基于时间序列的延河流域水沙周期分析及趋势预测

论文摘要

延河流域地处黄土高原丘陵沟壑区,为遏制严重的水土流失,20世纪70年代以来经历了大规模和大面积的水土流失综合治理。受气候变化、流域自然条件及人类活动的影响,延河流域出现水沙减少,但年际变化大、年内分配不均等复杂现象。本文以延河流域上世纪最后近50年的水文观测数据为基础,以小波多尺度分析方法为核心,与Mann-Kendall非参数检验法和ARIMA（差分自回归滑动）模型相结合,对延河流域降雨、径流和输沙水文序列的趋势性、突变性、周期性和随机性进行研究,为理解和掌握黄土高原水土流失综合治理对径流和输沙影响提供科学依据,为区域水土流失过程定量评价与建模提供参考。结论如下:（1）在大的时间尺度上（对应小波分解第8层）,自上世纪50年代延河流域降雨、输沙呈下降趋势;径流序列在1979年存在突变点,从50-70年代呈上升趋势,80年代至今呈下降趋势。较大时间尺度上（对应第7层）,自上世纪50年代,延河流域降雨序列突变点为:1966年、1988年;径流序列突变点为:1965年、1978年、1988年;输沙序列突变点为:1965年、1977年、1987年。以突变点为界限,将水文序列划分为若干连续子序列,各子序列的趋势变化大概一致,但趋势显著性有差异。（2）延河流域水文序列整个观测时段上,降雨量和输沙量序列统计量的趋势变化相关性较好,相关系数为0.86;而降雨与径流、径流和输沙的趋势变化的相关性相对较差,相关系数分别为0.47和0.41。若以1979年为界限,分为1957～1978年和1979～2000年两个时期。降雨和径流趋势相关性,前期较后期高。径流和输沙在两个时段内相关性均较差,有微小提高趋势。分析其原因,降雨的量、雨强、雨型、时空分布变化,70年代后期水土保持措施的大面积实施,同时人类不合理的开发利用水资源,破坏了下垫面拦沙保水作用,增大流域产水产沙量的负效应因子,都可能对降雨、径流和输沙的趋势相关产生影响。具体原因仍有待于进一步探讨。（3）延河流域降雨、径流和输沙存在着显著的周期,且其大小非常接近,为3、6.5、13和23年。降雨、径流和输沙主周期分别是3、23和23年。在3年对应的小尺度上,上世纪70-80年代初3个水文序列对应曲线出现紊乱现象,与该时期大规模水利水保措施的修建有关。80年代后,由于水利水保措施减水减沙效益的削弱,3条曲线重新趋于一致。在13年对应的中尺度和23年对应的大尺度上,均出现径流和输沙曲线不同步,或者滞后于降雨曲线现象。降水是径流和输沙周期性变化的主要外动力因子,人类活动导致的流域下垫面变化则是不可忽视的另一重要原因。（4）将小波方法与ARIMA（差分自回归滑动）模型相结合对延河流域2000年月均径流序列进行预测,较单纯使用ARIMA模型比较,平均相对误差从34.8%降低至27.8%,一致性指标和有效系数分别从0.70、0.68提高到0.80、0.85。（5）首次在延河流域水文时间序列分析中使用了小波分析法,明确了延河流域水文要素的周期变化并对其进行了建模预测。将小波分析方法与Mann-Kendall非参数检验法相结合,在水文时间序列分析研究方法上进行了有益的探索,改善了Mann-Kendall法只能在单一尺度上进行水文序列趋势分析的局限;对延河流域降雨、径流和输沙水文序列的周期成份进行了同一尺度的对比分析,并对周期随尺度变化的演替特征进行初步探讨。水文要素的变化规律是一种复杂的水文现象。小波方法作为水文科学近些年来兴起的新技术和新方法,仍有许多不成熟和有待于完善的地方。小波分析法与Mann-Kendall的结合应用来判断水文序列的趋势及变化特征,在方法、对结果的分析与原因探寻上仍有待于探讨。不同时间尺度上水文要素间联系的深入分析是水文尺度效应研究的难点。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 水文序列趋势分析研究进展
• 1.2.2 水文序列周期分析研究进展
• 1.2.3 水文时间序列建模与预测研究进展
• 1.3 研究内容与技术路线
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.3.3 技术路线
• 第二章 研究流域概况及资料情况
• 2.1 流域位置
• 2.2 气候
• 2.3 土壤与植被
• 2.4 水土保持工程
• 2.5 基本资料以及标准化处理
• 2.5.1 基本资料
• 2.5.2 数据标准化处理
• 第三章 水文时间序列分析及方法
• 3.1 水文时间序列
• 3.2 基于小波的水文时间序列分析
• 3.2.1 小波多分辨率分析法
• 3.2.2 离散小波变换
• 3.2.3 小波分解与重构
• 3.3 非平稳时间序列分析方法
• 3.3.1 非平稳时间序列检验
• 3.3.2 平稳化处理
• 3.4 时间序列的参数模型及识别
• 3.4.1 参数模型
• 3.4.2 模型识别
• 第四章 水文时间序列趋势分析
• 4.1 基于Mann-Kendall 检验法的水文序列趋势分析
• 4.1.1 Mann-Kendall 检验法
• 4.1.2 趋势突变点分析
• 4.2 基于小波方法的趋势分析
• 4.2.1 基本步骤
• 4.2.2 趋势分析
• 4.3 MK 检验法与小波方法相结合的趋势分析
• 4.3.1 趋势突变点检验
• 4.3.2 趋势相关性分析
• 4.4 本章小结
• 第五章 水文时间序列的周期分析
• 5.1 水文时间序列周期性分析
• 5.2 小波周期分析方法
• 5.2.1 小波函数
• 5.2.2 小波变换系数图
• 5.2.3 小波方差
• 5.3 水文时间序列周期分析
• 5.3.1 水文时间序列的周期判断
• 5.3.2 降雨、径流和输沙周期变化特征
• 5.4 本章小结
• 第六章 基于小波理论的水文时间序列建模与预测
• 6.1 基于小波理论的非平稳时间序列的预测方法
• 6.1.1 小波变换的参数确定
• 6.1.2 小波变换单支重构
• 6.1.3 基于小波变换的建模与预测
• 6.2 模型建立及预测
• 6.2.1 小波分解
• 6.2.2 小波系数的单支重构
• 6.2.3 逼近系数建模
• 6.2.4 细节系数建模
• 6.2.5 模型预测
• 6.2.6 反标准化处理
• 6.2.7 预测精度评价
• 6.3 本章小结
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢
• 作者简介