怀化市汛期降水量的灰色拓扑预测

张坤　王新发　肖敏等

摘要采用灰色拓扑预测方法，以怀化市1981～2008年汛期降水量（4～9月）数据为基础建立了降水量预测模型，并利用2009～2013年降水数据对模型的预测结果进行了检验，最后对2014～2018年汛期降水量进行了预测。研究表明，灰色拓扑预测方法具有良好的预测效果，其结果可为怀化市汛期降水预报提供借鉴和参考。

关键词降水量；汛期；灰色拓扑预测；GM（1，1）；怀化市

中图分类号S161.6文献标识码A文章编号0517-6611（2015）07-181-02

The Grey Topology Prediction of Precipitation during Flood Season in Huaihua City

ZHANG Kun，WANG Xin-fa，XIAO Min et al

（Meteorological Administration of Huaihua City， Huaihua， Hunan 418000）

AbstractUsing the grey topology prediction method， the precipitation prediction model was established on the basis of flood season precipitation in Huaihua during 1981-2008 （4-9 months）， and the prediction results of the model was tested by using the precipitation data of 2009-2013 years. Finally， the precipitation in flood season during 2014-2018 was forecasted.Research shows that：the grey topological prediction method has good prediction effect， the results can provide the reference for the rainfall forecast in flood season in Huaihua City.

Key words Precipitation； Flood season； Grey topology predictionl； GM（1， 1）； Huaihua City

区域降水量与干旱、洪涝灾害的发生、发展及其强度密切相关，对农业生产乃至整个国民经济发展具有重要影响[1]，准确预测降水量对预防和减少干旱、洪涝灾害损失，提高气象灾害预警和防灾减灾能力具有重要意义。近年来，不少专家学者采用灰色系统论对区域年降水量及汛期降水量进行预测研究，取得了较好的预测效果。如周春花等基于1981～2003年降水资料，应用灰色系统GM（1，1）模型，对东川地区未来年份的降水量进行了灰色预测，预测效果良好[2]；王琳琳等基于灰色拓扑理论对辽宁朝阳地区降水量进行了预测，其预测精度基本满足要求[3]；袁月平等基于灰色自记忆模型，对杭州市年降水量序列进行拟合和预测，结果表明模型有效可行、精度高、稳定性好[4]。

怀化市位于湖南省西南部，地处武陵、雪峰两大山脉之间，属中亚热带季风湿润气候，小气候多样，垂直差异大，山地气候带明显，自然灾害频发[5]。对怀化市汛期（4～9月）降水量进行预测，分析未来降水趋势，可为汛期短期降水预报提供借鉴和参考，并对气象防灾减灾具有重要意义。该研究基于灰色系统理论对怀化市1981～2013年汛期降水量序列进行分析，用1981～2008年的数据进行参数率定，建立汛期降水量灰色拓扑预测模型，用2009～2013年数据对模型预测精度进行检验，最后对未来5年汛期降水量进行预测。

1资料与方法

1.1 数据的选取与预处理

所用资料为怀化气象观测站1981～2013年汛期（4～9月）降水数据。其中，利用1981～2008年汛期降水数据建立预测模型；使用2009～2013年的汛期降水量数据对模型预测精度进行检验。

1.2灰色系统理论

1.2.1

GM（1，1）模型。

灰色系统理论是邓聚龙在1982年提出并建立的，是一种研究少数据、贫信息不确定性问题的新方法，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控[6]。灰色系统理论已被广泛地运用于某种事件发生的预测，如数列预测、灾变预测、拓扑预测等，均收到了较好效果[7]。GM（1，1） 模型是灰色预测的核心，它是一种单变量预测的一阶微分方程模型，其离散时间响应函数近似呈指数规律[3]。GM（1，1）模型的建模过程如下[6]：

设有初始序列

X（0）={x（0）（1），x（0）（2），…，x（0）（n）}

（1）

对序列（1）进行一次累加（1-AGO），生成新的序列，即

X（1）={x（1）（1），x（1）（2），…，x（1）（n）}

（2）

其中累加公式为：

x（1）（K）=∑kt=1x（0）（t），

根据序列（2）可以建立白化一阶微分方程

dx（1）dt+ax（1）=u，

式中，a为待辨识参数，亦称发展系数；u为待辨识内生变量，亦称灰作用量。参数a和u根据最小二乘法确定，且满足

a^=[a，u]T=（BTB）-1BTY，

其中

B=

790 x（1）（k+1）=9.079 1e0.495 6k-8.792 20.406 60.8合格

815 x（1）（k+1）=8.033 8e0.372 4k-7.651 20.309 21好

840 x（1）（k+1）=12.075 9e0.258 4k-11.597 70.271 31好

865 x（1）（k+1）=23.892 2e0.176 2k-23.318 40.149 71好

890 x（1）（k+1）=62.279 0e0.084 6k-61.609 50.195 51好

............

1 165 x（1）（k+1）=162.001 2e0.084 0k-147.090 60.140 51好

............

1 290 x（1）（k+1）=221.112 6e0.074 6k-203.217 00.349 81好

从2009～2013年怀化市汛期降水量预测结果（表3）可知，除2009年（相对误差50.85%）、2011年（相对误差48.70%）较大外，其余年份相对误差均较小。利用灰色拓扑预测模型对2014～2018年怀化市汛期降水量进行预测，结果发现这5年的汛期降水量分别为1 052.50、1 097.50、956.67、1 151.36、1 010.83 mm。

3结论与讨论

（1）降水量的长期预测具有较大难度，而基于GM（1，1）

模型的灰色拓扑预测方法则具有所需样本数据少、预测结果

图12010年1～12月分宜负离子浓度日变化

图22010年1～12月分宜负离子平均浓度变化

相对湿度等气象要素与负离子浓度大小的相关关系不太明显。排除季节性原因，负离子浓度较高时所处的有利天气条件所占比例较大。一般负离子浓度较高时，多为雷雨天气，或降水天气过程的第1天至第2天，即降水将空气中的尘埃冲刷干净，空气质量较高，而这种情况下湿度一般也较大，风

速适中，但是否各方面天气条件有利的配合才会使得负离子浓度更高，还需要有更长期的数据进行有利的分析。

3 小结与讨论

就测点而言，分宜站负离子浓度一般，空气清新度一般。负离子浓度呈现明显的年变化特征，夏、秋季高，冬、春季低。日变化规律，3～8和11月下午高于上午，其他各月均为上午略高于下午。阵雨、间歇性小雨和雷暴天气过后，负离子浓度明显升高。负离子浓度与云量、风速、相对湿度等气象要素的相关关系不太明显。

开展负离子观测、预报及研究可以指导公众合理安排日常生活，促进身心健康，特别是对于有特殊需求的敏感人群预防和控制疾病，恢复健康具有重要的意义。优良的生态环境为地方经济社会发展提供了良好的可持续发展基础。负离子浓度是衡量生态保护区、自然保护区、旅游度假区生态环境质量的重要指标，针对重点旅游景区开展负离子的观测、预报与服务，不仅可以对公众进行正确的引导和服务，且对提升重点旅游景点的生态价值和品位、增加地方旅游收入、促进地方社会经济的发展具有重要作用。空气中负离子浓度与当地气象条件有直接关系，研究负离子与天气气候的关系，提示其影响变化规律，有利于提高天气气候预测预报的准确率，提高防灾减灾水平。负离子的分布特征和浓度水平可以用于区域大气环境质量评价，为预防和控制大气环境污染提供科学依据。

参考文献

[1]

唐春燕，蔡哲，肖安，等.井冈山空气负离子浓度特征及其与气象条件关系[J]. 安徽农业科学，2011，39（1）：495-496.

[2] 叶彩华，王晓云，郭文利.空气中负离子浓度与气象条件关系初探[J].气象科技，2000（4）：51-52.

[3] 邹忠旺，石星堂.对资溪空气负离子的分析与思考[C]//农业气象与生态环境年会论文集.中国气象学会，2006：478-481.