懷化市汛期降水量的灰色拓撲預測

張坤　王新發　肖敏等

摘要采用灰色拓撲預測方法，以懷化市1981～2008年汛期降水量（4～9月）數據為基礎建立了降水量預測模型，并利用2009～2013年降水數據對模型的預測結果進行了檢驗，最后對2014～2018年汛期降水量進行了預測。研究表明，灰色拓撲預測方法具有良好的預測效果，其結果可為懷化市汛期降水預報提供借鑒和參考。

關鍵詞降水量；汛期；灰色拓撲預測；GM（1，1）；懷化市

中圖分類號S161.6文獻標識碼A文章編號0517-6611（2015）07-181-02

The Grey Topology Prediction of Precipitation during Flood Season in Huaihua City

ZHANG Kun，WANG Xin-fa，XIAO Min et al

（Meteorological Administration of Huaihua City， Huaihua， Hunan 418000）

AbstractUsing the grey topology prediction method， the precipitation prediction model was established on the basis of flood season precipitation in Huaihua during 1981-2008 （4-9 months）， and the prediction results of the model was tested by using the precipitation data of 2009-2013 years. Finally， the precipitation in flood season during 2014-2018 was forecasted.Research shows that：the grey topological prediction method has good prediction effect， the results can provide the reference for the rainfall forecast in flood season in Huaihua City.

Key words Precipitation； Flood season； Grey topology predictionl； GM（1， 1）； Huaihua City

區域降水量與干旱、洪澇災害的發生、發展及其強度密切相關，對農業生產乃至整個國民經濟發展具有重要影響[1]，準確預測降水量對預防和減少干旱、洪澇災害損失，提高氣象災害預警和防災減災能力具有重要意義。近年來，不少專家學者采用灰色系統論對區域年降水量及汛期降水量進行預測研究，取得了較好的預測效果。如周春花等基于1981～2003年降水資料，應用灰色系統GM（1，1）模型，對東川地區未來年份的降水量進行了灰色預測，預測效果良好[2]；王琳琳等基于灰色拓撲理論對遼寧朝陽地區降水量進行了預測，其預測精度基本滿足要求[3]；袁月平等基于灰色自記憶模型，對杭州市年降水量序列進行擬合和預測，結果表明模型有效可行、精度高、穩定性好[4]。

懷化市位于湖南省西南部，地處武陵、雪峰兩大山脈之間，屬中亞熱帶季風濕潤氣候，小氣候多樣，垂直差異大，山地氣候帶明顯，自然災害頻發[5]。對懷化市汛期（4～9月）降水量進行預測，分析未來降水趨勢，可為汛期短期降水預報提供借鑒和參考，并對氣象防災減災具有重要意義。該研究基于灰色系統理論對懷化市1981～2013年汛期降水量序列進行分析，用1981～2008年的數據進行參數率定，建立汛期降水量灰色拓撲預測模型，用2009～2013年數據對模型預測精度進行檢驗，最后對未來5年汛期降水量進行預測。

1資料與方法

1.1 數據的選取與預處理

所用資料為懷化氣象觀測站1981～2013年汛期（4～9月）降水數據。其中，利用1981～2008年汛期降水數據建立預測模型；使用2009～2013年的汛期降水量數據對模型預測精度進行檢驗。

1.2灰色系統理論

1.2.1

GM（1，1）模型。

灰色系統理論是鄧聚龍在1982年提出并建立的，是一種研究少數據、貧信息不確定性問題的新方法，主要通過對“部分”已知信息的生成、開發，提取有價值的信息，實現對系統運行行為、演化規律的正確描述和有效監控[6]。灰色系統理論已被廣泛地運用于某種事件發生的預測，如數列預測、災變預測、拓撲預測等，均收到了較好效果[7]。GM（1，1） 模型是灰色預測的核心，它是一種單變量預測的一階微分方程模型，其離散時間響應函數近似呈指數規律[3]。GM（1，1）模型的建模過程如下[6]：

設有初始序列

X（0）={x（0）（1），x（0）（2），…，x（0）（n）}

（1）

對序列（1）進行一次累加（1-AGO），生成新的序列，即

X（1）={x（1）（1），x（1）（2），…，x（1）（n）}

（2）

其中累加公式為：

x（1）（K）=∑kt=1x（0）（t），

根據序列（2）可以建立白化一階微分方程

dx（1）dt+ax（1）=u，

式中，a為待辨識參數，亦稱發展系數；u為待辨識內生變量，亦稱灰作用量。參數a和u根據最小二乘法確定，且滿足

a^=[a，u]T=（BTB）-1BTY，

其中

B=

790 x（1）（k+1）=9.079 1e0.495 6k-8.792 20.406 60.8合格

815 x（1）（k+1）=8.033 8e0.372 4k-7.651 20.309 21好

840 x（1）（k+1）=12.075 9e0.258 4k-11.597 70.271 31好

865 x（1）（k+1）=23.892 2e0.176 2k-23.318 40.149 71好

890 x（1）（k+1）=62.279 0e0.084 6k-61.609 50.195 51好

............

1 165 x（1）（k+1）=162.001 2e0.084 0k-147.090 60.140 51好

............

1 290 x（1）（k+1）=221.112 6e0.074 6k-203.217 00.349 81好

從2009～2013年懷化市汛期降水量預測結果（表3）可知，除2009年（相對誤差50.85%）、2011年（相對誤差48.70%）較大外，其余年份相對誤差均較小。利用灰色拓撲預測模型對2014～2018年懷化市汛期降水量進行預測，結果發現這5年的汛期降水量分別為1 052.50、1 097.50、956.67、1 151.36、1 010.83 mm。

3結論與討論

（1）降水量的長期預測具有較大難度，而基于GM（1，1）

模型的灰色拓撲預測方法則具有所需樣本數據少、預測結果

圖12010年1～12月分宜負離子濃度日變化

圖22010年1～12月分宜負離子平均濃度變化

相對濕度等氣象要素與負離子濃度大小的相關關系不太明顯。排除季節性原因，負離子濃度較高時所處的有利天氣條件所占比例較大。一般負離子濃度較高時，多為雷雨天氣，或降水天氣過程的第1天至第2天，即降水將空氣中的塵埃沖刷干凈，空氣質量較高，而這種情況下濕度一般也較大，風

速適中，但是否各方面天氣條件有利的配合才會使得負離子濃度更高，還需要有更長期的數據進行有利的分析。

3 小結與討論

就測點而言，分宜站負離子濃度一般，空氣清新度一般。負離子濃度呈現明顯的年變化特征，夏、秋季高，冬、春季低。日變化規律，3～8和11月下午高于上午，其他各月均為上午略高于下午。陣雨、間歇性小雨和雷暴天氣過后，負離子濃度明顯升高。負離子濃度與云量、風速、相對濕度等氣象要素的相關關系不太明顯。

開展負離子觀測、預報及研究可以指導公眾合理安排日常生活，促進身心健康，特別是對于有特殊需求的敏感人群預防和控制疾病，恢復健康具有重要的意義。優良的生態環境為地方經濟社會發展提供了良好的可持續發展基礎。負離子濃度是衡量生態保護區、自然保護區、旅游度假區生態環境質量的重要指標，針對重點旅游景區開展負離子的觀測、預報與服務，不僅可以對公眾進行正確的引導和服務，且對提升重點旅游景點的生態價值和品位、增加地方旅游收入、促進地方社會經濟的發展具有重要作用。空氣中負離子濃度與當地氣象條件有直接關系，研究負離子與天氣氣候的關系，提示其影響變化規律，有利于提高天氣氣候預測預報的準確率，提高防災減災水平。負離子的分布特征和濃度水平可以用于區域大氣環境質量評價，為預防和控制大氣環境污染提供科學依據。

參考文獻

[1]

唐春燕，蔡哲，肖安，等.井岡山空氣負離子濃度特征及其與氣象條件關系[J]. 安徽農業科學，2011，39（1）：495-496.

[2] 葉彩華，王曉云，郭文利.空氣中負離子濃度與氣象條件關系初探[J].氣象科技，2000（4）：51-52.

[3] 鄒忠旺，石星堂.對資溪空氣負離子的分析與思考[C]//農業氣象與生態環境年會論文集.中國氣象學會，2006：478-481.