论文部分内容阅读
梅雨、台风降水是安徽省汛期降水的重要组成部分,是安徽省极端降水事件的主要影响因素。对梅雨、台风降水以及年降水序列分别进行周期分析和预测,获得降水序列的增减趋势及其预测值,可为安徽省水旱灾害防治和水资源配置等提供数据支撑。论文采用Morlet小波对1957~2011年淮河以北、江淮之间和长江以南3个区域的梅雨、台风和年降水量的周期进行了分析,根据得到的周期分析了3个地区的梅雨、台风和年降水量的增减趋势。采用db小波技术将原降水序列分解为4层子序列,利用ARIMA模型对子序列分别进行预测,合成各子序列的预测值,得原降水序列的预测值,同时采用ARIMA模型对原降水序列直接进行分析和预测,比较了小波与ARIMA组合模型和ARIMA模型对降水量序列的分析和预测结果。得到的主要结果如下:(1)安徽省梅雨降水主要受15a、5a和10a左右周期波动影响,台风降水主要受15a和7a左右周期波动影响,年降水主要受28a、15a、10a和5a左右的周期波动影响。(2)淮河以北、江淮之间和长江以南3个区域的梅雨、台风和年降水量具有不同的增减趋势。根据周期波动预测的淮河以北梅雨降水在一定时间内保持下降趋势,江淮之间梅雨降水量在一定时间内保持增加趋势,长江以南梅雨降水在一定时间保持上升趋势。淮河以北台风降水短时间内将保持下降趋势,江淮之间台风降水量处于下降趋势,长江以南台风降水量即将开始减少趋势。淮河以北年降水量将保持短时间的上升趋势,江淮之间年降水量将在一定时间内保持上升趋势,长江以南年降水量将整体保持上升趋势。淮河以北、江淮之间和长江以南3个区域梅雨降水量、台风降水量和年降水量的预测增减趋势与降水量实测值增减趋势相符,表明根据周期波动预测的安徽省降水量增减趋势具有一定的准确度。(3)ARIMA模型和小波与ARIMA组合模型淮河以北、江淮之间和长江以南3个区域梅雨降水量、台风降水量和年降水量的增减趋势预测效果均较好,且小波与ARIMA组合模型对安徽省降水的预测效果比ARIMA模型好。ARIMA模型对淮河以北、江淮之间和长江以南2012~2016年的梅雨降水量预测的平均相对误差绝对值分别为15.1%、12.9%和16.8%,台风降水量预测的平均相对误差绝对值分别为29.5%、13.4%和11.8%,年降水量预测的平均相对误差绝对值分别为8.6%、14.0%和11.5%。组合模型对淮河以北、江淮之间和长江以南2012~2016年的梅雨降水量预测的平均误差绝对值分别为10.5%、10.9%和6.3%,台风降水量预测的平均误差绝对值分别为9.6%、9.7%和14.0%,年降水量预测的平均误差绝对值分别为8.5%、9.9%和6.9%。ARIMA模型对降水异常年份的预测精度较差,误差较大的异常年份较多,小波与ARIMA组合模型对降水异常年份的预测精度较好,误差较大的异常年份较少,表明小波与ARIMA组合模型能够反映序列的细节特征,降低降水异常带来的影响。ARIMA模型和小波与ARIMA组合模型均为数据驱动方法,未直接考虑降水的物理机制,导致模型对淮河以北、江淮之间和长江以南3个区域的梅雨、台风和年降水量异常年份的预测误差较大。结合降水物理机制(如ENSO指数等)和数据驱动的降水量分析和预测模型可能具有更高的精度。