时间序列分析在地下水动态预测中的应用

建立了基于时间序列分析的地下水埋深动态模型,并对垦区地下水水位进行了预测.结果表明,当样本容量足够大时,该方法的预测结果具有很高的精度以及稳定性,可以应用于地下水埋深的动态预测中.     

基于灰色系统的地下水动态研究

为了深入探求地下水动态变化规律,以陕西洛惠渠灌区实测数据为例,首先采用改进的灰色斜率关联法,对灌区自然-人工-生物条件下地下水动态敏感性因子进行研究,分析了各因子与地下水埋深的关系,并运用灰色动态模型对敏感因子进行灾变预测.结果表明:蒸发量是影响该灌区地下水动态的主要因子,而各因子之间相互作用影响,形成了复杂条件下的耦合关系;灰色动态模型对蒸发量的灾变预测精度较高,完善模型系统.将灰色系统理论应用到灌区地下水动态评价中是切实可行的,是对传统地下水动态研究方法的补充与完善,可为灌区管理和调控提供一定的依据.     

干旱胁迫输水后胡杨测树因子特征及相关分析

为研究塔里木河下游长期干旱胁迫输水后胡杨主要测树因子的响应特征及相互关系,对不同地下水埋深条件下胡杨胸径、冠幅、树高进行了实地调查。结果表明,随离河距离增加（地下水埋深下降）,胡杨冠幅、树高逐渐减小,但胸径变化没有规律性。将调查数据按径阶进行冠幅与胸径、胸径与树高间的相关分析,结果表明其显著相关。用胡杨胸径与树高模型预测树高的平均精度为90.08%,随着地下水埋深下降,模型拟合精度逐渐降低;用胡杨冠幅与胸径模型预测胸径的平均精度为81.37%,模型拟合精度随地下水埋深变化的规律性不明显,这是胡杨经历长期干旱胁迫输水后地下水埋深条件不一致的客观表征。      

基于权马尔科夫链模型的河套灌区上中下游地下水埋深预测研究

以拓展和深化区域地下水埋深预测研究为目的,运用随机理论,建立了基于加权马尔科夫链的地下水埋深预测模型,预测内蒙古河套灌区上中下游在未来时段内地下水埋深所处区间值。结果表明：节水改造后灌区中游区的地下水埋深更多的时候处于［2.380, 2.742)区间,下游区的地下水埋深更多的时候处于［2.218, 2.506)区间,这两个区间的数值都低于内蒙古河套灌区的临界地下水埋深2.0 m,在未来的一段时间河套灌区中下游的盐渍化有望进一步减轻。而上游区的地下水埋深更多的时候处于［1.227, 1.727)区间,此区间的数值高于内蒙古河套灌区的临界地下水埋深2.0 m,在未来的时间河套灌区上游是控制地下水埋深的重点区域。     

年径流预测的灰色自记忆模型

将灰色系统建模方法和自记忆建模结合起来,提出了年径流预测的灰色自记忆模型。实例研究表明,灰色自记忆模型能很好地反映动态数据序列的极值趋势,且具有较满意的拟合及预报精度。     

盐渍化灌区水盐田间尺度时空分布及关联分析

【目的】分析干旱盐渍化灌区非饱和-饱和带水盐的时空分布特征及其内部关联度,为内蒙古河套灌区盐渍化防治提供理论依据。【方法】运用经典统计学和地质统计学方法,分析了内蒙古河套灌区隆胜试验示范区作物播种前、生育期、收割后土壤水盐的时空变异特征,并利用灰色关联分析对不同地下水埋深条件下的土壤含水量、土壤含盐量、地下水埋深和地下水矿化度进行了交叉综合排序。【结果】内蒙古河套灌区隆胜试验示范区在播种前、生育期、收割后的土壤含水量和地下水埋深均呈中度偏弱变异性,而表层(0~40cm)土壤含盐量和地下水矿化度均呈中度偏强变异性。表层土壤含水量、含盐量均表现出北高南低的空间分布趋势,地下水埋深呈北浅南深趋势,地下水矿化度分布为西北高东南低。对不同地下水埋深条件下的水盐因子进行关联度分析发现,当地下水埋深年均值为1.5m时,对地下水埋深关联度最大的因子为土壤含水量(关联度为0.726 1),土壤含水量、土壤含盐量和地下水矿化度均以地下水埋深为最大关联因子(关联度依次为0.724 0,0.683 2,0.643 2);在地下水埋深年均值为2.0m条件下,各因素间灰色关联度达到相对平衡状态;当地下水埋深年均值为2.5m时,土壤含盐量与土壤含水量、地下水埋深与地下水矿化度互为关联度最大的因子。【结论】建议采取合理措施降低研究区北部地下水埋深,防止区域土壤盐渍化加剧。     

灰色GM（1，N）自记忆模型研究

对灰色多变量自记忆模型进行了尝试性研究,首次将系统的影响因素在建模时加以考虑,给出了建立灰色GM(1,N)自记忆模型的方法.在此基础上结合新疆和田绿洲月蒸发能力实测资料,建立了灰色GM(1,2)自记忆模型,取得了理想的预测效果.结果表明,建立的多因素影响的灰色自记忆模型有着可行性.     

基于EMD的磴口县地下水埋深动态预测

以生态脆弱区典型县域磴口县为研究区,利用经验模态分解法(EMD)处理非线性、非稳定性复杂信号的优势,对磴口县1987—2016年共30a的年均地下水埋深时间序列进行分解,并对分解的结果进行分析;然后将降水量、气温、相对湿度、蒸发量、日照时数5种影响地下水埋深动态变化的因子与地下水埋深进行回归分析,得到其变化规律;把对磴口县地下水埋深影响最为显著的因子作为BP神经网络预测模型输入层的一部分,建立基于EMD的BP预测模型和未经过EMD处理的BP预测模型。结果表明,IMF1、IMF2和IMF3本征模态分量是影响磴口县1987—2016年地下水埋深动态变化的主要原因,方差贡献率之和为95.38%;降水量和蒸发量对磴口县地下水埋深影响最显著,且降水主要集中在秋季和夏季,秋季降水最多;蒸发主要集中在夏季和秋季,夏季蒸发量最大;EMD-BP预测值均方误差(MSE)较小且决定系数(R2)较高,均优于BP预测值,模型预测精度较高,对磴口县地下水埋深预测具有一定的实用性。     

基于权马尔科夫链模型淮北平原西部地下水埋深预测研究

地下水位埋深动态预测研究是地下水资源评价的重要内容之一;地下水位变化受气象、水文、地质、开采及补给等诸多因素制约,而且各因素之间的关系很难确定,难以用简单的线性函数进行描述,故地下水埋深具有随机性。该研究采用基于权马尔科夫链建立淮北平原西部地下水埋深预测模型,预测了区内地下水埋深所处的区间值,结果表明研究区中深层地下水多处于[5.080 m,5.960 m),处于[6.448 m,+∞)出现的概率也偏高;浅层地下水埋深多处于[2.925 m,3.635 m),处于[3.990 m,+∞)也呈现增大趋势,研究表明在地下水不合理的开发利用下,淮北平原西部地下水埋深呈增大趋势;该研究成果为淮北平原西部地下水资源管理与决策提供一种新的方法。     

优化GM(1,1)模型在预测地下水埋深中的应用

合理的开发和利用地下水对农场的可持续发展具有重大的意义。本文采用优化GM(1，1)模型，对地下水埋深进行了预测，拟合精度较高，预测效果较好，对于指导创业农场合理开发利用地下水提供数量指标和科学理论依据。     

水文时间序列的系统自记忆模式研究

将“系统自记忆模式”引入到水文时间序列预测中,推导了描述水文系统动力特性的微分方程,建立了水文时间序列预测的系统自记忆预测模型,并以黄河上游贵德水文站1919~1997年径流资料对该模型进行了验证。结果表明,该模型具有预测精度高,稳定性好,观测误差对预测值影响小的优点。     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

Assessment of Soil Water Content in Field with Antecedent Precipitation Index and Groundwater Depth in the Yangtze River Estuary

To better understand soil moisture dynamics in the Yangtze River Estuary (YRE) and predict its variation in a simple way, a field monitoring experiment was carried out along the north branch of the Yangtze River, where seawater intrusion was strong and salt-water variation is one of the limiting factors of local agriculture. In present paper, relation between antecedent precipitation index (API) and soil water content is studied, and effects of groundwater depth on soil water content was analyzed. A relatively accurate prediction result of soil water content was reached using a neural network model. The impact analysis result showed that the variation of the API was consistent with soil water content and it displayed significant correlations with soil water content in both 20 and 50 cm soil layer, and higher correlation was observed in the layer of 20 cm. Groundwater impact analysis suggested that soil moisture was affected by the depth of groundwater, and was affected more greatly by groundwater at depth of 50 cm than that at 20 cm layer. By introducing API, groundwater depth and temperature together, a BP artificial network model was established to predict soil water content and an acceptable agreement was achieved. The model can be used for supplementing monitoring data of soil water content and predicting soil water content in shallow groundwater areas, and can provide favorable support for the research of water and salt transport in estuary area.     

灰色线性组合模型在涝灾预测中的应用

灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960～2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法.     

灰色预测在公路工程造价控制中的应用

通过灰色预测模型这一数学媒介,来解决公路工程造价控制中随时间而变化的风险因素的预测问题。在对预测原理陈述的基础上,以某公路项目主材的造价指数为例,进行了灰色预测实例分析及灰色预测与其它预测方法的对比分析,来证明这种方法在此类风险预测中的可行性。     

基于灰色系统理论的加工番茄产量预测模型研究(英文)

[目的]研究基于灰色系统理论的加工番茄产量预测模型。[方法]运用灰色系统理论研究了加工番茄产量变化趋势,建立了加工番茄产量预测的GM(1,1)灰模型,并以新疆2001～2009年新疆加工番茄产量为例,进行了实例分析。[结果]该模型有较高的预测精度和较强的泛化能力,对近期加工番茄产量的预测是可靠的。[结论]为新疆地区番茄产业的宏观调控、番茄加工及储藏等方面提供了参考。     

加权马尔可夫链理论在肉类产量预测中的应用

为准确反映肉类产量的波动特征,基于加权马尔可夫链理论提出了灰色残差修正模型,采用均值-均方差分级法,将残差灰拟合精度指标划分为4个状态,利用加权马尔可夫链理论对残差预测值进行修正.以1994-2011年郑州市肉类产量为基础,建立预测模型进行实证分析,并在模型中加入等维信息,结果表明,与传统的灰色预测相比,预测平均相对误差由21.88％降低为1.312％,较好地提高了预测精度.