澜沧江水位预测

澜沧江浅滩水位预测
水位的高低主要受自然方面的影响，自然的因素主要是气候和水体的影响。

气候多年周而复始的变化，使得水位呈多年周期性起伏变化，称为季节变化，雨季时，降水量增加，降水使得水位上升，雨季过后，由于蒸发和径流排泄水位开始逐渐下降，到第二年的雨季前出现谷值。

水位的下降可以使很多因素造成的，但总的来说是因为消耗的速度大于水源补给速度，如，降雨量的明显减少。

地质的变化也会使得地下水位下降，如地震造成的地势抬高、地下河道的下沉等。

方法：水位预报主要是系统采取气象模型（提供定量降雨预报）与水文、水力模型相结合的方法，同时结合经验分析，为澜沧江主要站点提供实时浅滩水位预报。

为保障船舶安全通航，航道部门对枯水期要求精度较高，针对航道部门气象资料、流域内的的水量站、支流水文站资料缺乏的特点，澜沧江干线航道水位预测主要依据测站的实测水位流量资料、气象资料等先进行流量过程的预测，然后通过相关关系进行水位的
假设浅滩预报点在中游：方法如下：在对中游沿程水位、流量资料收集整理的基础上，首先对沿程入汇流量进行短期预测，方法采用基于数据驱动的模型（如移动平均、自回归和多元回归模型），对中游而言，主要包括城支流入汇流量的预测；其次，对沿程水位进行短期预测，方法采用相关关系法和多元回归模型。

相关关系法是考虑建立测站水位流量关系，考虑干支流顶托影响，建立由流量预测水位的经验模式；多元回归模型则考虑更多的影响因子，建立测站水位与其主要因子的多元关系。

最后，运用上述方法对沿程水位进行预测，并结合后验分析，以及天气、测站和航道的实际情况，做出合理可靠的预报。

2.水文统计方法。

通过水文资料的统计分析进行概率预测，从水文要素与预报因子之间寻找其统计规律进行预报。

根据预报因子类别的不同，可分为两类：第一类是单要素预报，即分析水文要素本身时序变化规律进行预报，如历史演变法、周期叠加、平稳时间系列、趋势分析及随机函数的分解等；第二类是多因子综合预报，即分析要素与前期因子之间的统计相关关系，然后用数理统计法加以综合，进行预报，如多元回归分析、逐步回归分析及多维序列等，这种方法的主要问题有如何合理选择因子个数，解决拟合效果与预报效果不一致的矛盾；由于预报值是取各个因子数据的均值，难以预报出极大或极小值的水文现象。

①相应水位法。

该方法是建立下游(本站)下一时段水位与上游前一时段水位的相关关系。

为了提高预报精度，在有些河段，还需要其它要素的影响，如本站前一时段水位、上游总合成流量、区间平均降水量的影响。

②合成流量法。

建立上游合成流量与下游流量或洪峰水位的相关关系。

并通过预报下游流量再根据水位流量关系曲线推求水位。

③多要素合轴相关法。

利用流域降雨总量、降雨历时、降雨强度和起涨水位等因素作为参数建立降雨、上游水位和下游水位的相关关系，根据相关关系推求水位。

④水位(流量)涨差法。

利用河道上下游水位或流量的涨落差建立相关关系推求水位。

现就基于多元线性回归分析的水位短期预测具体展开
1基于多元线性回归分析的水位短期预测方法实施步骤
澜沧江某段水位的涨落变化，主要受其上游来水、支流入汇和降雨等综合因素影响。

一方面，上游来水量的变化，会体现在上游水位的涨落变化上，而上游来水量的变化需经过一段流程时问，才能体现在其下游某河段的水位涨落上;另一方面，某河段下游河段由于受支
流入汇、降雨等多种原因产生的奎水作用，也会对其上游河段的水位变化有较大影响。

基于此思路，我们把水位涨落波动的差值作为回归分析的变量，再利用统计软件(SPSS软件)进行多元线性回归分析。

1.1根据预测目标确定自变量和因变量
根据需要预测澜沧江水位的目标，把预测开始时问作为当日，确定以预测未来1天(预测日)的澜沧江水位与其前1日(当日)的水位差值作为因变量(Y}。

通过前面分析和对澜沧江水位统计资料的初步观察，找到可能影响澜沧江水位涨落变化的因素，并经过初步筛选，选出主要的影响因素作为自变量。

确定以下因素作为自变量: 澜沧江上游1当日水位与其前1日水位差值Cx l、澜沧江上游1前1日水位与前2日水位差值Cx2、澜沧江上游2当日水位与其前1日水位差值Cx3、澜沧江上游2前1日水位与前2日水位差值Cx4、长澜沧江预测水位站当日水位与其前1日水位差值Cx5、下游当日水位与其前1日水位差值C x6。

1.2建立回归预测模型
建立多元线性回归预测模型时，为了保证回归模型具有较好的解释能力和预测效果，在选择自变量时应遵循以下一些准则:
1) 自变量对因变量必须有显著的影响，并呈密切的线性相关;
2) 自变量与因变量之问的线性相关必须是真实的，而不是形式上的;
3)自变量之问应具有一定的互斥性，即自变量之问的相关程度不应高于自变量与因变量之问的相关程度;
4)自变量应具有完整的统计数据，其预测值容易确定。

遵照自变量的选择准则，对前文确定的自变量和因变量进行适应性分析:
1)澜沧江预测水位站位于上游1，2下游，位于下游上游。

上游来水情况和下游排水作用对长澜沧江预测水位站水位有直接的、显著的影响，而且上下游的水位涨落关系有较密切的线性相关性。

2)以澜沧江相邻各水位站点的水位涨落差值作为自变量和因变量，它们之问的依存关系和线性相关性是真实存在的。

3)由于澜沧江沿程水位涨落相互影响、制约，所以确定的各自变量之问有一定的相关性，但自变量之问的相关程度低于自变量与因变量之问的相关程度。

4)澜沧江中游重点港埠历史水位资料齐全、完整，所有水位资料均逐日记录，其预测值也比较容易确定，因此经计算处理可以作为自变量的统计数据。

如上所述，可以依据前文确定的自变量和因变量，建立经验回归方程，即多元线性回归分析预测模型为:
Y=b0十b l x l十b2x2十b3x3十b4x4十b5x5十b6x6十e (1)
式中:b0为常数项，e为随机误差，b1, b2,…，b6为回归系数。

b1为x2, x3,…，x6固定时，x1每增加一个单位对Y的效应，即x1对Y的偏回归系数;同理b2为x1, x3,…，x6固定时，x2每增加一个单位对Y的效应，即x2对y的偏回归系数，等等。

1.4利用SPSS软件进行线性回归分析
将经过规范化处理后的数据导入到SPSS软件中，选用进入法进行线性回归分析，并设置运行参数为:
1)按前文所述设置因变量和自变量;
2)选剔变量的准则为系统默认值，即使用回归方程的显著性统计量F所对应的概率
P ( Sig)值;
3)选入变量的显著性水平为0.05，即当P< =0.05时，就将该变量选入回归方程;
4) 剔除变量的显著性水平为0.10，即当P>= 0.10时，就该变量剔除回归方程。

1.5计算并确定水位预测值
利用前述分析得到的非标准化回归方程，通过已知或设定自变量的值，计算得出水位涨落幅度的预测值，并对预测值进行综合分析，考虑局部流域降雨、水位大幅涨落等因素影响，估计随机误差，确定最终的预测值。

将最终确定的水位涨落幅度预测值，加上当日水位，得到未来一日的水位预测值。

预测江河水位短期变化，在资料较充分的条件下，多元线性回归分析是一个有力的研究工具。

利用多元线性回归分析方法，对长江中游水位进行短期预测，具有一定的可操作性和可信度，其预报精度较高、误差较小。

回归预测方程是一种经验公式，其准确性决定于因变量与白变量之问的依存关系和依赖程度，选择适当的相关因了，对预测精度有很大的影响。