论文部分内容阅读
中国是水资源相当贫乏的国家之一,水资源时空分布不均,与农业生产力布局严重不匹配,而黄河流域大部分是干旱半干旱地区,农业高度依赖于黄河水灌溉。内蒙古河套灌区位于黄河上中游,属于典型的没有灌溉就没有农业的地区。早在两千多年前,该灌区因为土质肥沃、灌溉便利,成为重要的产粮区。然而,近年来由于黄河来水量的减少及内蒙古用水量的持续增加,用水矛盾日益突出。因此,科学预测、定量供应、提高水资源利用率十分必要。 在查阅国内外相关文献资料的基础上,以河套灌区历年净引黄水量为研究对象,采用理论分析与实例应用相结合的技术路线,分析灌区作物生长发育期用水规律和引黄水量的年际、年内变化情况,筛选出影响引黄水量变化的主要因子,运用灰色GM(1,1)模型、BP神经网络模型、以及两方法并联和串联进行组合等方法对灌区的净引黄水量趋势预测进行了探讨,得出以下主要结论: 影响引黄水量变化的主要因子为:降水、径流、湿度、小麦、玉米的种植面积。 引黄水量符合水量的灰色性,可用灰色GM(1,1)模型建模,方法简便。但由于引起水量发生变化的因素是复杂多样的,模型精度不高,预测误差较大。 BP神经网络模型经过优化后,拟合效果比较好,对灌区2007~2009年的引黄水量进行预测,结果表明,07年的相对误差仅为0.51%,08年的相对误差为5.96%,09年的相对误差为2.49%,网络的训练、预测是比较成功。 并联型和串联型组合预测能更全面地把握系统,达到提高预测精度与增加预测稳定性和结果的可靠性的目的,弥补了单一预测方法不准确的缺陷,减少风险性。实例结果表明,灰色模型的平均相对误差最大为3.4865%,其次是BP网络模型,平均相对误差为2.9897%,串联式组合模型和并联式组合模型的平均相对误差比前两者模型小的多,分别为:2.0268%、2.0267%,精度进一步提高。 运用人工神经网络和组合预测方法对灌区水量进行可预测性研究,模拟结果表明在确定合理的输入变量和网络结构后,BP神经网络模型和并联型灰色神经网络和串联型灰色神经网络可以尝试作为灌区一种有效的引黄水量预测模型。 采用灰色马尔科夫链对河套灌区年引水量进行分级,结合模糊集理论中级别特征值的求法,对各状态分别赋予相应的权重,进而用加权马尔可夫链预测灌区2007~2009年的引水量,预测结果分别为1.83%、6.89%、2.02%,也较有参考价值。