灌溉用水量預測方法研究現狀分析

馬 強

水資源是人類不可或缺的資源，水資源緊缺已是一個全球性的問題。我國是一個水資源相對貧乏的國家，是世界上13個貧水國家之一。要實現水資源的可持續利用，除了開源以外，節約用水則是解決當前水資源緊缺的首要途徑。農業是用水大戶，而灌溉用水量占農業總用水量的比例始達到90%以上。因此，研究灌溉用水量具有十分重要的意義。

1 灌溉用水量預測

灌溉用水量受降水量、蒸發量、氣溫、相對濕度、灌溉管理理水平、灌區作物種類及種植面積、灌溉制度、水源的情況以及水費政策的調整等因素的影響，因而表現出一定的不確定性，其年際年內變化都比較大。灌溉用水量是灌區經營管理的一個主要經濟指標，對灌溉用水量進行預測可以使有限的水資源發揮最大的效益，對于編制灌區用水計劃、預算當年經濟收入、指導水庫蓄水、安排工程項目等灌區管理工作以及指導灌區農業生產具有重要的指導意義。特別是在干旱年份，灌溉用水量的預測可以為灌區內部灌溉用水量的合理分配提供科學依據。另外，由于灌溉用水量預測既不同于天氣預報，也不同于徑流預報。因此，研究科學有效的灌溉用水量預測方法是十分必要的。

灌溉用水量的預測按時間可分為長期預測、中期預測和短期預測，大體上可分別對應年、月以及旬以下。中長期灌溉用水量預測可為灌區制定中長期調度計劃提供合理依據，也可為水資源的合理開發、分配，水污染控制，灌區整體規劃和布局提供必要的信息。通過中長期灌溉用水量預測，可以了解遠期用水量規模以及用水量發展趨勢，以利于合理計劃、開發和利用水資源，做到既能保障各個時期的灌溉用水量，又能最大限度地節約用水，對水污染進行有效的防御和控制，為灌區供水系統的優化改擴建提供必要的資料，使灌區的整體布局和未來發展規劃更加合理。短期灌溉用水量預測則可指導灌區的實時調度，做到有效利用水資源，使之發揮更大的效益，其預測的可靠性直接影響到整個調度決策的可靠性及實用性。

2 灌溉用水量預測過程

第一，明確預測對象。第二，根據已經明確的預測目標和有關的影響因素，調查與該預測有關的歷史資料。第三，對有關資料進行整理，去偽存真，去粗取精，排除有據可查的不實之處和將來不可能重復出現的小概率事件的影響后，把經過整理資料稱作預測信息。第四，通過對預測信息數據的處理和主觀經驗的判斷，分析出真實情況中的演變規律。這種演變規律是用數學模型與圖所表示的預測目標的歷史發展過程、趨勢與程度的一種科學概括。第五，必須注意的是，不是所有分析出的演變規律都具有預測意義，采用不同的預測信息或同一預測信息的不同取材可能得到多種演變規律，因此第四步分析出的演變規律不能直接用于預測，必須進行選擇。只有經過反復的數據處理和主觀經驗判斷，從各種演變規律中選擇出可以代表或說明未來的那種規律，即預測規律，才能用于預測。預測應用就是用預測規律判斷未來。

3 灌溉用水量預測技術

第一，定性預測技術。凡屬于研究預測目標未來發展性質的分析方法與手段都屬定性分析的范疇。在缺乏定量數據時，定性分析可直接用于預測；數據充分時也可用于對定量預測的結果進行評價，定性與定量方法相結合可有效提高預測結果的可信度。定性分析多用經驗調查法，如專家調查法、主觀概率法及相互影響分析法等。

第二，定量預測技術。定量預測的目的不僅僅是確定因果關系，而是確定影響程度。凡是屬于研究預測目標的未來發展程度的分析方法與手段，都歸類為定量預測范疇。定量分析多采用單方程回歸預測法。

第三，定時預測技術。定時預測是研究目標與時間之間的關系，包括時間序列的發展趨勢、季節變化、周期變化和不規則變化，并同有經驗的主觀判斷及假設相結合，尋求預測模型。凡是屬于研究預測目標未來發展過程的分析方法與手段，都歸類為定時預測范疇。定時分析多采用實際序列預測法，可進一步分為確定型時間序列預測法和隨機型時間序列預測法。

第四，定比預測技術。凡是屬于研究不同預測目標之間的未來發展比例的分析方法與手段，都歸類為定比預測，其特點是不同預測目標之間互為因果。定比預測多采用多方程回歸法以及投入產出法。

第五，評價預測技術。預測評價可分為階段評價和總體評價。對預測目標從各方面進行計算、分析與判斷以后，還必須對預測的可信程度進行評價。凡是屬于對預測結果進行評價的分析方法與手段，都歸類為評價預測范疇。預測評價通常多采用經驗調查法。

4 灌溉用水量預測方法及其特點分析

4.1 彭曼法

根據彭曼公式通過對作物蒸發蒸騰量的計算，再加上降雨量和田間滲漏量等因素對灌區用水量進行預測。這是目前灌溉用水量預測中采用的主要方法。這一方法需要大量的氣象資料，并充分掌握作物種植結構、灌溉面積以及當地水源等資料，此外還需要與氣象預報結合。因此，在資料缺乏的地區，這一方法不太適用。

4.2 自回歸滑動平均法

自回歸滑動平均法是對自回歸模型和移動平均模型的綜合，它將預測對象隨時間變化形成的序列先加工成一個白噪聲序列進行處理，可對任何一個需水過程進行模擬，對時預測、日預測和年預測均有效，且預測速度快，能得到較高的預測精度。但該方法只能給出下一周期灌溉需水量的預測值，無法給出合理的誤差估計，具有預測周期短、所用數據單一的缺點，更適用于優化控制的短期預測。此外，該方法存在著明顯的滯后性。

4.3 回歸分析法

回歸預測技術是一種應用廣泛的基本預測技術。根據因果分析的思想，尋找預測對象與影響因素之間的因果關系，建立回歸模型進行預測，而且在系統發生較大變化時，也可以根據相應變化因素修正預測值，同時對預測值的誤差也有一個大體的把握，因此適用于長期預測。而對于短期預測，由于需水量數據的影響因素復雜且影響因素未來值的準確預測困難，故不宜采用。

4.4 指標分析法

通過對用水系統歷史數據的綜合分析，制定出各種灌溉定額，然后根據灌溉定額和灌溉面積等的關系計算出遠期用水量。該模型的評估結果較好，但實際應用比較復雜，受稻田、旱地、菜田實灌面積資料的限制。但與回歸分析相比，其工作量要小得多。

4.5 灰色預測法

灰色系統理論自1982年問世以來，在理論和應用方面都取得了顯著的成績。尤其是灰色動態模型GM（1，1），由于可用于定量分析與預測，被看作是灰色系統中的核心模型，該方法比較適于不確定發展規律而原始數據又無明顯趨勢的情形，并且預測范圍廣，對長、短期預測均可，且所需數據量不大，在數據缺乏時十分有效。

隨著預測精度的要求越來越高，非線性預測技術的應用研究越來越深入。在非線性領域，神經網絡的應用現在越來越廣泛，神經網絡以其良好的非線性映射和良好的預測精度得到了眾多學者的重視，今后在灌溉用水預測領域，神經網絡必將發揮更重要的作用。