昭通橫江流域年徑流預測

宋昭義,李紳東,代堂剛

(云南省水文水資源局昭通分局,云南昭通 657000)

昭通橫江流域年徑流預測

宋昭義,李紳東,代堂剛

(云南省水文水資源局昭通分局,云南昭通 657000)

針對昭通橫江由南到北貫穿昭通全境,水資源量豐富,但南北差異大,南部少、北部多的特點,根據流域內水文站實測年徑流、大氣環流指數、海溫指數及其他指數等資料系列,采用多元回歸分析法擬合1981—2010年徑流,建立了預測模型,驗證、預測分析了2011—2016年徑流量。結果表明:干流控制站預測精度高于干流上段及支流代表站,水利工程建設等人類活動影響是導致出現這樣結果的主要原因;多元回歸分析在橫江流域徑流預測中具有一定的適應性,但因指標的差異及相關參數可獲取性的差異,預測結果存在區域間、等級間的差別。

多元回歸分析法;年徑流;預測模型;橫江

水文時間序列的研究方法主要有傳統線性時間序列分析方法、不確定性分析方法及非線性時間序列分析方法。其中,線性時間序列分析方法主要指以隨機理論為基礎的傳統時間序列分析方法,不確定性分析方法有隨機分析方法、模糊分析方法、灰色系統方法以及它們的耦合,非線性時間序列分析方法包括近年來發展的人工神經網絡方法、小波分析方法、混沌理論分析等[1-2]。多元回歸分析是研究多個變量之間關系的回歸分析方法[3-4],按因變量和自變量的數量對應關系可劃分為一個因變量對多個自變量的回歸分析及多個因變量對多個自變量的回歸分析,按回歸模型類型可劃分為線性回歸分析和非線性回歸分析[5]。年徑流預測主要采用統計預測、天氣學和數值天氣預測等3大類方法,沒有一種模型能夠適用于所有的徑流序列,需要進一步加強研究預測模型的適用性及預測精度[6]。隨著相關學科的發展及徑流預報實踐需求的逐步提升,中長期徑流預報研究呈現以下趨勢:更加注重多學科綜合和跨學科交叉,更加注重預報方法的適用性及預報結果的可靠性和穩定性研究,更加注重高新技術的應用和發展[7]。本研究著力探索多元回歸分析在昭通橫江流域年徑流預測中的適應性,以期為橫江流域水資源管理提供參考。

1 研究區概況和研究方法

1.1 研究區概況

橫江是昭通市主要河流,流域地處103°18'E~ 104°56'E,26°54'N~28°38'N。系金沙江下段水系的一級支流,發源于貴州威寧草海,徑流面積14 980 km2,昭通市境內面積11 532 km2,占昭通市土地總面積的51.4%,流域上段稱洛澤河,中段稱關河,下段稱橫江。流域由南向北流經彝良和鹽津兩縣城后,在水富縣城匯入金沙江。橫江流域屬低緯度、高海拔、受季風控制和弧形臺階地形影響的高原季風氣候,其主要特點是夏無酷暑,冬無嚴寒,無明顯的四季之分,干濕季節分明,干季降水稀少,旱情普遍,雨季降水集中,多洪澇災害[8]。流域多年平均降水量在1 000~1 300 mm之間,屬于“雨量充足(濕潤區)”,水資源總量豐富。降水量的多年變化不大,變差系數Cv值在0.15~0.25之間,但年內分配很不均勻,主要集中在5—10月,占全年降水量的85%~90%;在空間分布上也很不均勻,總的分布是北部多、南部少,高山多、河谷壩區少。流域南部的昭陽區是昭通市政治、經濟、文化中心,其人均、頃均水資源量為全市最低水平,人均水資源量低于1000 m3,屬于嚴重缺水區。鑒于此,橫江流域內水利工程的合理調度,關乎區域工農業生產及城鎮生活用水安全。選用適宜的預測方法對橫江流域來水進行超前研判,對合理調度水資源具有重要意義。

1.2 研究方法

選取多元回歸分析開展預測研究,以尋求地球-大氣系統角動量、熱量和水分的輸送和平衡、各種能量間相互轉換、海溫變化等與陸地水文要素變化間的函數關系。根據橫江流域干支流水文控制站實測年徑流、大氣環流指數、海溫指數、其他指數等資料系列,采用多元回歸分析法擬合1981—2010年共30a徑流,以相關系數較大尋求影響橫江流域年徑流的主要氣候因子,按回歸分析標準誤差、預測期擬合效果等對預報因子進行優選,建立線性回歸模型,按模型參數驗證、預測2011—2016年徑流量。以2011—2015年5 a實測徑流檢驗預測精度,研究多元回歸分析在橫江流域年徑流預測中的適應性。

2 徑流預測

2.1 徑流代表站

橫江河長306 km,由南向北貫穿昭通市,流域水系發達,河谷深切。流域內有8個水文站(圖1),干流主要控制站點為豆沙關、彝良。其一級支流主要有柿子壩匯入的白水江和岔河匯入的灑漁河。白水江發源于貴州省赫章縣毛姑,河長128 km,流域面積3 710 km2,區內面積3 236 km2,控制站點為牛街;灑漁河發源于五蓮峰南段3110 m的魯甸縣水磨鄉,河長186 km,流域面積3 558 km2,控制站點為箐口塘。為考察橫江流域干支流徑流變化,選取豆沙關、牛街等4個水文站徑流資料進行分析,橫江流域干支流代表水文站基本情況見表l。

圖1 橫江流域水文站點分布示意圖

表1 橫江流域干支流代表水文站基本情況

2.2 年徑流預測

根據前期水文氣象要素,用成因分析與數理統計的方法,對未來較長時間的水文要素進行科學的預測,稱為中長期水文預報[9]。預見期在15 d以上、1 a以內的稱為長期預報,目前主要采用天氣學法、數理統計法、宇宙—地球物理分析方法和中長期水文預報模型法建立預報模型[10]。采用多元回歸分析法建立年徑流預測模型,并對擬合精度進行檢驗。

2.2.1 預報因子

為考察橫江流域干支流徑流變化趨勢,選用豆沙關、彝良、箐口塘、牛街等水文站1981—2015年實測徑流資料系列作為因變量,自由變量采用中國氣象局國家氣候中心提供的1980—2015年逐月大氣環流指數(88項)、海溫指數(26項)、其他指數(16項),共130項。2.2.2 多元回歸分析

用Excel“CORREL函數”計算因變量與130項指數的相關系數,初選出與橫江流域各代表站年徑流相關系數較大且無缺測情況的預報因子。用Excel“數據分析”按選定指數進行多元回歸分析,見式(1)~(3)。根據回歸統計參數、方差分析結果(表2),剔除相關關系較差的指數項,優選確定預報因子(表3),建立線性回歸模型,見式(4)。式中:^y為預測值的估值,m3/s;^b0為初估常數項,^b1, ^b2,…,^bk為初估回歸系數;X1,X2,…,Xk為初選預報因子指數;k為初選預報因子個數;yi為歷年實測徑流量,m3/s;y為預測、擬合年徑流量,m3/s;y為多年平均實測年徑流量,m3/s;R'為復相關系數;R2為線性回歸方程的決定系數;b0為常數項,b1,b2,…, bn為回歸系數;n為所采用資料系列的長度;m為預報因子個數;x1,x2,…,xk為預報因子指數。

按橫江流域徑流特性[6],結合表3選定指數所屬月份及其監測頻次,分析得到各代表站回歸模型預見期:豆沙關205 d、彝良175 d、箐口塘144 d、牛街144 d。

按線性回歸模型(1),用代表水文站1981—2010年30 a徑流量及1980—2009年大氣環流指數、海溫指數等擬合模型參數(圖2),按2010—2015年相應指數驗證、預報2011—2016年6a徑流量,結果見表4。

預測2016年干流控制站豆沙關年平均流量130 m3/s,與常年(建站以來)持平;干流上段彝良站44.3 m3/s,較常年偏多1.4%;支流灑漁河箐口塘站19.8 m3/s,偏多11.2%;支流白水江牛街站78.6 m3/s,偏多8.0%。將豆沙關、牛街水文站預測值合并計算,預測2016年橫江出口斷面年平均流量265 m3/s,偏多3.1%,為平水年。

表2 橫江流域代表站年徑流相關分析及回歸誤差

表3 橫江流域代表站年徑流預報因子及回歸系數

圖2 橫江流域代表站年徑流擬合效果

2.2.3 預報精度

按橫江流域干支流代表站2011—2015年5a實測、預測年徑流,用式(5)計算預報過程與實測過程之間的確定性系數,按徑流實測值的20%作為許可誤差[11],計算預測合格率(表5),以評判多元回歸分析在橫江流域年徑流預測中的適應性。式中:Dc為確定性系數(取2位小數);y0(i)為實測值;yc(i)為預報值;y0為實測值的均值;n為資料系列長度[12]。

表4 橫江流域代表站年徑流實測、預測結果對照m3/s

由表5可見,干流控制站豆沙關水文站年徑流預測確定性系數0.56,合格率60%,精度等級為丙級。支流白水江牛街水文站徑流預測確定性系數0.51,合格率80%,精度等級為丙級。豆沙關、牛街水文站2016年徑流預測成果可作為參考性預報。干流上段彝良、支流灑漁河箐口塘2個水文站徑流預測確定性系數分別為0.41、0.49,合格率均為40%,水利工程建設等人類活動影響是誤差產生的主要因素。

3 結 論

多元回歸分析法預測結果物理成因清晰。研究表明,多元回歸分析對于橫江流域年徑流預測具有一定的適應性,2016年徑流預測結果對橫江干流及其主要支流白水江水利水電工程調度具有重要參考價值。干流控制站豆沙關、支流白水江牛街站預測精度等級為丙級,為參考性預報,干流上段彝良、支流灑漁河箐口塘兩站預測精度偏低,水利工程建設等人類活動影響是誤差產生的主要原因,成果供參考。預測2016年橫江干支流年徑流量較水文站建站以來實測均值持平至偏多11.2%不等,以支流灑漁河箐口塘偏多最為突出。箐口塘水文站以上流域為昭魯壩區等,是昭通市重要經濟區,2016年來水略豐,對“滇字一號”昭通漁洞大(二)型水庫蓄水有

表5 橫江流域代表站年徑流預測精度

利,對灌區工農業生產及城鎮生活用水安全有利。工作中,需加入時間序列分解模型[13]等其他預測方法,結合區域水文氣象特點、氣候趨勢預測等對預測結果進行科學研判,提高預報精度,為流域水資源管理提供科學依據。

[1]曹輝,黃強,白濤,等.徑流預測方法對比分析[J].人民黃河, 2009,31(9):36-37.(CAO Hui,HUANG Qiang,BAI Tao, et al.Comparative analysis of runoff forecasting methods[J]. Yellow River,2009,31(9):36-37.(in Chinese))

[2]胡己坤,曹麗青,葛朝霞,等.非線性逐步回歸在宜昌站年徑流量預報中的應用[J].河海大學學報(自然科學版), 2011,39(1):1-4.(HU Jikun,CAO Liqing,GE Zhaoxia,et al.Application of nonlinear stepwise regression in prediction of annual discharge at Yichang station[J].Journal of Hohai University(Natural Sciences),2011,39(1):1-4.(in Chinese))

[3]楊肖麗,任立良,江善虎,等.西遼河源頭流域徑流變化趨勢及影響因素分析[J].河海大學學報(自然科學版),2012, 40(1):37-41.(YANG Xiaoli,REN Liliang,JIANG Shanhu,et al.Analysis of trend and influencing factors of runoff variation in headwater basin of West Liaohe River[J]. Journal of Hohai University(Natural Sciences),2012,40(1): 37-41.(in Chinese))

[4]丁晶,鄧育仁.隨機水文學[M].成都:成都科技大學出版社,1988.

[5]金光炎.水文水資源隨機分析[M].北京:中國科技大學出版社,1993.

[6]陳匯林,朱凱.年徑流的特征及預測研究進展[J].農業與技術,2014,34(1):162-163.(CHEN Huilin,ZHU Kai. Research progress on characteristics and prediction of annual runoff[J].Agriculture and Technology,2014,34(1):162-163.(in Chinese))

[7]李紅波,夏潮軍,王淑英.中長期徑流預報研究進展及發展趨勢[J].人民黃河,2012,34(8):36-38.(LI Hongbo,XIA Chaojun,WANG Shuying.Research progress and development trend of medium and long term runoff forecasting[J].Yellow River,2012,34(8):36-38.(in Chinese))

[8]云南省水文水資源局昭通分局.昭通市水文特性研究[R].昭通:云南省水文水資源局昭通分局,1997.

[9]范鐘秀.中長期水文預報[M].南京:河海大學出版社,2016. [10]包為民.水文預報[M].4版.北京:中國水利水電出版社, 2009.

[11]GB/T 22482-2008水文情報預報規范[S].

[12]宋昭義,謝開榮,肖軍,等.魯甸“8·03”地震牛欄江紅石巖堰塞湖水文預報誤差及成因分析[J].水利水電技術,2016, 47(1):6-11.(SONG Zhaoyi,XIE Kairong,XIAO Jun,et al. Ludian 8.03 earthquake Kraal River Hongshiyan lake hydrological forecasting errors and the causes analysis[J]. Technology of Water Conservancy and Hydroelectric Power, 2016,47(1):6-11.(in Chinese))

[13]張聞勝,王銀堂.時間序列分解模型在水文要素中長期預報中的應用[J].水文,2001,21(1):21-24.(ZHANG Wensheng,WANG Yintang.Application of time series decomposition model in long term prediction of hydrological elements[J].Journal of China Hydrology,2001,21(1):21-24.(in Chinese))

Prediction of annual runoff over Hengjiang River Basin in Zhaotong City

SONG Zhaoyi,LI Shendong,DAI Tanggang
(Zhaotong Branch of Yunnan Province Hy drology and Water Resources Bureau,Zhaotong 657000,China)

The Hengjiang River,which flows through Zhaotong City from south to north,has abundant water resources.However,the water resources are unevenly distributed in the river basin,with a large quantity in the north and a small quantity in the south.Based on these characteristics,the runoff of the study area from 1981 to 2010 was simulated with the multiple regression analysis method,according to the observed annual runoff from hydrological stations in the river basin,the atmospheric circulation index,the SST index,and other indices.A runoff prediction model was established to predict the annual runoff over the period from 2011 to 2016.The results show that the prediction accuracy of the main stream control stations was higher than that of the upstream and tributary stations,which was attributed to water conservancy project construction and other human activities.This study suggests that multiple regression analysis is applicable to the runoff prediction for the Hengjiang River Basin,but the prediction results are various in different regions and at different levels,due to the differences in indices and accessibility of relevant parameters.

multiple regression analysis;annual runoff;prediction model;Hengjiang River

P338

A

1004- 6933(2017)03- 0009- 04

2016- 0826 編輯:徐 娟)

10.3880/j i.ssn.1004- 6933.2017.03.003

宋昭義(1974—),男,高級工程師,主要從事水文情報預報及水資源調查評價工作。E-mail:szy118@126.com