大型灌區(qū)退水量預(yù)測理論與方法研究.pdf

1、退水廣泛存在于我國的大型灌區(qū)中,它主要由田面棄水、引水渠退水、地下水排水、降水、山洪、工業(yè)廢水及生活污水組成.我國西北地區(qū)的灌區(qū)年退水量接近200億m<'3>,一些灌區(qū)的退水量可達(dá)引水量的40﹪～60﹪,這部分水量的重復(fù)利用不僅對于灌區(qū),而且對整個區(qū)域的水資源管理都具有十分重要的意義.由于退水量的組成和時空分布十分復(fù)雜,目前國內(nèi)外關(guān)于退水量預(yù)測理論與方法的研究較少,而且不夠深入. 在查閱國內(nèi)外相關(guān)文獻(xiàn)資料的基礎(chǔ)上,本文采用理論與

2、方法研究和實例應(yīng)用相結(jié)合的技術(shù)路線,以寧夏青銅峽灌區(qū)為例,研究了灌區(qū)退水的變化規(guī)律,確定了退水的組成及主要影響因素,將灌區(qū)退水分為年退水、月退水、日退水等3種不同的類型,對灌區(qū)退水量預(yù)測的理論與方法進(jìn)行了研究. 論文的主要研究成果為: (1)通過分析寧夏青銅峽灌區(qū)灌溉、排水和降水等長系列歷史觀測資料,研究了寧夏青銅峽灌區(qū)產(chǎn)生大量退水的主要原因,揭示了灌區(qū)水資源的轉(zhuǎn)化規(guī)律. (2)研究了灌區(qū)退水量的組成,揭示了退水

3、量的年際和年內(nèi)變化規(guī)律,采用灰色關(guān)聯(lián)度和相關(guān)分析的方法確定了退水量的主要影響因素為引水量、地下水位和降水量. (3)以年退水量為研究對象,根據(jù)灌區(qū)退水量與其影響因素相關(guān)關(guān)系比較明顯,年退水規(guī)律相對容易描述的特點,采用多元逐步回歸方法建立了灌區(qū)年退水量預(yù)測模型,模型結(jié)構(gòu)簡單,物理意義明確,對樣本要求不大,預(yù)測精度在7﹪以內(nèi). (4)灌區(qū)月退水量的變化呈一定的周期性,但隨機(jī)波動較大,用傳統(tǒng)數(shù)值分析方法很難進(jìn)行模擬,本文利用神

4、經(jīng)網(wǎng)絡(luò)的強(qiáng)模擬能力和在線學(xué)習(xí)能力,建立了灌區(qū)月退水量預(yù)測的神經(jīng)網(wǎng)絡(luò)模型.實例應(yīng)用表明,在樣本數(shù)量較大的情況,退水量神經(jīng)網(wǎng)絡(luò)模型具有較高的模擬和預(yù)測精度.另外,針對BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢、易于收斂于局部最小點、過度訓(xùn)練和外推能力差的缺點,本文從建模、樣本選取、樣本數(shù)量、算法選取、網(wǎng)絡(luò)訓(xùn)練、模型更新等6個方面討論了克服這些缺點的方法,實例分析表明這些方法是切實有效的. (5)神經(jīng)網(wǎng)絡(luò)模型要取得好的外推能力和預(yù)測效果,必須有大量的訓(xùn)練

5、樣本作保證,但許多灌區(qū)的月退水量資料序列較短,訓(xùn)練樣本的數(shù)量較少,達(dá)不到神經(jīng)網(wǎng)絡(luò)建模的要求.因此,本文引入了以結(jié)構(gòu)化風(fēng)險最小為原則,適合小樣本建模的支持向量機(jī),建立了灌區(qū)月退水量預(yù)測的支持向量機(jī)模型,并探討了支持向量模型參數(shù)的訓(xùn)練方法.實例應(yīng)用表明,在樣本數(shù)量較少的情況下,支持向量機(jī)模型的預(yù)測能力高于神經(jīng)網(wǎng)絡(luò)模型. (6)通過對灌區(qū)日退水量時間序列的研究,揭示了寧夏青銅峽灌區(qū)日退水量時間序列的非平穩(wěn)性和1階差分平穩(wěn)性,建立了灌區(qū)

6、日退水量預(yù)測的時間序列模型,探討了退水量時間序列模型預(yù)測的新息修正方法.實例應(yīng)用表明模型能較好地模擬灌區(qū)日退水量的變化規(guī)律,平均相對誤差為7.88﹪,預(yù)測精度較高. (7)通過對灌區(qū)日退水量時間序列進(jìn)行混沌識別和相空間重構(gòu),揭示灌區(qū)日退水量具有混沌特征,確定了其重構(gòu)相空間的時間延遲、嵌入維數(shù)和關(guān)聯(lián)維數(shù).在此基礎(chǔ)上,將相空間重構(gòu)理論與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合,建立了灌區(qū)日退水量預(yù)測的混沌神經(jīng)網(wǎng)絡(luò)模型,并與日退水量預(yù)測的時間序列方法進(jìn)行了