摘要:介绍灰色系统 理论 及其建模原理,利用珊溪水库雨量站40多年的实测降雨量资料建立灰色预测GM(1,1)模型,对干旱灾害进行预测,经残差、关联度检验等 分析 ,模型精度较高,并对实测资料进行检验,效果较理想,为水库发电、供水提供必要的预测信息。
关键词:干旱 灰色预测 精度检验
引 言
灰色系统理论[1]是80年代初由我国著名学者邓聚龙教授提出的。它把一般系统论、信息论、控制论的观点和 方法 延伸到 社会 、 经济 、生态等抽象系统,并结合数学方法, 发展 成为一套解决信息不完备系统即灰色系统的理论和方法。它对未来的 研究 具有重要意义。 应用 该方法对各种 自然 灾害进行预测,是减轻灾害和作出 科学 决策的重要措施之一。本文以珊溪水库雨量站40年的实测年降雨量资料,用灰色系统理论GM(1,1)对未来干旱灾害进行预测。该文中干旱预测严格说是异常值预测,主要是干旱灾害出现时间的预测,即干旱出现的年份。
1 珊溪水库雨量的基本情况
珊溪水库雨量站于60年代设站,该站多年平均降雨量在1800mm左右,年最大降雨量为1990年2397mm;年最小为1976年的1169.8mm。根据本地区干灾害天气的实际情况及特点,本文以年降水量小于1400mm作为异常值指标进行分析 计算 、预测。
2 灰色系统模型的建立及其检验
灰色系统(Grey System)即指信息不完全、不充分的系统。灰色系统理论GM(1,1)代表1个变量的一阶微方方程,它既是一种动态的数学模型,又是一种连续的数学函数。其根据联度收敛原理、生成数、灰导数和灰微方程等论据和方法来建模。建模技巧是利用量化方法将杂乱无章的原始数据列,通过累加生成处理,使之变成有 规律 的原始数据列,利用生成后的数据列建模,在预测时再通过还原检验其误差。
2.1灰色预测模型建立
GM模型即灰色模型,其实质是对原始数据序列作为一次累加生成,使生成序列呈一定规律,并用典型曲线拟合,从而建立其数学模型。对已知原始数据序列X(0){}(i=1,2,…,n)首先进行一阶累加生成(即1-AG0)得新序数列为X(1)。
利用X(1)构成下述白化形式的微方方程:
其中a,u是待定系数,利用最小二乘法求解参数α、u;
式中
所以方程(1)的解为:
(其中k=1,2,3…,n)
然后将求得的参数回代模型进行精度检验。
本文GM(1,1)模型以1400mm的阈值进行建模预测,该系列中异常值在1400mm以下年份有1967、1971、1979、1986和1991年,其相应的X(0)和X(1)见表1
表1 模型预测计算分析表
K
0
1
2
3
4
年份
1967
1971
1979
1986
1991
7
11
19
26
31
7
18
37
63
94
7
20.3
38.1
62.0
94.1
相对误差(%)
0
12.8
3
-1.60
0.11
根据表1,可知X01={7,11,19,26,31},作累加生成AGO时,X(K+1)1={7,18,37,63,94}。因此:
因此
由此可知:α=-0.294192892;μ=9.357105995;μ/α=-31.80602336,代入(1)得:=38.80602337e0.294192892k-31.80602337 (其中 k=1,2,3…,n)
转贴于论文联盟 http://www.lwlm.com2.2 模型检验
灰色预测的检验一般有残差检验、关联度检验和后验差检验。
2.2.1 残差检验
残差检验就是 计算 相对误差,对模型的回顾,以残差的大小来判断模型的好坏,残差的计算结果见表2,从表可以看出模型平均相对误差为7.6%,平均精度为92.4%,用于预测原点的精度为96.5%。其精度都较高,残差检验通过,该模型可用于预测。
表2 模型残差检验计算表
K
0
1
2
3
4
平均值
7
18
37
63
94
7
20.3
38.1
62.0
94.1
7
11
19
26
31
7
13.3
17.8
23.9
32.1
0
-2.3
1.2
2.1
-1.1
0
20.1
6.3
8.1
3.5
7.6
100
79.9
93.7
91.9
96.5
92.4
绝对误差序列: k=1,2,…,n
相对误差序列: k=1,2,3…n
2.2.2 关联度检验
关联度是用来定量描述各变化过程之间的差别。关联系数越大,说明预测值和实际值越接近。
关联度:
其中:
式中: 被称为分辨率,0《1,一般取=0.5。
本例以X(1)作为 参考 项与作关联度 分析 ,求得:
n(1)=1;n(2)=0.3333;n(3)=0.5111;n(4)=0.5349;n(5)=0.92
关联度
根据经验,当=0.5时,关联度大于0.6是可以接受的,因此模型预测是可信的。
2.2.3 后验差检验
后验差检验是模型精度的等级标准作出合理的评价,按照精度检验C和P(小误差概率)两个指标进行评定,其等级标准如表三。表中的C为方差比,即C=S2/S1,其中S1为原始数据的方差,S2为残差的方差。P为小误差概率,其中。
表3 检验指标等级标准表
P
C
好
﹥0.95
﹤0.35
合格
﹥0.85
﹤0.50
勉强合格
﹥0.70
﹤0.65
不合格
≦0.70
≧0.65
本例中的方差比计算如下:
原始数据均值和方差:
残差均值和方差:
后检验差比值C=S2/S1=0.1699
小误差概率:
通过以上计算C=0.1699﹤0.35;所有的△(k)均小于6.4815,所以P=1﹥0.95;由此可见模型精度为最高一级的“好”
2.2.3 关联度检验
关联度是用来定量描述各变化过程之间的差别。关联系数越大,说明预测值和实际值越接近。
关联度:
其中:
式中: 被称为分辨率,0《1,一般取=0.5。
以X(1)作为参考项与作关联度分析,求得:
n(1)=1;n(2)=0.3333;n(3)=0.5111;n(4)=0.5349;n(5)=0.92
关联度 =3.2993/5=0.65986
根据经验,当=0.5时,关联度大于0.6是可以接受的,因此模型预测是可信的。
3 模型在预测中的 应用
用不同的k值代入预测模型=38.80602337e0.294192892k-31.80602337进行预测。
K=5时, =137.13335;=137.13335-94=43.13335;43.1335-31(1991年的序号)=12.13335,即1991年+12.13335=2003年(预测到2003年将发生干旱);实际上珊溪站在2003年实测的降雨量为1410mm,与模型预测相吻合。
K=6时, =194.9178;=194.9178-137.13335=57.78445;57.78448-43(2003年的序号)=14.78445,即:2003年+14.78445=2017.78年(预测到2017年~2018年将发生干旱)。
4 结语
灰色模型作为一种预测 理论 ,已经在各行各业得到充分的应用。探索其在水文预测中的应用具有现实的意义。由于GM(1,1)模型要求数据较少,原理简单,计算量适中,结果精度较高等诸多优点。但是,在这里需要指出的是GM(1,1)适合于短期的预测,不能用于较长时间的预测,否则会产生较大的误差,为了对较长时间的趋势值进行预测,需要引入新的数据,这样可以确保预测的可靠性;另外原始序列本身 规律 的好坏,也将 影响 预测模型的预测能力。
参考 文献
1 邓聚龙。灰色系统理论教程。武汉:华中理工大学出版社,1992
转贴于论文联盟 http://www.lwlm.com |