流域水资源分析与预测

流域水资源分析与预测

流量变化对整个水文系统的变化起到了主导作用，对合理有效地开发和利用该地区的水资源具有深远的影响。因此准确地分析和研究流域径流的变化特征,并建立正确的预测模型对流域径流进行科学合理地预测,可以为流域水量的合理调度、水资源保护与规划、水资源有效管理等工作提供比较合理的水量时空分布依据,并为流域的经济发展和生态保护提供重要保障。对径流序列中周期成分识别判断常用的传统方法有滑动平均法、Fourier分析法和滤波分析法等,但这些方法具有在时域和频域上不能显示局部化,对于径流序列是否存在突变点的诊断上缺乏数学上的逻辑性与严谨性等缺点。小波分析是20世纪80年代初在泛函分析、傅里叶分析和调和分析等基础上发展起来的,它可以帮助解决以上问题。小波分析的核心是多分辨率分析,它优于傅立叶变换的地方在于它可以通过伸缩和平移等运算功能对函数或信号序列进行多尺度细化分析,使信号在时域和频域同时具有良好的局部化性质,即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较低的频率分辨率和较高的时间分辨率,很适合于探测正常信号中夹带的瞬变反常信号并分析其成分,使小波变换具有对信号的自适应能力。对秃尾河流域高家川站年径流的预测采用具有强大的非线性处理能力的BP神经网络法进行预测。本文以秃尾河流域高家川站年径流资料为基础,首先运用Mann-kendall秩次检验法和小波分析法分析研究该流域年径流的基本变化特征和演变规律,然后建立BP神经网络模型对秃尾河流域高家川站年径流进行预测,从而为该流域水资源的合理开发、水利工程的建设和水库调度等提供大量准确而可靠的水文信息。1文学分析方法在水文序列变化的应用Mann-kendall法是一种非参数统计检验的方法,经常用于对时间系列中的趋势成分进行检验,由于其变量可以不具有正态分布的特征,因此该方法在水文序列变化趋势的分析上得到了广泛的应用。运用Mann-kendall检验法对秃尾河流域1956-2005年的年径流序列进行分析,得径流序列的统计量uc=-6.76,由于统计量小于零,所以秃尾河流域年径流序列有下降的趋势,又|uc|=6.76>1.96,所以下降趋势明显,由此可见近50年来秃尾河流域年径流序列总体上呈现出明显下降的趋势。2年径流序列变化特征在对1956-2005年秃尾河高家川站的年径流量序列进行小波变换之前,首先需对资料进行标准化处理,然后对径流序列进行Morlet小波变换,以揭示秃尾河流域年径流序列的多时间尺度变化特征。2.1年径流序列特征分布小波变换系数实部图能够反映年径流量随时间丰枯交替变化的特性以及其突变点的位置。图1是秃尾河年径流标准化序列小波变换实部等值线图,图中横坐标为年份,纵坐标为时间尺度,等值线间隔为0.5。图的上半部分为低频,对应较大尺度周期的振动;下半部分为高频,对应较小尺度周期的振动。图1中小波系数为正值用实线表示,反映径流量的丰水期;小波系数为负值用虚线表示,反映径流量的枯水期;小波系数为零的值用粗实线表示,反映径流量多少的转折。小波系数值的大小反应出信号的强弱。由图1可以看出秃尾河流域年径流具有明显的年际及年代际变化,10年以上的尺度表现出一个主要的周期,为主周期15~22年,这一周期表现非常稳定,在整个研究期内始终存在,这一周期主要经历了5个时期枯、丰、枯、丰、枯的交替性变化。在10年以下的尺度上,主要存在两个明显的振荡周期,分别为5~10年和1~3年。其中5~10年左右尺度的振荡周期比较明显,丰枯交替变化比较清晰,波动极值点分布规律明显;1~3年左右尺度的振荡周期丰枯交替在1978年以前的变化比较明显,1978年以后尺度波动的极值点分布相对比较散乱。小波系数模平方相当于小波能量谱,用年径流量小波变换系数模平方的时频分布图来分析年径流在小波变化域中波动能量强弱的变化特性,从而反映出能主导年径流在时间域上发生波动变化的能量聚集中心有哪些。小波变换系数Wf(a,b)的模平方越大,其对应时段和尺度的周期性越显著。图2是秃尾河年径流标准化序列小波变换模平方时频分布图,图中横坐标表示年份,纵坐标表示时间尺度,等值线间隔为0.5,小波系数模平方值的大小代表波动能量的强弱。从图2可以明显地看出各时间尺度在不同时段上的强弱分布。可以看出1956-2005年秃尾河流域年径流序列存在3个比较明显的年际尺度变化特征。其中周期为16~22年的低频振荡在整个研究期内均表现的非常明显,中心时间尺度为18年左右,波动能量在1960-1971年、1975-1985年、1987-1998年和1999-2005年期间的信号表现的最为强烈,4个振荡中心分别在1965、1979、1991和2002年。以5~11年尺度的高频振荡其周期变化具有局部性,中心时间尺度为8年左右,波动能量在1957-1961年、1962-1966年、1968-1972年、1973-1977年期间的信号表现最为强烈,振荡中心分别在1960、1965、1970、1975年;以1~3年尺度的高频振荡其周期变化同样具有局部性,中心时间尺度为2年左右,波动能量在1965-1967年、1968-1970年期间的信号表现的最为强烈,振荡中心分别在1966、1969年。采用小波方差图进一步分析和确定秃尾河流域年径流量时间序列中存在的主周期。图3为秃尾河流域年径流标准化序列的小波变换方差图,图中横坐标为时间尺度(a),纵坐标为小波方差。由图3可以看出,秃尾河流域年径流标准化序列的小波方差图显示了3个明显的峰值,它们分别对应着2、8和19年时间尺度,其中19年尺度的周期对应着最大的峰值,表明19年周期振荡最为强烈,所以是秃尾河流域年径流量变化的第一主周期,8和2年分别是秃尾河流域年径流量变化的第二主周期和第三主周期。2.2年径流序列演变为了进一步详细说明年径流量丰枯交替变化的波动特性,选取固定尺度(a=4、8、22),做小波变换系数Wf(a,b)实部随时间的变化过程线,见图4。由图4可以看出,秃尾河流域年径流量的变化在不同的时间尺度上存在不同的突变点,并且随着尺度的不同突变点的位置也会发生不同程度的偏移,揭示了秃尾河流域年径流量的变化含有各种时间尺度,具有多层次结构的变化特点。在22年尺度上,秃尾河流域年径流序列经历了接近两个振荡周期,其中1958-1973年、1986-1996年为丰水期;1958年以前、1973-1985年、1997-2005年为枯水期。存在4个突变点,突变性质依次是由枯变丰(1958)-由丰变枯(1973)-由枯变丰(1986)-由丰变枯(1997)。目前年径流处在枯水期,未来水量还会持续一段较少期,但水量有增加的趋势。在8年尺度上,秃尾河流域年径流序列经历了四个振荡周期,其中1957-1962年、1968-1972年、1979-1986年、1995-1999年为丰水期;1956年以前、1963-1967年、1973-1978年、1987-1993年、2000-2005年为枯水期,存在8个突变点,突变性质依次是由枯变丰(1956)-由丰变枯(1962)-由枯变丰(1967)-由丰变枯(1973)-由枯变丰(1978)-由丰变枯(1987)-由枯变丰(1993)-由丰变枯(1999)。目前年径流处在枯水期后期,未来一段时间内秃尾河流域水量将会增加。在4年尺度上,秃尾河流域年径流序列的周期振荡更为频繁,经历了7个振荡周期,突变点增加为14个,径流序列存在更多层次的演变。目前年径流处在枯水期,未来一段时间内水量将会持续变少。3bp神经网络模型训练BP神经网络即多层前馈神经网络,它是目前神经网络模型中应用最为广泛的一种模型,它具有结构简单,工作状态稳定等优点,并且有较强的记忆、联想和推广能力,可以任意精度逼近非线性连续函数。前面用小波分析法分析秃尾河流域年径流周期时,得出秃尾河流域高家川站1956-2005年的年径流序列存在一个年数为2的周期,另外,当年降水量也对径流序列有着明显的影响。根据秃尾河流域高家川站1958-2005年的年径流资料、降水资料和BP神经网络基本原理,来建立BP神经网络模型,模型训练和模型检验分别采用1958-2000年和2001-2005年的资料。经过反复调试,最终确定采用3层BP网络模型,输入层节点数为3个,即前两年的年径流量和当年的降水量,输出层节点数为1个,即当年的径流量,当隐含层神经元数为3个时,训练效果最好。输入层到隐含层、隐含层到输出层的传递函数分别采用tansig函数和purelin函数。秃尾河流域1958-2000年年径流的BP神经网络训练结果如表1。然后将秃尾河流域高家川站2001-2005年的年径流与年降水资料导入训练好的BP神经网络内,得到预测结果如表2。由表2可以看出,用所建立的BP神经网络模型对秃尾河流域2001-2005年的径流进行预测,预测结果平均相对误差仅为5.92%,小于10%,预测精度较高,因此,所建立的BP神经网络模型可用于秃尾河流域进行作业预报。4年径流过程变化周期(1)秃尾河流域高家川站1956-2005年年径流呈现出明显下降的趋势。(2)秃尾河流域高家川站年径流具有多时间尺度的周期性变化特征,发现该年径流过程在这48