汉江安康站径流量的最值问题的研究
摘要
在全球气候变化的大背景下，气候作为重要的环境因素，对区域经济发展有着至关重要的影响。研究陕南汉江安康站的径流量变化，对于确定陕西的经济发展战略以及制定发展规划意义重大。此项研究不仅有助于深入了解该地区水资源的动态变化规律，也为陕西经济的可持续发展提供了有力的科学依据。
针对问题一，通过对安康站统计的最大、最小径流量数据表进行深入分析，生成Excel图表，结合当地气候，人文因素分析最大，最小径流量之间的关系。
针对问题二，基于流量大小时间序列模型中的平稳性Daniel检验判断汉江安康站1943-1997年间的最大和最小径流量时间序列数据是否平稳，根据时间序列的特征和分析目给不稳定的序列做差分处理，根据差分后稳定的新时间序列计算出数据之间的自相关系数(ACF)和偏相关系数(PACF)建立合适的时间序列模型参数P，D，Q。随后基于计算出的参数P，D，Q拟合出合适的ARIMA预测模型。
针对问题三，并从理论基础、实际拟合度等多个方面检验模型的合理性。利用该模型对1998-2002年汉江安康站的最大、最小径流量进行预报，与实际情况对比，以评估模型的准确性和适用性。
最后,我们对提出的模型进行全面的评价：本文的模型贴合实际,能合理解决提出的问题,具有实用性强,算法效率高等特点。
关键词： 时间序列 ARIMA模型 汉江安康站径流量 拟合
随着气候变化的影响日益显著，径流量数据也会受到气候变化的影响。可以将 ARIMA 模型与气候变化相关的参数相结合，研究气候变化对径流量最值的影响。例如，将气温、降水等气候参数作为外生变量引入 ARIMA 模型中，建立气候-径流量联合模型。通过这种方式，可以更好地理解气候变化对水资源的影响，为适应气候变化的水资源管理策略提供支持。
改进：结合参考文献《汉江上游径流演变趋势及影响因素分析》，进一步考虑河流下垫面变化的影响，从而得到更合理的模型。
参考文献
- 谢雨婧,韩惠丽.北师大版初中数学教材中数学建模的多维度分析[J].教学与管理,2023(09):73-76.
- 刘志梅.数学建模与高职数学教学的深度融合[J].佳木斯职业学院学报,2023,39(03):152-154.
- 许亚桃,吴立宝.基于Delphi-AHP数学建模教学评价指标体系的研究[J].内江师范学院学报,2023,38(02):113-119.DOI:10.13603/j.cnki.51-1621/z.2023.02.018.
- 杨本朝,石雅男,段乾恒,李光松,于刚.大学生数学建模竞赛开展全周期教学实践探究[J].大学教育,2023(04):44-46.
- 黄健,徐斌艳.国际视野下数学建模教与学研究的发展趋势——基于第14届国际数学教育大会的分析[J].数学教育学报,2023,32(01):93-98.
- 李桃英,殷峻暹,张丽丽,赵红莉.汉江上游径流演变趋势及影响因素分析——人民长江,2011(09):19-22
附录
附录1 汉江安康站1943~1997年径流量数据
| 年份 | 最大泾 流量 | 最小泾 流量 | 年份 | 最大泾 流量 | 最小泾 流量 | 年份 | 最大泾 流量 | 最小泾 流量 |
| 1943 | 6000 | 71.3 | 1962 | 10800 | 83.3 | 1981 | 15400 | 50.8 |
| 1944 | 3890 | 83.3 | 1963 | 16900 | 76.8 | 1982 | 15000 | 63.1 |
| 1945 | 9310 | 44 | 1964 | 13700 | 120 | 1983 | 31000 | 62.5 |
| 1946 | 12800 | 10.5 | 1965 | 20400 | 90 | 1984 | 19200 | 181.4 |
| 1947 | 5680 | 97 | 1966 | 3550 | 72.5 | 1985 | 11300 | 69.9 |
| 1948 | 16900 | 97 | 1967 | 11800 | 74.6 | 1986 | 6760 | 54.6 |
| 1949 | 1400 | 100 | 1968 | 19700 | 92 | 1987 | 17500 | 36 |
| 1950 | 8720 | 116 | 1969 | 6640 | 75 | 1988 | 4790 | 36.2 |
| 1951 | 18000 | 67.6 | 1970 | 7630 | 94.5 | 1989 | 1030 | 2.5 |
| 1952 | 15300 | 89.7 | 1971 | 7300 | 95.4 | 1990 | 8040 | 6.09 |
| 1953 | 9570 | 90 | 1972 | 7600 | 44.9 | 1991 | 4800 | 5.76 |
| 1954 | 8110 | 106 | 1973 | 12500 | 51.8 | 1992 | 7560 | 4.51 |
| 1955 | 19900 | 51.6 | 1974 | 23400 | 56.1 | 1993 | 7960 | 8.5 |
| 1956 | 15100 | 86 | 1975 | 15300 | 55.3 | 1994 | 5110 | 9.4 |
| 1957 | 11700 | 84 | 1976 | 8130 | 77.5 | 1995 | 5500 | 5.93 |
| 1958 | 16600 | 60.5 | 1977 | 9120 | 43.2 | 1996 | 5420 | 6.3 |
| 1959 | 4190 | 108 | 1978 | 16000 | 48 | 1997 | 2450 | 2.8 |
| 1960 | 18500 | 63.1 | 1979 | 16000 | 48.8 | |||
| 1961 | 8390 | 95.9 | 1980 | 14700 | 50.8 |
附录2：最大径流量和最小径流量ACF
| 滞后 | 最大径流量ACF | 最小径流量ACF |
| 1 | 1 | 1 |
| 2 | -0.461644621 | -0.431997215 |
| 3 | -0.076562924 | -0.001300939 |
| 4 | 0.048993532 | 0.033839538 |
| 5 | -0.05537827 | -0.101976465 |
| 6 | 0.19174865 | 0.043677459 |
| 7 | -0.148790178 | -0.001926076 |
| 8 | 0.064334731 | -0.022908986 |
| 9 | -0.155528813 | -0.059050136 |
| 10 | 0.090305218 | 0.075584887 |
| 11 | 0.238207873 | -0.010376521 |
| 12 | -0.300138547 | -0.062764432 |
| 13 | 0.110937392 | 0.095501523 |
| 14 | 0.028254686 | -0.152734661 |
| 15 | -0.110698221 | 0.170625312 |
| 16 | 0.068603154 | -0.045191956 |
| 17 | -0.027076833 | -0.046867414 |
| 18 | 0.025862735 | 0.146989697 |
| 19 | -0.078320054 | -0.126657418 |
| 20 | 0.112638497 | -0.090124601 |
| 21 | 0.050636359 | 0.192947648 |
附录3：最大径流量和最小径流量PACF
| 滞后 | 最大径偏相关流量PACF | 最小径偏相关流量PACF |
| 1 | 1 | 1 |
| 2 | -0.431997215 | -0.432024138 |
| 3 | -0.001300939 | -0.227409141 |
| 4 | 0.033839538 | -0.086566838 |
| 5 | -0.101976465 | -0.149012996 |
| 6 | 0.043677459 | -0.092450083 |
| 7 | -0.001926076 | -0.052934626 |
| 8 | -0.022908986 | -0.065184671 |
| 9 | -0.059050136 | -0.144641284 |
| 10 | 0.075584887 | -0.050150714 |
| 11 | -0.010376521 | -0.021005721 |
| 12 | -0.062764432 | -0.113488999 |
| 13 | 0.095501523 | -0.002346547 |
| 14 | -0.152734661 | -0.391056797 |
| 15 | 0.170625312 | -0.016475592 |
| 16 | -0.045191956 | -0.000457648 |
| 17 | -0.046867414 | -0.129368191 |
| 18 | 0.146989697 | 0.184616484 |
| 19 | -0.126657418 | 0.135395526 |
| 20 | -0.090124601 | -0.332213887 |
| 21 | 0.192947648 | 0.255636711 |
| 附录5 |
| 基于时间序列的AIRIMA模型求解代码 |
| % 建立最大和最小泾流量的ARIMA模型 % 清空工作区和命令窗口 clear; clc; % 生成模拟泾流量数据 years = (1943:1997)'; % 年份 max_flow = [6000 3890 9310 12800 5680 16900 1400 8720 18000 15300 9570 8110 19900 15100 11700 16600 4190 18500 8390 10800 16900 13700 20400 3550 11800 19700 6640 7630 7300 7600 12500 23400 15300 8130 9120 16000 16000 14700 15400 15000 31000 19200 11300 6760 17500 4790 10300 8040 4800 7560 7960 5110 5500 5420 2450 ]; % 模拟最大泾流量 min_flow = [71.3 83.3 44 10.5 97 97 100 116 67.6 89.7 90 106 51.6 86 84 60.5 108 63.1 95.9 83.3 76.8 120 90 72.5 74.6 92 75 94.5 95.4 44.9 51.8 56.1 55.3 77.5 43.2 48 48.8 50.8 50.8 63.1 62.5 181.4 69.9 54.6 36 36.2 2.5 6.09 5.76 4.51 8.5 9.4 5.93 6.3 2.8 ]; % 模拟最小泾流量 % 绘制最大和最小泾流量数据 figure; subplot(2, 1, 1); plot(years, max_flow, '-o', 'LineWidth', 1.5); % 绘制最大泾流量 title('最大泾流量'); xlabel('年份'); ylabel('流量 (单位)'); grid on; subplot(2, 1, 2); plot(years, min_flow, '-o', 'LineWidth', 1.5); % 绘制最小泾流量 title('最小泾流量'); xlabel('年份'); ylabel('流量 (单位)'); grid on; % 平稳性检验：Daniel检验（简化版） - 检验线性趋势 % 通过线性回归来代替 Daniel 检验的原理 coeffs_max = polyfit(years, max_flow, 1); % 最大泾流量的线性回归 coeffs_min = polyfit(years, min_flow, 1); % 最小泾流量的线性回归 fprintf('最大泾流量的线性趋势检验结果:\n'); fprintf('斜率 (趋势): %.4f\n', coeffs_max(1)); fprintf('截距: %.4f\n\n', coeffs_max(2)); fprintf('最小泾流量的线性趋势检验结果:\n'); fprintf('斜率 (趋势): %.4f\n', coeffs_min(1)); fprintf('截距: %.4f\n', coeffs_min(2)); % Spearman 秩相关系数 rho_max = corr(years, max_flow', 'Type', 'Spearman'); % 最大泾流量的Spearman系数 rho_min = corr(years, min_flow', 'Type', 'Spearman'); % 最小泾流量的Spearman系数 fprintf('\n最大泾流量的Spearman秩相关系数: %.4f\n', rho_max); fprintf('最小泾流量的Spearman秩相关系数: %.4f\n\n', rho_min); % 检测平稳性：差分 diff_max_flow = diff(max_flow); % 最大泾流量差分 diff_min_flow = diff(min_flow); % 最小泾流量差分 % 绘制差分后的时间序列 figure; subplot(2, 1, 1); plot(years(2:end), diff_max_flow, '-o', 'LineWidth', 1.5); title('最大泾流量差分'); xlabel('年份'); ylabel('差分流量 (单位)'); grid on; subplot(2, 1, 2); plot(years(2:end), diff_min_flow, '-o', 'LineWidth', 1.5); title('最小泾流量差分'); xlabel('年份'); ylabel('差分流量 (单位)'); grid on; diff_max_flow1 = diff(diff_max_flow); % 第二次最大泾流量差分 % 绘制差分后的时间序列 figure; plot(years(2:end), diff_max_flow, '-o', 'LineWidth', 1.5); title('最大泾流量第二次差分'); xlabel('年份'); ylabel('差分流量 (单位)'); grid on; % 自相关函数（ACF）和偏自相关函数（PACF） figure; subplot(2, 1, 1); autocorr(diff_max_flow); % 计算并绘制最大泾流量的自相关函数 title('最大泾流量自相关函数'); subplot(2, 1, 2); parcorr(diff_max_flow); % 计算并绘制最大泾流量的偏自相关函数 title('最大泾流量偏自相关函数'); figure; subplot(2, 1, 1); autocorr(diff_min_flow); % 计算并绘制最小泾流量的自相关函数 title('最小泾流量自相关函数'); subplot(2, 1, 2); parcorr(diff_min_flow); % 计算并绘制最小泾流量的偏自相关函数 title('最小泾流量偏自相关函数'); AFC1 = autocorr(diff_max_flow); AFC2 = autocorr(diff_min_flow) ; PACF1 = parcorr(diff_max_flow); PACF2 = parcorr(diff_min_flow); % 拆分数据为训练集和测试集 train_years = years(1:end-5); % 训练集年份（前50年） test_years = years(end-4:end); % 测试集年份（后5年） train_max1 = max_flow(1:end-5); % 训练集最大泾流量 train_max = train_max1'; %转置为列向量 test_max = max_flow(end-4:end); % 测试集最大泾流量 train_min1 = min_flow(1:end-5); % 训练集最小泾流量 train_min = train_min1'; test_min = min_flow(end-4:end); % 测试集最小泾流量 % 得到p=5，d=2，q= 1 % 拟合ARIMA模型 model_max = arima(5, 2, 1); % 定义ARIMA模型 fit_model_max = estimate(model_max, train_max); % 拟合模型 % 得到p=10，d=1，q= 0 model_min = arima(10, 1, 0); % 定义ARIMA模型 fit_model_min = estimate(model_min, train_min); % 拟合模型 % 进行预测 num_forecast = length(test_years); % 预测数量 [YF_max, ~] = forecast(fit_model_max, num_forecast, 'Y0', train_max); % 最大泾流量预测后五年 [YF_min, ~] = forecast(fit_model_min, num_forecast, 'Y0', train_min); % 最小泾流量预测后五年 % 绘制预测结果 figure; hold on; plot(years(1:end-5), train_max, 'b', 'LineWidth', 1.5); % 绘制训练集最大泾流量 plot(test_years, test_max, 'g', 'LineWidth', 1.5); % 绘制测试集最大泾流量 plot(test_years, YF_max, 'r--', 'LineWidth', 1.5); % 绘制预测最大泾流量 title('最大泾流量预测'); xlabel('年份'); ylabel('流量 (单位)'); legend('训练数据', '测试数据', '预测数据', 'Location', 'Best'); grid on; figure; hold on; plot(years(1:end-5), train_min, 'b', 'LineWidth', 1.5); % 绘制训练集最小泾流量 plot(test_years, test_min, 'g', 'LineWidth', 1.5); % 绘制测试集最小泾流量 plot(test_years, YF_min, 'r--', 'LineWidth', 1.5); % 绘制预测最小泾流量 title('最小泾流量预测'); xlabel('年份'); ylabel('流量 (单位)'); legend('训练数据', '测试数据', '预测数据', 'Location', 'Best'); grid on; % 绘制训练集的预测结果与真实值的比较 figure; hold on; plot(years(1:end-5), train_max, 'b', 'LineWidth', 1.5); % 绘制训练集最大泾流量 plot(test_years, test_max, 'g', 'LineWidth', 1.5); % 绘制测试集最大泾流量 plot(test_years, YF_max, 'r--', 'LineWidth', 1.5); % 绘制预测最大泾流量 title('最大泾流量预测与真实值比较'); xlabel('年份'); ylabel('流量 (单位)'); legend('训练数据', '测试数据', '预测数据', 'Location', 'Best'); grid on; % 计算绝对误差 absolute_error_max = abs(YF_max - test_max); fprintf('最大泾流量的绝对误差:\n'); disp(absolute_error_max); % 输出绝对误差 % 绘制最小泾流量的预测结果与真实值的比较 figure; hold on; plot(years(1:end-5), train_min, 'b', 'LineWidth', 1.5); % 绘制训练集最小泾流量 plot(test_years, test_min, 'g', 'LineWidth', 1.5); % 绘制测试集最小泾流量 plot(test_years, YF_min, 'r--', 'LineWidth', 1.5); % 绘制预测最小泾流量 title('最小泾流量预测与真实值比较'); xlabel('年份'); ylabel('流量 (单位)'); legend('训练数据', '测试数据', '预测数据', 'Location', 'Best'); grid on; % 计算绝对误差 absolute_error_min = abs(YF_min - test_min); fprintf('最小泾流量的绝对误差:\n'); disp(absolute_error_min); % 输出绝对误差 % 绘制绝对误差的条形图 figure; bar([absolute_error_max', absolute_error_min']); xlabel('年份'); ylabel('绝对误差 (单位)'); title('最大泾流量和最小泾流量的绝对误差比较'); legend('最大泾流量', '最小泾流量', 'Location', 'Best'); % grid on; % 将预测值与真实值结合 full_years = years; % 包含所有年份 predicted_max_flow = YF_max; % 训练集与预测值结合 predicted_min_flow = YF_min; % 训练集与预测值结合 % 计算绝对误差YF_max1YF_min1 absolute_error_max = abs(predicted_max_flow - max_flow(end-4:end)'); absolute_error_min = abs(predicted_min_flow - min_flow(end-4:end)'); % 输出绝对误差 fprintf('1992-1997年最大泾流量的绝对误差:\n'); disp(absolute_error_max); fprintf('1992-1997年最小泾流量的绝对误差:\n'); disp(absolute_error_min); % 绘制预测结果与真实值的比较 figure; hold on; plot(test_years, test_max, 'g', 'LineWidth', 1.5, 'DisplayName', '真实最大泾流量'); plot(test_years, predicted_max_flow, 'r--', 'LineWidth', 1.5, 'DisplayName', '预测最大泾流量'); title('1992-1997年最大泾流量预测与真实值比较'); xlabel('年份'); ylabel('流量 (单位)'); legend('Location', 'Best'); grid on; figure; hold on; plot(test_years, test_min, 'g', 'LineWidth', 1.5, 'DisplayName', '真实最小泾流量'); plot(test_years, predicted_min_flow, 'r--', 'LineWidth', 1.5, 'DisplayName', '预测最小泾流量'); title('1992-1997年最小泾流量预测与真实值比较'); xlabel('年份'); ylabel('流量 (单位)'); legend('Location', 'Best'); grid on; % 计算均方根误差（RMSE）以评估预测性能 rmse_max = sqrt(mean((YF_max - test_max).^2)); % 计算最大泾流量的RMSE rmse_min = sqrt(mean((YF_min - test_min).^2)); % 计算最小泾流量的RMSE fprintf('最大泾流量的均方根误差 (RMSE): %.4f\n', rmse_max) % 输出RMSE fprintf('最小泾流量的均方根误差 (RMSE): %.4f\n', rmse_min)% 输出RMSE % 计算最大径和最小径之间的相关系数 correlation_coefficient = corr(max_flow', min_flow'); % 计算相关系数 fprintf('最大径和最小径之间的相关系数: %.4f\n', correlation_coefficient); % 输出相关系数 % 检查最大泾流量模型的残差 residuals_max = infer(fit_model_max, train_max); figure; subplot(2, 1, 1); plot(residuals_max); title('最大泾流量模型残差'); xlabel('时间'); ylabel('残差'); grid on; subplot(2, 1, 2); autocorr(residuals_max); % 残差的自相关函数 title('最大泾流量残差自相关函数'); % Ljung-Box检验 [h_max, pValue_max, QStat_max, criticalValue_max] = lbqtest(residuals_max, 'Lags', 10); fprintf('最大泾流量模型残差的Ljung-Box检验结果:\n'); fprintf('检验统计量: %.4f\n', QStat_max); fprintf('p值: %.4f\n', pValue_max); if h_max == 0 fprintf('残差为白噪声 (未拒绝原假设)\n'); else fprintf('残差不是白噪声 (拒绝原假设)\n'); end % 检查最小泾流量的残差 residuals_min = infer(fit_model_min, train_min); figure; subplot(2, 1, 1); plot(residuals_min); title('最小泾流量模型残差'); xlabel('时间'); ylabel('残差'); grid on; subplot(2, 1, 2); autocorr(residuals_min); % 残差的自相关函数 title('最小泾流量残差自相关函数'); % Ljung-Box检验 [h_min, pValue_min, QStat_min, criticalValue_min] = lbqtest(residuals_min, 'Lags', 10); fprintf('最小泾流量模型残差的Ljung-Box检验结果:\n'); fprintf('检验统计量: %.4f\n', QStat_min); fprintf('p值: %.4f\n', pValue_min); if h_min == 0 fprintf('残差为白噪声 (未拒绝原假设)\n'); else fprintf('残差不是白噪声 (拒绝原假设)\n'); end % 进行未来五年的预测 num_forecast = 5; % 预测未来五年的数量 % 最大径流量的预测 [YF_max1, ~] = forecast(fit_model_max, num_forecast, 'Y0', max_flow') % 最大径流量预测 % 最小径流量的预测 [YF_min1, ~] = forecast(fit_model_min, num_forecast, 'Y0', min_flow'); % 最小径流量预测 % 生成未来五年的年份 future_years = (years(end) + 1):(years(end) + num_forecast); % 未来五年的年份 % 绘制最大径流量预测结果 figure; hold on; plot(years(1:end-5), train_max, 'b', 'LineWidth', 1.5); % 绘制训练集最大径流量 plot(test_years, test_max, 'g', 'LineWidth', 1.5); % 绘制测试集最大径流量 plot(future_years, YF_max, 'r--', 'LineWidth', 1.5); % 绘制预测最大径流量 title('最大径流量预测'); xlabel('年份'); ylabel('流量 (单位)'); legend('训练数据', '测试数据', '预测数据', 'Location', 'Best'); grid on; % 绘制最小径流量预测结果 figure; hold on; plot(years(1:end-5), train_min, 'b', 'LineWidth', 1.5); % 绘制训练集最小径流量 plot(test_years, test_min, 'g', 'LineWidth', 1.5); % 绘制测试集最小径流量 plot(future_years, YF_min, 'r--', 'LineWidth', 1.5); % 绘制预测最小径流量 title('最小径流量预测'); xlabel('年份'); ylabel('流量 (单位)'); legend('训练数据', '测试数据', '预测数据', 'Location', 'Best'); grid on; |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
