2 0 4 0 m ，底板埋深2 5 4 5 m ，厚度一般为6 1 5 m ，东南部达3 0 余r n 。 第一承压含水层：分布广泛，以河口滨海相堆积为主。按沉积旋回可分为 两个承压含水层。两个含水层普遍沟通，水力联系极其密切，可视为一个含水组。 上层岩性以中细砂、细砂为主，夹亚砂土、亚粘土；下层岩性为含砾中粗砂夹细砂， 偶夹亚粘土。 第二承压含水层：分布广泛，为河口滨海相堆积。北部岩性主要为中粗砂 夹细砂，南部一般为中细砂，细砂亚粘土或亚粘土。 第三承压含水层：除了金山县吕港金山嘴和奉贤县星火农场西部基岩 隆起地段无堆积外，分布较广，为河湖相堆积。 第四承压含水层：本层在平面上呈两条带状分布。东部为古长江水系，从江苏 浏河经宝山至川沙入海；南部属古钱塘江水系，从浙江嘉兴水系到金山枫泾，经松 河海大学硕l 论文 第一二章自然概况 江在南汇、川沙地区汇合，为初期河流至后期河湖相堆积。河床及河口部位岩性以 砾质中粗砂或粗砂卵石层为主，毗邻基岩边滩为粉细砂夹亚粘土。 第五承压含水层：主要见于上海北部地区，是第四系第一期吉河流遗迹。岩性 底部为泥砾石，厚o l o m ；下部为粗砂夹砾石，厚o 6 m ；中部粘土夹中细砂，上 部细中砂。 2 5 水系、河流、湖泊 上海地处长久三角洲地区，东滨东海，南靠杭州湾，具有广阔的沿江沿海水域， 由长江河口段、杭州湾北侧和东海临岸一带组成。上海的陆域水系，属太湖流域， 黄浦江承泄太湖来水，干支流遍布城乡，是江南的水网地区；此外长江口江岛有崇 明、长兴和横沙等三岛，各有独立的河道。 长江河口段为东西走向，平面外形呈喇叭形，自江苏徐六泾为起点，至5 0 号灯 浮，长为1 6 7 3 k m ；从徐六泾段的5 k m 宽至苏北咀与南汇咀间的宽度达9 0 k i n ，江 面逐渐放宽。长江于流经崇明岛分为南支和北支，南支经中央沙、长兴岛、横沙岛 又分为南港和北港，南港经九段沙又分为南槽和北槽，形成三级分、四口入海的格 局，是一个陆海双相，潮流强，径流大，且挟沙亦多的河口，长江口是中等强度的 潮汐河口，在口外为正规半日潮，口内为非正规半日潮，潮流界在江苏镇江至江阴 之间，潮区界可达安徽大通附近。 杭州湾是我国著名的强潮河口，由于湾口束窄较快，潮流强劲，能量突变，在 海宁附近出现涌潮。 上海的陆域水系，以黄浦江为主干贯穿全市( 除江岛外) ，形成千支流交叉纵横 的河网水系。全市拥有水面积4 0 5 ，5 4 k m 2 ，水面率为6 4 ，常水位条件下，本市河、 湖槽蓄容量9 5 6 x1 0 8 n 1 3 。 黄浦江是构成上海陆域水系的最大骨干河，上海有斜塘( 拦路港) 、圆泄泾、大 泖港三大源流，三流在松江汇合后称黄浦江，通常以淀山湖以下的拦路港为正流。 河身自米市渡主流呈东向西，闸港转为南北向，流经9 个区，贯穿上海市中心城区 后，在吴凇口流入长江，自淀山湖至吴凇口全长1 1 3 4 k m 。黄浦江发源于太湖，属太 湖领域水系，亦是长江入海前的最后一条支流，具有航运、供水、灌溉、排水、旅 游等多功能河道。 太浦河是太湖领域综合治理的十大骨干工程之一，西起江苏吴江横扇乡，向东 l i 【海大学砸l 论文 第二章自然概况 经平望、黎里、芦墟等，并经浙江嘉善边缘境内，进入上海青浦县的金泽、练塘， 汇入黄浦江l 游西泖河，全长5 7 1 4 k m ，其中上海段长1 5 2 4 k i n 。太浦河上海段河 道标准为河底宽1 2 0 1 3 0 m ，河底标高一5 一5 5 m ，边坡l ：3 1 ：7 。 苏州河现为黄浦江支流，原名吴凇江，发源于太湖瓜泾口，东流至上海青浦赵 屯乡境内，至黄浦公园汇入黄浦江，全长1 2 5 k m ，其中自北新泾至外滩黄浦公园氏 约1 7 k m ，穿越市中心城区河段，曲折多弯，有急弯9 处，河面宽4 0 5 0 m ，河口最 宽约1 3 0 m ，河底宽1 5 2 0 m ，河道水深在2 m 以上。 郊县干河主要有蕴藻浜、油墩港、大治河、金汇港和南横引河等十余条。 淀山湖位于青浦县西部，是上海地区最大的天然湖泊，最大长度1 4 5 k m ，最大宽度 8 1 k m ，面积6 2 k m 2 ，属上海境内4 7 5 k m 2 ，平均水深2 1 1 m ，蓄水量约t 1 1 0 8 m 3 ， 年平均调蓄量o 6 9 1 0 8 m ，。 1 4 河海大学顺1 论文 第三章时间序列组成分析 第三章时间序列组成分析 各种水文要素的变化“不仅有在空间中互相邻近的历史，而且还有在时间上前 后相继的历史”。如果把水文要素随时问的变化作为一个随机过程来研究，那么，将 某一水文随机过程离散化以后就可以得到一个水文时间序列，在一定条件下，可以 分析出水文要素前后期演变情况的统计规律，并可应用这一统计规律由前期水文要 素的数值作出后期要素的预报。时间序列分析讨论的是因变量( 预报对象) 自身变 化的统计规律，而不涉及到与其他变量的