苗正偉 徐利崗

(1.河北水利電力學(xué)院，河北 滄州 061001； 2.寧夏水利科學(xué)研究院，寧夏 銀川 750021)

0 引言

降水的科學(xué)預(yù)測(cè)，不僅可為制定水資源開(kāi)發(fā)利用策略提供依據(jù)，又可為防災(zāi)、抗災(zāi)、減災(zāi)提供參考。由物理成因的定性分析及大量降水序列資料的統(tǒng)計(jì)分析得知，降水量可視為一列相依的隨機(jī)變量，其相依程度的強(qiáng)弱，可采用自相關(guān)系數(shù)作為其定量的測(cè)度[1]，基于此，可建立馬爾可夫鏈模型進(jìn)行預(yù)測(cè)分析。但實(shí)際上，降水是一種非常復(fù)雜的自然現(xiàn)象，具有大量的不確定性因素，很難嚴(yán)格滿足“齊次性”[2]；同時(shí)，有研究表明：考慮隨機(jī)變量的中間過(guò)程狀態(tài)從而充分利用信息，可提高預(yù)測(cè)精度[3]，因此本文以降水量序列的規(guī)范化后的各階自相關(guān)系數(shù)為權(quán)，建立加權(quán)馬爾可夫模型進(jìn)行預(yù)測(cè)。

1 加權(quán)馬爾可夫鏈模型

其原理參見(jiàn)文獻(xiàn)[4]，基本步驟如下：

1)建立年降水量的分級(jí)標(biāo)準(zhǔn)[5]，從而確定降水序列的狀態(tài)空間?？梢詷颖镜木怠獦?biāo)準(zhǔn)差為標(biāo)準(zhǔn)，將年降水序列劃分為五級(jí)，此時(shí)年降水序列的狀態(tài)空間E={1,2,3,4,5}。

2)按照上述分級(jí)標(biāo)準(zhǔn)確定資料序列中各年降水量的狀態(tài)，構(gòu)成年降水狀態(tài)序列。

3)計(jì)算一步轉(zhuǎn)移概率：對(duì)于降水狀態(tài)這一隨機(jī)變量，很難確定其準(zhǔn)確的轉(zhuǎn)移概率，但樣本序列足夠長(zhǎng)時(shí)，可用轉(zhuǎn)移頻率近似代替轉(zhuǎn)移概率，其計(jì)算公式如下：

(1)

其中，m為樣本序列的狀態(tài)個(gè)數(shù)；fij為樣本序列中年降水量從狀態(tài)i一步轉(zhuǎn)移到j(luò)的頻次；pij為由樣本序列統(tǒng)計(jì)得出的狀態(tài)i到j(luò)的一步轉(zhuǎn)移概率(頻率)。

4)對(duì)樣本序列做馬氏性檢驗(yàn)[6]：當(dāng)樣本序列長(zhǎng)度較大時(shí)，構(gòu)造服從自由度為(m-1)2的χ2分布的統(tǒng)計(jì)量：

(2)

其中，p*j為邊際頻率，計(jì)算公式如下：

(3)

給定顯著性水平α，查表可得分位點(diǎn)χ2((m-1)2)的值，若χ2>χ2((m-1)2)，則認(rèn)為樣本序列具有馬氏性，可作為馬爾可夫鏈來(lái)處理。

5)計(jì)算各階自相關(guān)系數(shù)：

(4)

6)對(duì)各階自相關(guān)系數(shù)規(guī)范化：

(5)

其中，ωk為步長(zhǎng)為k的轉(zhuǎn)移概率的權(quán)重；b為按預(yù)測(cè)需要計(jì)算到的最大步長(zhǎng)。

7)計(jì)算轉(zhuǎn)移矩陣：與式(4)同理，由樣本序列統(tǒng)計(jì)各狀態(tài)間各步長(zhǎng)的轉(zhuǎn)移概率，各步長(zhǎng)的轉(zhuǎn)移概率構(gòu)成相應(yīng)步長(zhǎng)的轉(zhuǎn)移矩陣，它決定了降水狀態(tài)轉(zhuǎn)移的概率法則。

關(guān)于擴(kuò)大灌溉面積。第一，還是要堅(jiān)持外延與內(nèi)涵相結(jié)合。內(nèi)涵就是對(duì)老的配套不完善的這些灌區(qū)進(jìn)行挖潛改造，特別是著力解決好“最后一公里”的問(wèn)題，這樣可以使有效灌溉面積得到恢復(fù)和改善。第二，在水土資源條件組合比較好、有開(kāi)發(fā)利用潛力的地方，結(jié)合千億斤糧食生產(chǎn)規(guī)劃，大力發(fā)展灌溉面積。第三，大力推行節(jié)水措施，包括北方地區(qū)的節(jié)水、東北四省區(qū)的節(jié)水、西北地區(qū)的節(jié)水。第四，充分地調(diào)動(dòng)農(nóng)民的積極性，調(diào)動(dòng)社會(huì)的資金。比如像剛才郝益東同志提出，內(nèi)蒙古搞的大型噴灌，基本上很多都是用社會(huì)資金來(lái)搞的。還有水權(quán)置換，工業(yè)企業(yè)要上新項(xiàng)目，但是沒(méi)有用水指標(biāo)，那么就支持河套灌區(qū)的農(nóng)業(yè)節(jié)水，通過(guò)節(jié)出來(lái)的水量發(fā)展工業(yè)項(xiàng)目。

9)將同一狀態(tài)的各預(yù)測(cè)概率加權(quán)后求和：

(6)

則，max{pi，i∈E}所對(duì)應(yīng)的i即為該年年降水的預(yù)測(cè)狀態(tài)。若該年年降水狀態(tài)可確定，將其加入原序列，重復(fù)以上步驟進(jìn)行下一年度的預(yù)測(cè)。

10)進(jìn)一步對(duì)該馬爾可夫鏈的特征(非周期、遍歷性、平穩(wěn)分布等)進(jìn)行分析。

2 榆林地區(qū)年降水狀態(tài)預(yù)測(cè)

于“中國(guó)氣象數(shù)據(jù)網(wǎng)”下載了榆林地區(qū)1951年—2010年的逐月降水?dāng)?shù)據(jù)，并將之整理為年降水序列。首先以1951年—2008年的資料建立模型預(yù)測(cè)2009年的年降水狀態(tài)。

表1 榆林地區(qū)1951年—2008年降水量分級(jí)表

表2 榆林地區(qū)1951年—2008年降水量及其狀態(tài)

3)一步轉(zhuǎn)移概率及馬氏性檢驗(yàn)。經(jīng)統(tǒng)計(jì)計(jì)算：

由表1知榆林地區(qū)年降水序列的狀態(tài)數(shù)m=5，給定顯著性水平α=0.05，查χ2分布分位數(shù)表可得χ2((5-1)2)=χ2(16)=26.296。可見(jiàn)，χ2>χ2(16)，因此，該時(shí)間序列具有馬氏性，即榆林地區(qū)1951年—2008年年降水狀態(tài)序列可視為馬爾可夫鏈。

4)計(jì)算各階自相關(guān)系數(shù)和權(quán)重，結(jié)果如表3所示。

表3 各階自相關(guān)系數(shù)及權(quán)重

5)對(duì)降水狀態(tài)序列進(jìn)行統(tǒng)計(jì)計(jì)算，得步長(zhǎng)從1～5的轉(zhuǎn)移概率矩陣：

6)根據(jù)2004年—2008年的年降水狀態(tài)預(yù)測(cè)2009年的年降水狀態(tài)，結(jié)果見(jiàn)表4。

表4 2009年年降水狀態(tài)預(yù)測(cè)

由表4可知max{pi，i∈E}=0.449，對(duì)應(yīng)的狀態(tài)為3，即榆林地區(qū)2009年年降水量狀態(tài)為3，平水年。榆林地區(qū)2009年的實(shí)際降水量為420.8 mm，由表1知，正屬于狀態(tài)3。預(yù)測(cè)結(jié)果與實(shí)際結(jié)果吻合。

7)以1951年—2009年的實(shí)測(cè)資料重復(fù)上述步驟預(yù)測(cè)2010年的降水狀態(tài)，結(jié)果見(jiàn)表5。

表5 2010年年降水狀態(tài)預(yù)測(cè)

由表5知，榆林地區(qū)2010年年降水量預(yù)測(cè)狀態(tài)為3，其實(shí)際降水量為363.9 mm，屬于平水年，預(yù)測(cè)與實(shí)際相吻合。

3 結(jié)論與展望

1)按照均值—標(biāo)準(zhǔn)差方法將榆林地區(qū)實(shí)測(cè)年降水序列劃分為豐水、偏豐、平水、偏枯、枯水年五種狀態(tài)，利用加權(quán)馬爾可夫鏈分別對(duì)2009年，2010年降水狀態(tài)進(jìn)行預(yù)測(cè)，結(jié)果均與實(shí)測(cè)情況吻合，初步說(shuō)明用加權(quán)馬爾可夫鏈預(yù)測(cè)榆林地區(qū)的年降水狀態(tài)是可行的。

2)狀態(tài)標(biāo)準(zhǔn)的劃分有一定的隨意性，對(duì)結(jié)果會(huì)產(chǎn)生一定影響，如何更科學(xué)的劃分降水狀態(tài)有待于進(jìn)一步探討。

3)馬爾可夫鏈的預(yù)測(cè)結(jié)果是一個(gè)區(qū)間，如何結(jié)合其他理論或方法進(jìn)一步預(yù)測(cè)出較為精確的具體數(shù)值，從而拓展預(yù)測(cè)結(jié)果的適用范圍，值得進(jìn)一步研究。

4)用馬爾可夫鏈進(jìn)行預(yù)測(cè)的基本假設(shè)是：年降水狀態(tài)序列是齊次馬爾可夫鏈，但實(shí)際上這很難嚴(yán)格滿足：齊次馬氏鏈的統(tǒng)計(jì)特性完全取決于初始分布和一步轉(zhuǎn)移概率，但對(duì)于年降水狀態(tài)序列卻很難獲得準(zhǔn)確的轉(zhuǎn)移概率，只能用由足夠長(zhǎng)的實(shí)際資料進(jìn)行統(tǒng)計(jì)得出的轉(zhuǎn)移頻率代替轉(zhuǎn)移概率；齊次馬爾可夫鏈的n步轉(zhuǎn)移概率矩陣等于一步轉(zhuǎn)移概率矩陣的n次方，這對(duì)于由統(tǒng)計(jì)計(jì)算得出的各步轉(zhuǎn)移矩陣顯然是難以成立的。這些都會(huì)對(duì)預(yù)測(cè)精度產(chǎn)生影響，盡管引入了加權(quán)馬氏鏈，但這不能從根本上消弭不足。因此該方法對(duì)于水文時(shí)間序列預(yù)測(cè)的適用程度有待進(jìn)一步檢驗(yàn)。

參考文獻(xiàn)：

[1] 韓璞璞,張 生,李暢游,等.基于權(quán)馬爾可夫鏈模型的廬江縣降水量預(yù)測(cè)[J].水文,2012,32(3):38-42.

[2] 韓合忠,高淑會(huì),國(guó)偉華.基于加權(quán)馬爾可夫模型的濟(jì)南市降水豐枯狀況預(yù)測(cè)研究[J].水文,2012,32(5):72-75.

[3] 王鑫東.加權(quán)馬爾科夫鏈模型在農(nóng)業(yè)灌溉用水預(yù)測(cè)中的應(yīng)用研究[J].中國(guó)農(nóng)村水利水電,2016(5):58-64.

[4] 劉次華.隨機(jī)過(guò)程[M].第5版.武漢:華中科技大學(xué)出版社,2014.

[5] 王宇博,梁秀娟,喬 雨,等.基于疊加馬爾科夫鏈和BP神經(jīng)網(wǎng)絡(luò)模型的降水量預(yù)測(cè)研究[J].中國(guó)農(nóng)村水利水電,2014(9):80-86.

[6] 王 濤,錢 會(huì),李培月.加權(quán)馬爾可夫鏈在銀川地區(qū)降雨量預(yù)測(cè)中的應(yīng)用[J].南水北調(diào)與水利科技,2010,8(1):78-81.