王洪寶

(盤錦市水利勘測設(shè)計有限公司，遼寧 盤錦 124000)

降水是整個水資源體系中不可忽視的構(gòu)成部分，降水量的多少和所覆蓋范圍的大小不僅會帶來旱澇災(zāi)害還會影響農(nóng)業(yè)生產(chǎn)[1]。因此，在預(yù)防災(zāi)害和農(nóng)業(yè)水管理方面，對降水預(yù)報的研究顯得尤為重要[2]。

據(jù)統(tǒng)計，黑龍江省每年都會發(fā)生多種不同等級的自然災(zāi)害，其中干旱的發(fā)生頻率排在該地區(qū)農(nóng)業(yè)災(zāi)害的第一位。目前，黑龍江省的干旱情況還在不斷惡化，較為嚴(yán)重的是發(fā)生在西部地區(qū)的荒漠化和沙漠化問題。齊齊哈爾市地表水資源稀缺，水資源含量主要依靠大氣降雨補充，但是全年的降雨一般只發(fā)生在7、8兩個月。隨著現(xiàn)代化進程的不斷推進，人們在生產(chǎn)生活中的耗水量持續(xù)遞增，無法提供充足的水資源是導(dǎo)致齊齊哈爾市城市發(fā)展進度緩慢的主要原因。

文章基于年際降雨特征分析、年內(nèi)降雨量豐枯變化趨勢和基于EMD的BP神經(jīng)網(wǎng)絡(luò)模型等方法，對齊齊哈爾市克山站、龍江站、齊齊哈爾站和富裕站4個氣象站的逐月降雨資料，探討年際降雨特征以及降雨預(yù)測變化的合理性，從而給齊齊哈爾市一定的理論指導(dǎo)。

1 資料與方法

1.1 數(shù)據(jù)來源

文章數(shù)據(jù)來源于1960-2015年共56年齊齊哈爾市的克山站、龍江站、齊齊哈爾站和富裕站4個氣象站的逐月降水資料，所有數(shù)據(jù)均經(jīng)過整編、整理和人工質(zhì)核，數(shù)據(jù)質(zhì)量合理可靠。

1.2 水文氣象

齊齊哈爾市雖然日照充足，雨熱同季，但常伴隨著各種自然災(zāi)害，其中旱、澇、霜、風(fēng)都會影響農(nóng)作物生長，阻礙農(nóng)業(yè)生產(chǎn)。在時空分布上呈現(xiàn)出不同災(zāi)害不同程度上的差異性。齊齊哈爾市地表水資源稀少，全市分布的江湖數(shù)量不超過1 000條。齊齊哈爾市水資源總量有42.6771億 m3/a。水資源補給模數(shù)為10.05萬 m3/a·km2。地下水總補給量為36.14億 m3/a，補給模數(shù)為9.18萬 m3/a·km2。

1.3 BP神經(jīng)網(wǎng)絡(luò)模型

BP算法，即誤差反向傳播算法，是目前應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)，即使用BP算法的多層前饋結(jié)構(gòu)形式的人工神經(jīng)網(wǎng)絡(luò)。研究表明，一個三層的BP神經(jīng)網(wǎng)絡(luò)幾乎可以解決任何復(fù)雜的映射問題[3]，這種三層前饋網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，它的訓(xùn)練過程又分為兩個過程：向前傳播輸入(前饋型網(wǎng)絡(luò))；反向誤差傳播(也就是學(xué)習(xí)過程)。

1.4 經(jīng)驗?zāi)B(tài)分解法

經(jīng)驗?zāi)B(tài)分解法(Empirical Mode Decomposition,EMD)是一種處理復(fù)雜非線性信號的方法，將信號由復(fù)雜變?yōu)槠椒€(wěn)。具體而言就是不斷分解信號中不同尺度(頻率)的波動或趨勢直到出現(xiàn)互不影響且穩(wěn)定性強的數(shù)據(jù)序列。該方法的優(yōu)勢在于：首先，因為它的基函數(shù)是正余弦函數(shù)，具有可以變化幅度和頻率的性質(zhì)，所以分解出的信號唯一且適應(yīng)性強，而傅氏分解、小波分解法無法實現(xiàn)；其次，該方法能夠呈現(xiàn)到局部細節(jié)化的信息。

2 結(jié)果分析

2.1 年際降雨特征

采用算術(shù)平均法計算齊齊哈爾市四個氣象站的逐年降水量，時間跨度長達56 a的降水資料經(jīng)過計算得出多年平均降水量為460.89 mm。近20 a(1996-2015年)齊齊哈爾市年平均降水量為474.35 mm；2011-2015年，平均降水量為541.5 mm。最小降雨量發(fā)生在1976年為288.83 mm，最大降雨量發(fā)生于1998年為754.7 mm。

采用五點移動平均法可以弱化降水量周期隨機性帶來的障礙，分析年降水量的變化趨勢。計算公式如下：

yt=(yt-2+yt-1+yt+yt+1+yt+2)/5

(1)

式中：為t點的滑動平均值。

分別計算四個測站1960-2015年逐年、多年平均降水量及五點滑動平均降水量，并繪成折線圖，如圖1所示。從年時間尺度來看齊齊哈爾市降水變化趨勢顯著。降水的豐枯趨勢大致為：60年代末期到70年代末期降雨量最少，從70年代末80年代初開始，降雨量開始呈現(xiàn)上升趨勢，且整體上高于多年平均降雨量水平；90年代降雨量有所下降；從2000年開始，降雨量又呈現(xiàn)上升趨勢，整體上超過年平均降雨。齊齊哈爾站五點滑動平均值擬合的線性方程為：y=0.849 8 x+403.3，與年際降雨量擬合方程基本一致，說明雖然上升趨勢緩慢，但齊齊哈爾市56 a內(nèi)降雨量逐年上升。

圖1 齊齊哈爾市年際降雨規(guī)律分析

2.2 基于EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型簡介

不同程度和發(fā)生時空的干旱災(zāi)害不會對基于EMD的BP神經(jīng)網(wǎng)絡(luò)干旱預(yù)測模型的分析造成影響。其操作方法是：首先，要采用EMD經(jīng)驗?zāi)B(tài)分解法，將原降水時間分解成平穩(wěn)性的時間序列。接下來，建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測分解序列。最后，最終預(yù)測結(jié)果是所有得到結(jié)果的加和。具體操作流程如圖2所示。

圖2 基于EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型流程圖

2.3 基于EMD的BP神經(jīng)網(wǎng)絡(luò)在齊齊哈爾市降雨預(yù)測中的應(yīng)用

在將以往的經(jīng)驗?zāi)B(tài)分解法(EMD)和神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用時，往往將每個序列數(shù)據(jù)分解成線性穩(wěn)態(tài)序列和非線或不穩(wěn)定序列兩種。其中ARMA或者ARIMA等方法是用來預(yù)測具有良好穩(wěn)定性的線性序列的常用模型；人工神經(jīng)網(wǎng)絡(luò)模型是用來進行一對一預(yù)測非線性或不穩(wěn)定的序列的。本研究采用人工神經(jīng)網(wǎng)絡(luò)模型多對多的將各個序列進行預(yù)測，以期達到降低一對一模型所造成的多項誤差累積效應(yīng)的結(jié)果。因此，本研究根據(jù)經(jīng)驗?zāi)B(tài)分解法的分解步驟，借助MATLAB軟件，將觀測到的四個氣象站的平均值序列(1960-2015年共56 a)依據(jù)EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型流程圖進行EMD分解。將分解結(jié)果中前46年(1960-2005年)的年均降水時間序列輸入BP神經(jīng)網(wǎng)絡(luò)，用后10年的年降水時間序列進行精度檢驗，即可得到基于EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果。

圖3 齊齊哈爾市降水序列EMD分解圖

圖中imf1-imf4分別表示EMD分解出的本征模態(tài)分量，r為剩余量。如圖所示，imf1-imf4中，imf1振幅最大、頻率最高，波長最短，其它imf呈現(xiàn)的變化恰好與之相反，說明EMD分解后減小了所提供的時間序列的隨機性，平穩(wěn)性得到提高，提高了BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的準(zhǔn)確程度，降低了相對誤差。

BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測分解序列的操作步驟如下：先構(gòu)建出BP神經(jīng)網(wǎng)絡(luò)模型序列的矩陣x，x=[c1(t)，c2(t)，c3(t)，c4(t)]，x(t)為研究的年降水量序列，c1(t)，c2(t)，c3(t)，c4(t)為的4個imf分量，為剩余量，矩陣每一行數(shù)據(jù)構(gòu)成了該模型的訓(xùn)練樣本，神經(jīng)網(wǎng)絡(luò)檢驗數(shù)據(jù)選用所研究年份里的后十年；本研究所選用的BP神經(jīng)網(wǎng)絡(luò)模型為隱含層節(jié)點數(shù)為5個的單隱含層網(wǎng)絡(luò)結(jié)構(gòu)，輸入節(jié)點和輸出節(jié)點都為n+1。隱含層和輸出層的神經(jīng)元傳遞函數(shù)選用tansig，trainglm作為訓(xùn)練函數(shù)將其訓(xùn)練次數(shù)設(shè)定為1萬次。經(jīng)過反復(fù)試驗和不斷修改，最終得出齊齊哈爾市2006-2015年降水量預(yù)測值。神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的訓(xùn)練過程見圖4。為了判斷預(yù)測結(jié)果的準(zhǔn)確程度，將其與真實降雨量對比，見表1。由統(tǒng)計結(jié)果可知，預(yù)測效果理想，相對誤差全部控制在10%以下，說明該模型對齊齊哈爾市年均降水量進行有效預(yù)測。因此，對齊齊哈爾市采用基于EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對降雨量進行預(yù)測是可行的。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程圖

表1 基于EMD的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測齊齊哈爾市降水量結(jié)果

3 結(jié)語

(1)本文采用算術(shù)平均法，計算出了齊齊哈爾市四個氣象站1960-2015年共56年的降水資料的逐年降水量，得出多年平均降水量為460.89 mm。齊齊哈爾站五點滑動平均值擬合的線性方程為：y=0.849 8x+403.3，與年際降雨量擬合方程基本一致，說明雖然上升趨勢緩慢，但齊齊哈爾市1960-2015年期間降雨量逐年上升。

(2)齊齊哈爾市年均降水量采用基于EMD的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測較為合理，相對誤差均不超過10%。因此，對齊齊哈爾市采用基于EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對降雨量進行預(yù)測是可行的。