国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于馬爾科夫鏈模型對(duì)河流徑流量預(yù)測(cè)探析

2018-04-17 03:07:17
水資源開發(fā)與管理 2018年3期
關(guān)鍵詞:馬爾科夫徑流量徑流

 

(遼寧省鞍山水文局,遼寧 鞍山 114039)

1 概 述

中長(zhǎng)期洪水預(yù)報(bào)是建立在洪水的形成和運(yùn)動(dòng)的基礎(chǔ)上,利用歷史和實(shí)時(shí)的水文氣象資料,來預(yù)測(cè)未來某一段時(shí)間的洪水發(fā)展趨勢(shì),是防災(zāi)減災(zāi)的一項(xiàng)重要的非工程措施。在多年的研究和實(shí)際的防洪工作中,丹東的洪水預(yù)報(bào)在理論和實(shí)踐經(jīng)驗(yàn)方面取得了很大的成就。針對(duì)東部地區(qū)洪水預(yù)報(bào)模型的特點(diǎn),編制了主要河道控制站的實(shí)時(shí)洪水預(yù)報(bào)方案,開發(fā)了許多實(shí)用的在線實(shí)時(shí)洪水預(yù)報(bào)系統(tǒng),為防洪決策提供了科學(xué)依據(jù)。近年來,對(duì)水文預(yù)報(bào)的要求越來越高,不僅需要正確的短期預(yù)測(cè)和周期較長(zhǎng)的中期和長(zhǎng)期的預(yù)測(cè),更需要定性的預(yù)測(cè)和定量的預(yù)測(cè)。

馬爾科夫預(yù)測(cè)模型是應(yīng)用馬爾科夫鏈的基本原理和方法來分析研究時(shí)間序列的變化規(guī)律,從而預(yù)測(cè)其未來變化趨勢(shì)的一種技術(shù),適合于隨機(jī)波動(dòng)較大的預(yù)報(bào)問題。本文根據(jù)大洋河年徑流系列數(shù)據(jù),應(yīng)用馬爾科夫鏈定性預(yù)測(cè)模型,預(yù)報(bào)未來年份的年徑流總量的趨勢(shì)。

大洋河發(fā)源于鞍山市岫巖縣的唐帽山,流經(jīng)岫巖、鳳城、東港3縣(市),在東港市大孤山馬家坨子附近注入黃海,全長(zhǎng)201.7km,流域面積6208km2。河床構(gòu)造,上游多為卵石、粗砂,中游砂礫,下游為中細(xì)砂。河道平均坡度1.1‰,一般河寬300~400m。

沙里寨水文站是大洋河流域重要控制站,其積水面積為4810km2,干流河長(zhǎng)157km,該站距河口44.7km,河道平均比降為1.4‰,1957年6月建站,具有實(shí)測(cè)水位、流量資料。據(jù)調(diào)查歷史上該斷面曾經(jīng)發(fā)生較大洪水有3次,分別為:1888年8月、1937年8月及1960年8月,最高洪水位分別為104.79m、102.93m、102.83m,推求最大洪峰流量分別為15600m3/s、11800m3/s、12900m3/s。該站斷面河道順直,河床為細(xì)沙組成,具備了高洪測(cè)流的條件。

2 馬爾科夫預(yù)測(cè)模型

馬爾科夫過程是一種較普遍的隨機(jī)過程,其特點(diǎn)是后效性。

如果對(duì)時(shí)間t的任意n個(gè)數(shù)值(n≥3),在條件X(ti)=xi(i=1,2,…,n-1)下,X(tn)的分布函數(shù)恰好等于在條件X(tn-1)=xn-1下X(tn)的分布函數(shù),即

F(xn;tn|xn-1,xn-2,…,x1′;tn-1,tn-2,…,t1)

=F(xn;tn|xn-1;tn-1)(n=3,4,…)

(1)

則稱X(tn)為馬爾科夫過程,簡(jiǎn)稱馬氏過程。

馬爾科夫過程的統(tǒng)計(jì)特性是由轉(zhuǎn)移概率和初始分布所確定。狀態(tài)和時(shí)間參數(shù)都是離散的馬氏過程稱為馬爾科夫鏈或馬氏鏈,它是馬爾科夫過程的一種特殊情況。

馬爾科夫預(yù)測(cè)模型是一種定性預(yù)測(cè),表明未來發(fā)生狀態(tài)的水文時(shí)間序列,首先進(jìn)行時(shí)間序列劃分是建立模型的關(guān)鍵。

設(shè)有預(yù)報(bào)對(duì)象素值序列x1,x2,…,xn,與其多年均值之差除以多年均值的百分?jǐn)?shù)(距平值)為

(2)

式中di——xi的距平值,%;

xi——要素值;

(3)

Ni——狀態(tài)E1出現(xiàn)的總次數(shù)。

由轉(zhuǎn)移概率構(gòu)成的k步狀態(tài)轉(zhuǎn)移概率矩陣為

(4)

其中,p(k)=pk。

設(shè)第0步處于狀態(tài)Si的概率為Ai(0),從狀態(tài)Si轉(zhuǎn)移到狀態(tài)Sj的概率為pij,在第一步處于狀態(tài)Sj的概率為Ai(1),按照貝葉斯公式

P(A,B)=P(A)P(B/A)

(5)

Aj(1)=Ai(0)pij

(6)

若從第n步推廣到n+1,則有

Ai(n+1)=Aj(n)pij

(7)

此式被稱為馬爾科夫預(yù)測(cè)模型,它表示只要知道狀態(tài)轉(zhuǎn)移概率矩陣,就可根據(jù)初始時(shí)刻處于各狀態(tài)的概率來預(yù)測(cè)以后任一時(shí)刻各狀態(tài)的概率。

隨著過程發(fā)展,初始階段的影響將逐漸消失,系統(tǒng)在n時(shí)刻處于狀態(tài)Sj的概率與初始狀態(tài)無關(guān),僅取決于轉(zhuǎn)移概率矩陣,因此,當(dāng)n→時(shí),絕對(duì)概率分布p(n)收斂于一個(gè)極限概率p,

(8)

這時(shí),系統(tǒng)趨于一個(gè)穩(wěn)定狀態(tài)。

3 年徑流總量的動(dòng)態(tài)預(yù)測(cè)

大洋河是鞍山和丹東地區(qū)的重點(diǎn)防汛區(qū)域,該區(qū)域?qū)Ψ篮椤⒎姥吹囊笫牵捍_保下游兩岸河堤在設(shè)計(jì)標(biāo)準(zhǔn)20年一遇的堤防安全,因此,做好沙里寨站徑流預(yù)報(bào)就顯得非常重要。本文選取沙里寨站1985—2014年共30年的年徑流總量數(shù)據(jù),利用馬爾科夫預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。大洋河沙里寨站歷年徑流量過程見下圖。

年徑流量過程圖

為了讓預(yù)測(cè)數(shù)據(jù)更加真實(shí)可靠,根據(jù)丹東地區(qū)的實(shí)際情況,對(duì)大洋河歷年徑流過程情況進(jìn)行定性分析,劃分5個(gè)等級(jí),即豐水、偏豐、正常、偏枯、枯水,具體各個(gè)等級(jí)定量值見表1。

表1 丹東地區(qū)年徑流總量等級(jí)參考

根據(jù)沙里寨站1985—2014年的年徑流總量數(shù)據(jù),計(jì)算多年平均徑流量值以及距平值,按照表1將每年上、下半年分為兩個(gè)階段進(jìn)行豐平枯分類統(tǒng)計(jì),其中枯水14個(gè)、偏枯10個(gè)、正常12個(gè)、偏豐12個(gè)、半水12個(gè),見表2。

表2 數(shù)據(jù)分類

利用轉(zhuǎn)移概率矩陣計(jì)算方法,建立一步轉(zhuǎn)移概率矩陣如下:

根據(jù)一步轉(zhuǎn)移概率矩陣,可求得二步轉(zhuǎn)移矩陣和三步轉(zhuǎn)移矩陣如下:

由貝葉斯公式可以計(jì)算出2015年年徑流總量的狀態(tài)概率向量為

同理,利用二步轉(zhuǎn)移矩陣與三步轉(zhuǎn)移矩陣,可以計(jì)算出2012年與2013年年徑流量狀態(tài)概率(見表3),它表明預(yù)測(cè)年徑流量可能出現(xiàn)各等級(jí)的可能性。

表3 預(yù)測(cè)年徑流量狀態(tài)概率

表3的預(yù)測(cè)結(jié)果表明,2014年預(yù)計(jì)出現(xiàn)枯水,2015年預(yù)計(jì)出現(xiàn)豐水,2016年預(yù)計(jì)出現(xiàn)枯水。這些結(jié)果與實(shí)際情況基本相符??梢?,利用馬爾科夫鏈模型定性預(yù)測(cè)年徑流量等級(jí)是可行的。

4 結(jié) 語(yǔ)

本文利用馬爾科夫鏈模型進(jìn)行大洋河徑流預(yù)測(cè),作為一個(gè)中長(zhǎng)期預(yù)報(bào)的方法進(jìn)行了嘗試,可以發(fā)現(xiàn),馬爾科夫鏈預(yù)測(cè)模型對(duì)過程的狀態(tài)預(yù)測(cè)效果良好。鑒于此方法的可行性,今后在防洪調(diào)度、水利、水電、灌溉工程管理調(diào)度中,都可以應(yīng)用上述方法進(jìn)行中長(zhǎng)期預(yù)報(bào)。馬爾科夫鏈模型既可應(yīng)用于流域定性預(yù)報(bào)預(yù)測(cè),也可應(yīng)用于趨勢(shì)預(yù)報(bào)。

[1]李彬,袁鵬,常江.GM(1,1)改進(jìn)模型在年徑流量預(yù)測(cè)上的應(yīng)用[J].東北水利水電.2006(2).

[2]王義民,于興杰,暢建霞,等.基于BP神經(jīng)網(wǎng)絡(luò)馬爾科夫模型的徑流量預(yù)測(cè)[J].武漢大學(xué)學(xué)報(bào)(工學(xué)版),2008(5).

[3]王玲,黃國(guó)如.基于徑流分類的日徑流量預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型[J].灌溉排水,2002(4).

[4]何萬科.基于灰色系統(tǒng)理論的千河枯水年預(yù)測(cè)[J].水資源與水工程學(xué)報(bào),2008(2).

[5]胡敬鵬,周新志,艾龍.都江堰灌區(qū)渠首優(yōu)化配水模型探討[J].水利科技與經(jīng)濟(jì),2006(1).

猜你喜歡
馬爾科夫徑流量徑流
基于疊加馬爾科夫鏈的邊坡位移預(yù)測(cè)研究
基于改進(jìn)的灰色-馬爾科夫模型在風(fēng)機(jī)沉降中的應(yīng)用
水文比擬法在計(jì)算河川徑流量時(shí)的修正
Topmodel在布哈河流域徑流模擬中的應(yīng)用
馬爾科夫鏈在教學(xué)評(píng)價(jià)中的應(yīng)用
探秘“大徑流”
攻克“大徑流”
SCS模型在紅壤土坡地降雨徑流量估算中的應(yīng)用
資江流域徑流量演變規(guī)律研究
江埡水庫(kù)降雨徑流相關(guān)圖的建立
思茅市| 大厂| 淮安市| 安丘市| 垫江县| 玉山县| 游戏| 始兴县| 且末县| 云南省| 东海县| 嫩江县| 平塘县| 固安县| 连城县| 老河口市| 博罗县| 洪湖市| 从化市| 广州市| 张家界市| 隆昌县| 吉水县| 安溪县| 邯郸市| 吉木萨尔县| 黎城县| 阿克苏市| 安达市| 梁河县| 汪清县| 宝鸡市| 榆中县| 中卫市| 武汉市| 武鸣县| 同仁县| 印江| 建水县| 麻栗坡县| 广元市|