多倫縣降雨量時間序列的隨機模擬

李睿芳

(天津師范大學，天津 300380)

?

多倫縣降雨量時間序列的隨機模擬

李睿芳

(天津師范大學，天津 300380)

以1971～2002年的降雨量資料為依據，利用相關知識和時間序列分析方法,對多倫縣降雨量時間序列進行了模擬。利用年資料建立隨機模型，根據時間序列的自相關系數和偏相關系數的比較建立了一階平穩的AR(1)模型。 通過模型模擬出了服從偏態分布的降雨量序列,并通過誤差分析得出了由AR(1)模型模擬的大量序列都較符合預報要求，故此模型在實際中可以對水文時間序列進行偏態模擬。

AR(1)模型； 水文時間序列； 自相關系數； 偏相關系數

1 引言

依據觀測到的多倫縣降雨量樣本序列建立隨機水文模型，由模型模擬出大量降雨量序列。雖然在水文隨機模擬中還存在一些問題有待解決，如模型與參數的不確定性的影響，但水文隨機模擬技術的正確使用，將有助于在水資源工程的規劃設計和管理運用中得到比應用傳統方法更為可靠的結果，從而可以提高規劃設計或管理運用的科學水平。

2 時間序列模型建立

2.1 建模目的

出自模型模擬序列的應用十分廣泛，在水文水利計算、水文測驗、水文站網規劃以及水文預報中均有應用，不同的目的要求有不同的模擬序列即不同的模型，設計建立模型的目的是根據降雨量資料的分析情況，建立隨機模型，以便模擬出大量序列。

2.2 模型類型的選擇

由自相關圖可以看出該序列存在著相依性，為一組相依序列，考慮以下幾點初步選用AR(p)模型： ① AR(p)模型表征降雨量序列的統計特性有一定的物理基礎； ② AR(p)模型參數的估計可以用簡單的距法，而且精度較高； ③ AR(p)模型形式簡單，數字處理方法簡單，為大家所熟悉。

2.3 模型形式的識別

選定AR(p)模型后，主要問題是如何確定階數p，對模型識別階數p的主要方法是對偏相關系數的統計分析。當k≥1時，數據落入容許限內，即可推斷出p=1，換言之，據偏相關系數的統計分析，AR(1)模型可以用來描述該降雨量系列的統計變化。

2.4 參數估計

因此對降雨量序列建立AR(1)模型為：

(1)

2.5 利用AIC準則對模型進一步識別

由準則計算的情況如下：

AIC(0)=29Ln(5120.872)+2×0=247.6913

AIC(1)=29Ln(4757.441)+2×1=247.5565

AIC(2)=29Ln(4648.0775)+2×2=248.876

AIC(1,1)=29Ln(4673.811)+2×2=249.04

根據計算結果，設計中采用AR(1)模型。

2.6 模型的檢驗

利用建立的AR(1)模型和實測的1999年降雨量對2000～2002降雨量進行模擬，AR(1)模型遞推公式為：

(2)

利用(2)式遞推出2000～2002年降雨量的隨機項，加上確定性成分就得到了 2000～2002年降雨量的模擬值。

計算的實測值與模擬值的絕對誤差如表1,因絕對誤差沒有超過2倍標準差,所以模型檢驗符合要求，即AR(1)模型可用來模擬降雨量序列。

3 模擬降雨量序列

確定出AR(1)模型后，還要判斷隨機項是屬于正態分布還是偏態分布的, 經計算隨機項的偏態系數Cs=0.119，因此可以判斷該序列屬于偏態分布。

AR(1)偏態模型如下。

(3)

筆者選用的是長序列法模擬序列計算統計參數,即由模型模擬出一個很長的模擬序列,然后進根據這個長序列來估計參數。序列的主要數字特征為數學期望函數，方差函數，偏態系數等。

利用計算機電子表格中的數據分析隨機數發生器公式，在計算機上直接生成10組長度為1000的(0，1)上均勻分布的隨機數，并從中選取1組長度為1000的隨機數序列用來進行模擬。

對服從偏態分布的純隨機項的模擬，將均勻隨機數作下列變換：

則ζ1，ζ2為相互獨立的標準正態分布[N(0,1)]變量。因為該序列屬于偏態分布，偏態系數Cs=0.119<0.5，所以采用近似法又稱W—H變換法來進行偏態序列模擬，這一方法的實質在于標準正態分布和標準化的皮爾遜Ⅲ型分布之間存在著近似關系

(4)

模擬的步驟如下所示。

(2)由服從標準正態分布的的隨機變量的模擬方法模擬出ζ1，算出φ1;

(3)以x0和值φ1代入式(4)又計算出x1;

(4)回到步驟二模擬出ζ2，算出φ2;

(5)以x1,φ2又代入是(4)計算出x2;

(6)重復以上步驟,可得到一個很長的序列，設計中模擬生成長度為1000的序列。在模擬過程中隨著模擬長度的增加，模擬序列的統計特性逐漸接近實測序列的統計特性。故模型具有實用性。

(7)考慮到序列的前100項受初值的影響,各將其舍去,最后從剩余序列中選取長度為n的序列。

對于以上步驟可在計算機上算出，用選取的這段模擬序列加上前面分析求得的確定性成分，就得到了降雨量模擬序列。并將實測序列和模擬序列的參數作對比(表2)。

表2 多倫縣降雨量實測與模擬序列參數對照

經比較相對誤差在允許范圍之內(相對誤差取10%)，所以選取這段模擬序列符合要求。

4 小結

筆者用隨機水文學中的時間序列分析方法和技術，對多倫縣1971～1999年降雨量資料進行時間序列分析，建立了一階平穩的AR(1)模型，通過誤差分析，模型模擬的序列較符合要求。

在上述過程中，雖然資料較全面，可靠，但由于隨機發生器上產生的隨機數隨機性較大，因此存在一些不足之處，需要改進，主要表現在以下幾個方面。

(1)設計中用隨機水文學中的時間序列分析方法和技術對多倫縣1971～2002年的降雨量資料進行時間序列分析，建立AR(1)模型，來進行模型模擬。

(2)在進行周期分析時，由于所選取的樣本序列較短，有可能存在偽周期成分，與降雨量總體序列的周期可能會存在一定的偏差造成周期成分計算結果存在一定的誤差。

(3)對降雨量時間序列選取模型進行建模，可以看出建立符合要求的模型涉及到基本資料分析、隨機理論和方法運用等。實際問題錯綜復雜，需要對具體情況具體分析，以便達到期望的建模目的。

[1]王立坤,付強,楊廣林,等. 季節性周期預測法在建立降雨預報模型中的應用[J].東北農業大學學報 ,2002(1).

[2]陳元芳. 隨機模擬中模型與參數不確定性影響的分析[J].河海大學學報(自然科學版) ,2000(1).

[3]陳元芳. 非負自回歸模型的提出及估計回歸系數的新方法[J].水利水運科學研究 , 1994(Z1).

2016-09-06

李睿芳(1990—)，女，天津師范大學碩士研究生。

P426.61

A

1674-9944(2016)18-0023-02