烟台地区降水量的ARIMA随机模型研究

采用自回归求积移动平均法(AR IM A),对烟台地区历年来的降水量动态数据进行了分析。结果显示,AR IM A(3,1,2)模型提供了较准确的预测效果,相对误差变化在0.21%~5.75%,可以用于未来的预测,并为烟台市降水量的预测提供了可靠依据。     

关中地区月平均降水量预测

通过建立关中地区季节性的ARIMA模型,对月平均降水量序列进行了拟合和预测,结果表明:所建模型对6～11月份的月平均降水量有较高的预测精度,平均预测误差在10%以下;春冬季的预测误差大多在15%以上,对这一时期月平均降水量的预测能力较低.     

基于小波神经网络的朝阳降水预测模型研究

本研究立足于朝阳地区1970—2010年的降水资料,利用MATLAB平台运用小波神经网络降水预测模型对朝阳地区降水量进行预测研究,并将该结果分别与真实值、BP神经网络预测结果对比分析,结果发现:基于小波神经网络的降水量预测模型取得了较高的预测精度,弥补了神经网络预测模型的缺点,减少了迭代次数,能够客观的反应朝阳地区降水情况且方法直观,为朝阳地区的降水量预测提供了较为有效的方法。     

湖南衡阳年、月降水量长期预测研究

应用水电站雨水情长期数值预报的思路和方法，对湖南衡阳年降水量和4～6月及7～9月降水量的长期预测作了研究。在逐步回归方法的基础上，对所选取的因子进行优化筛选，从而使预报的结果与实测值最为接近。这一方法已在多个水电站的长期雨水情预报中获得较好效果。对于湖南衡阳年降水量和4～6月及7～9月降水量的长期预测也应用这一方法，并根据湖南省所在地区气候特点对预测结果作了分析和检验。     

改进的自适应模糊神经网络在降水量预测中的应用

以吉林省白城市为例,将偏自相关系数(PAC)与自适应模糊神经网络模型(ANFIS)相结合预测年降水量,以年降水量序列自身数据作为输入和输出变量,将预测结果与多元线性回归模型(MLR)的预测结果进行对比。结果表明:ANFIS模型和MLR模型在相关资料缺乏的地区对年降水量的预测结果都是可以接受的,但ANFIS模型的预测精度更高,RMSE值更小,NS值更接近于1;运用偏自相关系数确定输入变量相比主观经验判断更好,利用PCF计算得到延迟系数为5,因此,预测年降水量预测应以预测年前5 a的降水量作为输入变量。     

时间序列模型在辽西降水量动态预测的应用

文中结合时间序列模型,对辽宁西部地区的降水量进行了动态预测。研究结果表明:时间序列模型预测的年降水量和区域实测年降水量之间的相关系数达到0.839 6,在4个季节中,夏季预测的降水量相关度最高,达到0.872 5,冬季预测值和实测值相关性最低,为0.590 3,但也可满足降水量预测精度要求。研究成果对于辽宁西部地区降水量动态预测提供参考价值。     

咸阳地区年降水量预测校正研究

运用时间序列分析法,以咸阳亭口站1932—1968年年均降水资料为研究对象建立了AR模型。对咸阳地区1969—1973年年降水量进行了预测,并结合反馈校正法对预测结果进行了校正分析。结果表明:①AR模型预测降水量年际变化不大的年份的结果较为准确,只有很少年份的预测需要修正;②AR模型反馈校正法的校正效果良好,其中1962年、1965年及1968年的反馈校正值与实际值仅相差2 mm左右。     

宝鸡地区降水特征分析及降水量预测

基于宝鸡气象站1961年-2015年降水实测数据,利用线性拟合、模比系数积差曲线、Mann-Kendall检验法、云模型和滑动平均-马尔可夫模型对该地区降水变化特征和降水量预测进行了全面分析。结果表明:宝鸡地区年降水量、丰水期和枯水期降水量的线性变化率分别为-11.9mm/(10a)、2.6mm/(10a)和-14.5mm/(10a),且枯水期降水量的减少趋势显著。宝鸡地区年际与年内降水量分配极不均匀,不均匀性为全年丰水期枯水期;降水量不均匀性的稳定程度为丰水期全年枯水期。丰、枯期滑动平均降水量预测值的总和较年尺度的预测值更为准确,且2016年-2020年的年降水量预测值分别为613.1mm、727.0mm、632.0mm、457.2mm和876.7mm。研究结果可为该地区旱涝灾害的防治提供科学依据。     

基于小波和ARIMA的黄山市年降水量分析及预测

为研究区域降水时间特征,提高年降水量预测精度,采用Morlet小波对黄山市1957-2016年的年降水量周期进行分析,并基于1957-2011年的年降水量构建了ARIMA模型和小波与ARIMA组合模型,分别对该市2012-2016年的年降水量进行了预测及对比分析。结果表明:黄山市近60a年降水量主要受28a、13a、5a的周期波动影响;采用ARIMA及组合模型预测2012-2016年年降水量的平均相对误差绝对值分别为19.8%和12.3%,组合模型的拟合和预测效果更优;两种方法对2012年、2015年和2016年的年降水量预测误差均较大,可能是这几年降水受ENSO事件影响,降水机制异于常年,致模型预测误差较大。结果可为区域中长期水文预报提供科学依据,对区域旱涝灾害预警管理具有一定应用价值。     

应用人工神经网络模型预测白城地区枯季地下水位

根据白城地区地形、地质、土壤、植被在一定时间范围内具有相当稳定的特性,选取10月平均水位、汛期6～9月降水量、枯季11～次年3月降水量3个因子,对次年5月平均地下水位进行预测.优化得出的BP网络模型不仅拟合精度高,而且预测效果好.     

基于加权马尔可夫链的降水预测应用研究

介绍了加权马尔可夫链的预测方法与模型，以川中丘陵区简阳市为例，根据1974～2003年的降水量资料，采用均值-方差法对年降水量进行了状态分级，应用加权马尔可夫链对该地区的早涝状态进行预测和分析。结果表明：该方法客观、准确、可靠、简便，为区域降水的中短期预测提供了新的解决途径。     

基于灰色马尔可夫链的兰村泉域地下水位预测

将兰村泉域S1长观孔2001—2010年的年平均水位埋深作为特征因素序列,降水量和人工开采量作为相关因素序列,采用灰色系统理论将GM(1,N)模型应用于兰村泉域岩溶地下水位埋深预测,并应用马尔可夫模型对输出结果进行残差修正。结果表明:经过修正后的GM(1,3)模型的拟合精度达到97.41%,比没有经过残差修正的GM(1,3)模型高出9.62%,修正后的预测值更加贴近原始值,准确性提高。采用马尔可夫残差修正模型对2011—2013年兰村泉域水位埋深值进行预测,结果表明:2011年、2012年、2013年的地下水位预测值分别为33.24、32.01、31.12 m,地下水位缓慢回升。     

基于Mann-Kendall和Wavelet分析的唐山市近60年来降水量时空变化研究

降水量时空变化研究,对了解和预测气候变化趋势、合理规划水资源,以及应对极端天气事件具有重要意义。基于唐山市12个标准气象站点的1961-2020年观测资料,采用Mann-Kendall和Wavelet方法相结合的方式,对唐山市降水量时变性进行分析。结果表明,近60年来研究区降水量变化斜率为-1.59mm/a,经Mann-Kendall检测的趋势值Sen’slo值为-1.23mm/a;年际降水量于2014年发生突变,但并不显著;利用Wavelet分析发现,区域降水量存在1～8、7～10、14～16年的变化周期。     

银川市降水量正态分布特征

分析降水量正态分布特征,可以为降水量分析与预测中选用合适的统计方法和统计模型提供依据,提高降水量分析与预测能力。利用银川市4个气象站(银川站、永宁站、贺兰站、灵武站)1960～2008年的降水量实测资料,运用2χ拟合优度检验和柯尔莫哥洛夫——斯米诺夫检验(K-S检验)对各站月、季和年降水量进行了正态分布检验。检验结果表明:银川市各气象站年降水量和季降水量均服从正态分布,夏季降水量正态性最好,冬季降水量正态性最差。6～9月份银川市各气象站月降水量均服从正态分布;11月至次年2月份月降水量均不服从正态性分布。各气象站中,通过正态性检验月份最多的是灵武站,通过正态性检验月份最少的是银川站,这与银川站多出现极端降水有一定关系。     

气候变化对滦河流域径流量的影响预测

利用近50 a水文、气象观测数据分析了气候变化对滦河流域径流量的影响,建立了径流量与气候要素的对数型回归模型,并根据降水量、气温、蒸发量的变化对其进行了灵敏度分析.根据2030,2050年气候情景预测数据预测未来气候变化对滦河流域径流量的影响,与标准气候值相比,2030年降水量将增加3％ ～5％,气温升高1.0℃～1.3℃,径流量变化为49.97～52.9亿m3;2050年降水量增加3％ ～7％;气温升高2.0℃～2.2℃,径流量变化为48.7 ～53.97亿m3.     

河北省年降水量参数等值线图的编制及分析

年降水量参数等值线图包括均值和变差系数（Cv）值等值线图及Cs／Cv值分区图。首先搜集整理了选用雨量站的资料,确定了统计参数及等值线图绘制原则,然后对河北省降水量参数地区分布进行了分析,最后与第1次水资源评价成果进行了比较。年降水量等值线图的编制对于提高降水量评价成果精度,分析年降水量参数地区变化规律具有重要意义。     

时间序列分析方法在郑州市降水量预报中的应用

根据1971年-2013年郑州市的降水量资料,采用二次多项式拟合提取降水量的趋势分量,采用谐波分析法提取降水量的周期成分,利用自回归模型求解随机成分,最后将三者叠加,构建了郑州市降水量的预报模型。模型计算结果与实测数据对比可知,应用预报模型对降水量进行预报精度较高。因此利用建立的预报模型对2014年-2016三年的降水量进行了预测,为该区水资源的管理提供依据。     

河源降水重现期方法对比及暴雨致灾危险性分析

以河源5个国家基本气象站1966—2019年日最大降水量实际值为样本，分别通过指数分布法、Gumbel-I型分布法进行拟合计算得出多年一遇日最大降水量，并进行卡方检验法对比选出最优拟合分布法。再以河源近百个区域气象站2010—2020年日最大降水量实际值为样本，通过最优拟合分布法计算出不同重现期下日最大降水量估算值，以估算值为致灾因子作河源暴雨致灾危险区划，并对结果加以分析。所得结果为：(1)卡方检验对样本和重现期降水量进行拟合检验对比，确定Gumbel-I型分布法相对指数分布法拟合度更高，为更优分布函数；(2)由Gumbel-I型分布法计算所得不同重现期日最大降水量可见，随着重现期增大，各站点估算值基本呈上升趋势。在不同重现期暴雨灾害危险性不同风险区占比中，高和极高风险区在5年一遇中占比最高，且总体呈缩小趋势；一般风险区随着重现期增大呈缩小趋势；低和极低风险区占比呈增大趋势。     

云模型在中长期降水预测中的应用

中长期降水预测对灌区水资源管理、种植结构调整及水生生态系统的健康发展具有重要意义。将定性概念与定量概念之间的不确定性转换模型引入到中长期降水预测中,以更好地反映降水时程分配中的随机不确定性和模糊不确定性。基于云模型的降水预测法通过挖掘已有观测数据的内在联系,形成预测规则,并据此进行中长期预测。最后,运用云模型对河南省渠村引黄灌区2004—2013年的降水量进行了预测。结果表明:云模型预测的年降水量平均值与实测值整体拟合较好,预测精度优于灰色预测等方法。     

潍坊市不同频率年降水量未来发生时间预测

采用灰色拓扑预测理论,根据潍坊市多年(1958年～1995年)的年降水量,建立了年降水量指标的灰色预测GM(1,1)模型群,并根据模型对潍坊市未来时间的年降水量及发生时间进行了预测,为有关部门进行抗旱防汛决策及制定水资源调度计划提供参考依据。