SSA分解预校正模型在辽宁西部水库年径流预测中的应用研究

SSA分解预校正模型在辽宁西部水库年径流预测中的应用研
究
祖佳
【摘要】本文采用SSA分解预测模型结合灰色预测模型对辽宁西部某水库年径流进行预测.研究结果表明:SSA分解预测模型可降低年径流低频振荡的显著性,可对灰色预测模型预测的年径流系列进行预先校正,提供模型预测精度.相比于校正前的灰色模型,校正后的模拟预测年径流系列和水库实测年径流系列相对误差减少15.2%,年径流相关系数提高0.21,研究成果对于水库年径流预测方法提供参考价值.
【期刊名称】《吉林水利》
【年(卷),期】2017(000)004
【总页数】4页(P40-43)
【关键词】SSA分解校正模型;灰色预测模型;预先校正;年径流系列;辽宁西部水库【作者】祖佳
【作者单位】辽宁省朝阳水文局, 辽宁朝阳 122000
【正文语种】中文
【中图分类】TV121
水库年径流预测对于水库调度规划至关重要，为此许多学者展开对水库年径流的预测，并取得一定的研究成果[1-5]，在这些成果中，主要归为两类研究成果，第一类研究成果为结合水库多年预测的年径流系列，采用数理统计学的方法，进行水库
年径流自回归预测，第二类结合水文模型的方法，结合未来预测年降水数据，对水库年径流进行预测。

第一类方法在水库年径流预测中应用较为成熟，但该方法需要水库年径流系列较长，对于建设较短年份的水库，适用性不高。

第二类方法在水文模型模拟误差较大的区域，预测效果较差。

传统数理统计方法在水库年径流预测中往往无法处理低频数据振荡显著性的问题。

当前，有学者将SSA分解预测模型引入到灰色预测模型中，进行河道年径流的预测，并取得一定的研究成果[6-10]，但是在水库年径流预测中还未得到应用，特别是在辽宁西部地区水库年径流预测中还未得到具体应用，为此本文引入SSA分解预测模型对灰色预测模型预测的径流系列进行预先校正，解决水库径流预测低频振荡显著的局限。

本文首先介绍SSA分解预测模型的主要原理，该模型从变量时间系列重构角度出发，对于模型样本数据系列（本文为径流数据系列）进行标准化数据系列xi=x （t），在计算维度M上的滞后校正矩阵，计算方程为:
计算模型滞后矩阵的特征向量以及特征值后，SSA分解预测模型模型可展开为以下计算方程:
方程（2）中，表示为模型时间序列校正次变量参数，则表示为时间序列校正的主变量参数，其中的计算表达式为:
模型通过第K个次变量参数和主变量参数对模型年径流数据系列进行重构，重构后的水库年径流数据预测为:
SSA分解预测模型对水库原始数据系列进行不同频率数据的振荡周期分期，对低频年径流数据系列进行重构，结合不同振荡周期分别建立灰色预测模型，考虑文章篇幅原因，灰色预测模型的具体原理可详见参考文献[6]。

3.1 水库概况
本文以辽宁西部某水库为研究实例，水库坝址以上集水面积218km2，水面面积19.5km2（见图1），水库为多年调节水库，高程基面采用黄海基面。

水库校核洪
水位315.2m，相应库容为2.14亿m3；设计洪水位296.5m，相应库容为1.82
亿m3。

水库坝长212m，坝顶宽6.0m，最大坝高46.5m。

3.2 模型参数分析
在应用SSA分解预校正模型对水库年径流预测前，采用K-S检验方法对模型的参
数进行检验，模型参数检验结果见表1。

表1为研究区域6组年径流数据系列的参数检验结果，从表中可以看出模型主变
量参数的变化在6组数据系列中的变化范围为1.203―1.314之间变化，变化幅度
为0.11，而模型校正的次变量参数E在0.885―0.956之间变化，变化幅度为
0.071，模型校正的主和次变量参数在6组径流数据变化幅度在0.071―0.11之间，变化幅度均较小。

而参数M变化幅度0.000 2之间，变化影响较小，通过对各参
数的K-S检验值发现，各组变量参数的K-S检验值均在0.85以上，可以通过K-S 置信度为90%的假设检验，说明各参数变化范围较为合理。

3.3 年径流预测精度对比分析
在模型参数分析的基础上，分别结合传统灰色模型和将SSA分解预校正模型和灰
色模型耦合的SSA模型对辽宁西部某水库的年径流进行预测，并结合水库实测的2000―2015年年径流数据对比不同模型的预测精度，对比分析结果见表2、图2
以及图3。

表2为不同模型预测水库年径流和实测水库年径流精度对比，从模型可以看出，SSA分解预校正模型对灰色模型进行分解校正后，其在研究水库年径流预测值和
实测值之间的相对误差值得到较大程度的改善，SSA模型在各年份预测值都好与
传统灰色模型，相比于传统灰色模型，SSA模型预测各年份误差相对平均值减少15.2%，误差绝对值减少0.034亿m3。

图2为不同模型预测的水库年径流和实测年径流过程对比，从图中可以看出，SSA校正模型预测的年径流和实测的年径流
在各个年份的吻合度都要明显好于传统灰色模型。

图3为不同模型预测的水库年
径流和实测年径流的相关性，从图中的相关系数可以明显看出，相比于传统灰色模型，SSA模型预测的年径流和水库实测年径流相关系数提高0.21。

综上，采用SSA进行分解预校正模型进行水库年径流预测的精度要好于传统灰色模型。

本文采用SSA分解预校正模型对传统灰色模型进行改进，并将改进模型应用于辽
宁西部水库的年径流预测中，研究取得以下结论:
（1）SSA模型可改进传统灰色模型在低频径流数据振荡显著的局限，更适用于区域径流的预测；
（2）相比于传统灰色模型，采用SSA模型进行分级校正后的灰色模型在水库年径流预测中精度得到明显改善，模型参数也更为合理化。

□
【相关文献】
[1]冯琳，赵琳.辽宁省中小型水库洪水预报预警技术[J].水土保持应用技术，2011，04:15-17.
[2]宋彩朝.水土保持综合治理对闹德海水库径流泥沙特性的影响[J].水土保持应用技术，2013，
02:43-44.
[3]丛日凡，姜志群，张淑芬，丛日军.水库洪水预报实时校正算法[J].水土保持应用技术，2010，04:31-32.
[4]吴俊秀，李红英，刘革.应用MIKE BASIN模型规划调配大凌河流域水资源[J].水土保持应用技术，2011，01:23-25.
[5]李云生，齐鹏春.应用前后期径流相关法预报枯季径流量[J].水土保持应用技术，2012，02:21-22.
[6]张潇，夏自强，黄峰，陈启慧.基于SSA-ARIMA模型的青弋江干流径流预测[J].中国农村水利水电，2015，03:6-9.
[7]巴欢欢，郭生练，钟逸轩，刘章君.SSA-LSSVM在中长期径流预测中的应用研究[J].水资源研究，2016，05:423-433.
[8]汪芸，郭生练，李响.奇异谱分析在中长期径流预测中的应用研究[J].人民长江，2011，09:4-
7+22.
[9]宋俊杰.三峡流域中长期径流预报模型精度评定综合分析及优化方法研究[D].华中科技大学，2013.
[10]常乐.长白山典型地区降雨分布型及洪涝灾害预测研究[D].东北师范大学，2011.。