1.山东协和学院 计算机学院, 山东 济南250109
2.山东协和学院 基础部,山东 济南 250109
【摘要】研究黄河水沙通量的变化规律对环境治理,气候变化和人民生活具有重要的意义,根据水沙通量的公式计算出6年的水沙通量,观察水沙通量的变化曲线,直观分析其突变规律,后利用Mann-Kendall突变检验法,通过M-K统计量曲线定位出每年的水沙通量突变点位置和整个6年的突变点位置。基于水沙通量数据的时序特点,进行时间序列分析得到水沙通量的季节性和周期性规律。
【关键词】Mann-Kendall 突变检验法 时间序列分析
【中图分类号】TN248.1
一、前言
黄河是中华民族的母亲河,根据近6年该水文站水沙通量的突变性,季节性和周期性等特征,研究黄河水沙通量的变化,观察水沙通量的趋势和变化规律。
二、水沙通量的突变性、季节性和周期性规律研究
图12016-2021年水沙通量随时间的变化曲线
2.1可视化分析
(1)水沙通量每年7-9月份都会发生大幅上升,这与季节或调水调沙有关。
(2)2018年的水沙通量较2016和2017年,发生大的突变。
(3)水沙通量在每年的变化趋势不完全相同。
2.2 Mann-Kendall突变检验模型的建立与求解
Mann-Kendall突变检验的原理如下【1】:
对具有个样本量的时间序列,构造如下秩序列:
其中:秩序列是时刻数值大于时刻数值个数的累计数。在时间序列随机独立的假定下,统计量为:
,是累计数的均值和方差,在相互独立,且具有相同连续分布时,可由下式算出其中:
通过K-M检验对6年的水沙通量分别进行突变性分析,在0.05的置信度水平内,找到UF和UB曲线的交点,对应的时间点应该就是水沙通量时间序列的突变时间,得到以下结论:
① 2016年在第240天左右(八月)产生了水沙通量的突变;
② 2017年在第25天左右(一月)和第300天左右(十月)产生了突变;③ 2018年在0.05的置信度水平内未分析出突变情况;
④ 2019年、2020年、2021基本都在二、三月附近产生了水沙通量的突变。
⑤ 每年的水沙通量突变点没有很强的规律可循。
又将整个6年(即2016-2021)的水沙通量数据进行突变性分析:得到在2016-2022年整个六年中,水沙通量在第800天(2018年3月)产生突变
三、水沙通量的季节性和周期性研究
3.1 时间序列预测模型的建立与求解
本文将水沙通量天数据整合成月平均水沙通量数据,再进行预测。其次考虑到前两年的数据相对数值太小,因此只选择了后四年的数据进行预测。
利用SPSS软件的时间序列分析对后两年数据进行预测,做出时间序列图:
图2 2016-2022年水沙通量的时间序列图
观察曲线,初步得到水沙通量的周期性与季节性规律:
① 前两年(2016-2017年)因为水沙通量数值相对较小,所以图中的周期性和季节性不明显;
② 中间三年(2018-2020年)的周期性和季节性比较明显,每年的第三季度取得该年的水沙通量极大值;
③ 最后一年(2021年)数据的季度数据较前几年偏差大,不易观察季节性和周期性。
3.2 进行季节性分解
根据水沙通量的时间序列图可知,近几年的含沙量整体波动较平稳,故对平均含沙量采用加法分解得到季节性因素,
表1 季节性的模型描述
模型名称 | MOD_8 | |
模型类型 | 可加 | |
序列名称 | 每季度平均水沙通量kg/s | |
季节性期间的长度 | 4 | |
移动平均数的计算方法 | 跨度等于周期加 1,端点权重为 0.5 |
表2 季节性的模型描述
期间 | 季节性因素 |
1 | -5401.904223577634000 |
2 | -2027.924886751687600 |
3 | 11454.133552498280000 |
4 | -4024.304442168959000 |
观察以上两表,进一步得到水沙通量的周期性与季节性变化规律:
水沙通量在第一、二、四季度的季节性因素为负,第三季度的季节性因素为正,说明水沙通量第一、二、四季度的平均量低于第三季度,且第三季度的水沙平均量高于全年平均量的11454kg/m³,这与水沙通量的时间序列图互相验证。
四、总结
本文采用了Mann-Kendall突变检验模型对近六年水沙通量的突变性进行了分析,水沙通量是随着时间变化而变化的,属于时间序列数据,因此结合本问题特点与时间序列分析的优势,本文选择时间序列分析对水沙通量的季节性和周期性进行研究。
参考文献
[1] 彭思晴.利用气溶胶垂直廓线和地面水平能见度反演气溶胶光学厚度的方法[D].云南大学,2016
[2] 韩中庚.数学建模方法及其应用,北京:高等教育出版社,2017.
论文来源:2023年“高教社杯”全国大学生数学建模竞赛
论文来源:2023年“高教社杯”全国大学生数学建模竞赛