發布時間：2020-01-14所屬分類：工程師職稱論文瀏覽：1次
摘 要： [摘 要] 峽門河屬于石羊河重要二級支流，長期缺乏必要預報手段，對此，采用峽門臺水文站 1985 年～ 2007 年和哈溪水文站 2008 年～2017 年降水、來水數據，通過周期均值迭加和 AR IMA 模型演算，率定相關參數，初步建立峽門河中長期水文預報基礎，并結合 201
[摘 要] 峽門河屬于石羊河重要二級支流，長期缺乏必要預報手段，對此，采用峽門臺水文站 1985 年～ 2007 年和哈溪水文站 2008 年～2017 年降水、來水數據，通過周期均值迭加和 AR IMA 模型演算，率定相關參數，初步建立峽門河中長期水文預報基礎，并結合 2018 年 1 月～6 月降水情況，對預報方案進行修正，最終確定 2018 年為極端枯水年，周期均值迭加法預測 2018 年峽門河來水量為 0.6290 億 m3 ，AR IMA 模型預測為 0.6004 億 m3 。
[關鍵詞] 水文預報;周期均值迭加;AR IMA;峽門河.
水文預報是現代水文學科的分支，是建立在充分掌握客觀水文規律的基礎上，預報未來水文現象的一門應用科學技術[1]。目前，許多流域水文測驗設施的密度，無法滿足建立高精度的水文預報方案，而水文要素作為典型的時間序列要素，具備時間序列統計分析的可行性[2]，鑒于此，基于統計學方法的長期預報在小流域水文預報探索階段有無可比擬的優勢。
作為區域經濟支撐點哈溪鎮的過境河流，峽門河長期缺乏必要預報手段，不利于抗旱防洪，開展相關研究勢在必行。本文將以峽門河 33 年實測數據為支撐，探索符合實際、具備一定精度的長期預報方案，并嘗試對 2018 年水情進行預報。
1 流域概況
峽門河又稱黃花灘河，屬石羊河二級支流，發源于祁連山北麓甘肅天�？h與青海門源縣交界處的青分嶺、紅腰峴以東，沿東偏北向至天�？h哈溪鎮與哈溪河匯合成黃羊河，全長 34 km，流域面積 325 km2 ，多年平均降水量 489 mm，多年平均徑流量 0.847 億 m3 。從 1989 年至 2008 年，總體上天然來水量為減少趨勢，年際變幅大。最小年徑流量 0.5798 億 m3 發生在 2013 年，最大年徑流量 1.482 億 m3 發生在 1993 年。徑流年內分配極不均衡，4 月~10 月徑流量占總量 87%以上，11 月至次年 3 月徑流量不到總量 14%，一般最小徑流出現在 2 月份。
2 研究方法
2.1 周期均值迭加法
將水文要素的時間變化過程概化為多個周期序列的迭加，通過 F 檢驗判定有 k 個顯著周期，則其數學形式表示為：
2.2 ARIMA 模型法
ARIMA 模型(Autoregressive Integrated Moving Average Model)，全稱為自回歸積分滑動平均模型，是指將預測對象的時間變化過程視為一個隨機序列，用一定的數學模型來近似描述，從而將非平穩時間序列轉化為平穩時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現值和滯后值進行回歸所建立的模型[4]、[5]。數學模型確定后就可以通過時間序列的實際值來預測未來值。
借助 SPSS 的時序分析模塊可以實現 ARIMA 模型預報。
3 預報演算
使用峽門臺水文站(1985 年～2007 年)與哈溪水文站(2008 年～2017 年)實測數據，進行周期均值迭加演算與 ARIMA 模型演算，確定參數值。
3.1 周期均值迭加演算
在數據文件 yubaodata1.xls 中新建工作表，復制實測數據，保存文件。
打開周期均值迭加程序，選擇預報站點為哈溪，預報時段為年徑流，校核資料個數 5，預報數值 1，依次點擊輸入資料、計算、顯示預報結果、顯示預報圖形，即可得到預報結果，如圖 1。
3.2 ARIMA 模型演算
打開 SPSS 數據編輯器導入數據，修改變量名稱，輸入預報年份。
點擊分析→預測→創建模型，打開時間序列建模器，自變量“年份”，因變量“年徑流量”，方法選擇“ARIMA”，選擇模型參數，如圖 2。
分別選擇模型參數(p，d，q)為(1，1，1)、(1，1，2)、(1，1，3)、(1，1，4)，點擊繼續，開始預報調試。
四種參數條件下的演算結果如表 1。
4 預報結果分析及徑流年內分配
4.1 演算分析
根據《水文情報預報規范》要求，“內陸及干旱地區水量預報的許可誤差，取實測值的 20%，枯季月徑流預報的許可誤差，取實測值的 30%”、“甲等：合格率≥85%;乙等：85%>合格率≥70%”，判定周期均值迭加法合格率 80%，屬乙等預報方案;參數選擇(1，1，4)情況下 ARIMA 模型合格率 100%，但整體預報結果趨勢與實際來水趨勢不吻合，參數選擇(1，1，3)時，除枯水年不合格外，其他年份誤差較小，并且趨勢與實際情況較為吻合，故選擇參數為(1，1，3)的 ARIMA 模型，此時合格率 80%，也屬乙等預報方案。
周期均值迭加法 2018 年年徑流預報結果為 0.85 億 m3 ， ARIMA 模型預報結果為 0.76 億 m3 。
兩種方法均存在極端枯水年預報誤差過大問題，應根據預報當年的前期降水量判斷是否為極端枯水年，若為極端枯水年應當引入枯水修正系數。
4.2 枯水修正
在完成周期均值迭加預報和 ARIMA 模型預報的基礎上，繪制 1985 年～2017 年徑流量與 1 月～6 月降水散點圖，分析發現峽門河存在兩種明顯的枯水現象：①1 月～6 月降水量 80mm～95mm 時，年徑流量在 0.6 億 m3 左右，稱枯水現象 A;② 1 月～6 月降水量 120mm～130mm 時，年徑流量在 0.7 億 m3 左右，稱枯水現象 B，見圖 3。
普遍地，當降水量符合枯水現象 A 時，對周期均值迭加預報結果乘以枯水修正系數 kA1，kA1 結合 2013 年預報誤差取 0.74，對 ARIMA 模型預報結果乘以枯水修正系數 kA2，kA2 結合 2013 年預報誤差取 0.79。同樣，當降水量符合枯水現象 B 時，對周期均值迭加預報結果乘以枯水修正系數 kB1，kB1 參照枯水現象 A 和比例關系取 0.89，對 ARIMA 模型預報結果乘以枯水修正系數 kB2，kB2參照枯水現象 A 和比例關系取 0.95，詳見表 2。
哈 溪 站 2018 年 1 月～6 月自記雨量計實測降水量為 85.8 mm，符合枯水現象 A，判定 2018 年為極端枯水年，因此由周期均值迭加法預測 2018 年峽門河來水量為 0.6290 億 m3 ， ARIMA 模型預測結果為 0.6004 億 m3 。
4.3 重現期確定
根據 33 年來水資料序列繪制峽門河年徑流頻率曲線，確定 2018 年來水重現期，如圖 4。
枯水適線采用“就低”原則，周期均值迭加預報來水量 0.6290 億 m3 代表頻率 92.3%，重現期為 13 年;ARIMA 模型預報來水量 0.6004 億 m3 代表頻率 95.7%，重現期為 23 年。兩種預報結果在實測序列中分別排第 5 位，第 2 位，屬極端枯水年，預報結果與石羊河流域整體豐枯趨勢一致。
4.4 徑流年內分配
根據前期降雨徑流和枯水修正選擇枯水現象 A 中的代表年 2001 年作為年內分配的模板，等比例分配，如圖 5。
由徑流年內分配可知，5 月～10 月徑流量占全年 78%以上，下半年徑流量占全年 71%以上，來水高度集中。
5 結論與建議
5.1 結論
1)鄰近值對周期均值迭加預報結果影響較大，序列均值對ARIMA 模型預報結果影響較大。
2)直接使用預報軟件，兩種方法都有 80%的合格率，能較好地契合峽門河實際水情，但都不能滿足枯水年預報精度要求。豐枯程度不同，需要引入不同的枯水修正系數進行枯水修正。
3)除枯水年，兩種方法的預報精度也存在差異。偏豐水年周期均值迭加法預報精度明顯高于 ARIMA 模型，平水年 ARIMA 模型預報精度高于周期均值迭加，但均在 10%以內。
4)周期均值迭加需要判定周期是否顯著，如果數據序列較短，無法判定周期或顯著周期不存在，則周期均值迭加不能使用，同時不同豐枯情況兩種預報方法預報精度不同，因此在預報中應當采用盡可能多的資料相互印證。
5.2 建議
經前期降水、預報分析，2018 年屬極端枯水年，預測峽門河來水量較多年均值偏少二到三成，可能對經濟發展產生不利影響，建議相關部門參考預報結果，根據雨水情變化、下游黃羊水庫蓄水情況、農田土壤墑情和沿線哈溪鎮與黃羊鎮城鄉供水情況，加強旱情監測，儲備抗旱物資，必要時開展人工降雨作業，最大程度降低旱情影響，同時注意防范可能出現的短時強降水。
相關知識推薦：水文與工程地質行業工程師的職稱論文如何發表
從事水文地質、工程地質、環境地質、礦產地質勘查、區域地質調查等地質專業技術人員可以評定地質類工程職稱，他們評職稱論文也是必要的條件，那么這一行業工程師職稱論文如何發表?這使很多作者比較困惑的，其實水文地質專業發論文和其他行業是一樣的，首先需要寫作優秀的論文，然后選擇適合的期刊，經由專業的編輯老師投稿發表，這比自己投稿成功率要大很多。
SCISSCIAHCI
