基于多变量时间序列CAR模型的洞庭湖区域地下水资源量预测

第１１卷第３期２０１４年９月长沙理工大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．１１Ｎｏ．３Ｓｅｐ．２０１４收稿日期：２０１４－０５－２７基金项目：国家自然科学基金资助项目（５１０７８０４２；５１２７８０６７）；湖南省科学技术厅科技计划重点项目（２０１３ＦＪ２００８）作者简介：付宏渊（１９６５－），男，湖北随州人，长沙理工大学教授，博士生导师，主要从事岩土工程和路堤稳定性等方面的研究。文章编号：１６７２－９３３１（２０１４）０３－００４０－０８基于多变量时间序列（ＣＡＲ）模型的洞庭湖区域地下水资源量预测付宏渊１，邱祥１，曾铃２，史振宁１（１．长沙理工大学交通运输工程学院，湖南长沙４１０００４；２．长沙理工大学土木与建筑学院，湖南长沙４１０００４）摘要：为了预测洞庭湖区域地下水资源量的变化趋势，制定应对地下水资源量较低年份的有效措施，通过分析洞庭湖区域河川天然径流量、长江三口入水量、城陵矶出水量与地下水资源量的变化趋势和相关性，运用多变量时间序列ＣＡＲ模型，建立了洞庭湖区域地下水资源量的预测模型，验证了模型的预测效果；并运用该模型对洞庭湖区域地下水资源量的变化进行了预测。研究结果表明，洞庭湖区域河川天然径流量、长江三口入水量和城陵矶出水量的变化是引起地下水资源量变化的主要因素；本研究所建的模型模拟值与实测值相对误差的最大值为－７．４７％，平均值为３．６３％，表明该模型的预测精度高、效果好；通过对未来１０年洞庭湖区域的地下水资源量进行预测可知，其平均值下降了０．４９亿ｍ３，最低值下降了０．６６亿ｍ３，表明该区域地下水资源量仍将持续降低；据不同方案下的地下水资源量预测结果可知，通过增加长江三口入水量，可以有效提高洞庭湖区域的地下水资源量。关键词：多变量时间序列；洞庭湖区域；地下水资源量；预测；地层变形中图分类号：Ｐ６４１．２文献标识码：ＡＧｒｏｕｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｍｕｌｔｉｖａｒｉａｔｅｔｉｍｅｓｅｒｉｅｓＣＡＲｍｏｄｅｌｉｎＤｏｎｇｔｉｎｇＬａｋｅａｒｅａＦＵＨｏｎｇ－ｙｕａｎ１，ＱＩＵＸｉａｎｇ１，ＺＥＮＧＬｉｎｇ２，ＳＨＩＺｈｅｎ－ｎｉｎｇ１（１．ＳｃｈｏｏｌｏｆＴｒａｆｆｉｃａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１０００４，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｒｃｈｉｔｅｃｔｕｒｅ，ＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１０００４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｐｒｅｄｉｃｔｔｈｅｃｈａｎｇｅｔｒｅｎｄｏｆｇｒｏｕｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｉｎＤｏｎｇｔｉｎｇＬａｋｅａｒｅａ，ｅｆｆｅｃｔｉｖｅｍｅａｓｕｒｅｉｓｆｏｒｍｕｌａｔｅｄｔｏｒｅｓｐｏｎｄｔｏｔｈｅｌｏｗｅｒｖａｌｕｅｙｅａｒｏｆｇｒｏｕｎｄｗａｔｅｒｒｅ－ｓｏｕｒｃｅｓ．Ｂｙａｎａｌｙｚｉｎｇｔｈｅｃｈａｎｇｅｔｒｅｎｄａｎｄｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｎａｔｕｒｅｒｉｖｅｒｆｌｏｗ，Ｙａｎ－ｇｔｚｅｔｈｒｅｅｉｎｌｅｔｉｎｆｌｏｗｗａｔｅｒｒｅｓｏｕｒｃｅｓａｎｄＣｈｅｎｇｌｉｎｇｊｉｏｕｔｆｌｏｗｗａｔｅｒｗｉｔｈｇｒｏｕｎｄｗａｔｅｒｒｅ－ｓｏｕｒｃｅｓ，ｂｙｕｓｉｎｇｔｈｅｍｕｌｔｉｖａｒｉａｔｅｔｉｍｅｓｅｒｉｅｓＣＡＲｍｏｄｅｌ，ｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｇｒｏｕｎｄｗａ－ｔｅｒｒｅｓｏｕｒｃｅｓｗａｓｅｓｔａｂｌｉｓｈｅｄ，ｔｈｅｐｒｅｄｉｃｔｉｏｎｅｆｆｅｃｔｏｆｍｏｄｅｌｗａｓｖａｌｉｄａｔｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ（１）Ｔｈｅｃｈａｎｇｅｏｆｎａｔｕｒｅｒｉｖｅｒｆｌｏｗ，ＹａｎｇｔｚｅｔｈｒｅｅｉｎｌｅｔｉｎｆｌｏｗｗａｔｅｒｒｅｓｏｕｒｃｅｓａｎｄＣｈｅｎｇｌｉｎｇｊｉｏｕｔｆｌｏｗｗａｔｅｒｒｅｓｏｕｒｃｅｓｉｎＤｏｎｇｔｉｎｇＬａｋｅａｒｅａａｒｅｔｈｅｍａｉｎｆａｃｔｏｒｓ，ｗｈｉｃｈ第１１卷第３期付宏渊，等：基于多变量时间序列（ＣＡＲ）模型的洞庭湖区域地下水资源量预测ｃａｕｓｅｄｔｈｅｃｈａｎｇｅｏｆｇｒｏｕｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓ．（２）Ｔｈｅｍａｘｉｍｕｍｒｅｌａｔｉｖｅｅｒｒｏｒｂｅｔｗｅｅｎｓｉｍｕ－ｌａｔｅｄｖａｌｕｅａｎｄｍｅａｓｕｒｅｄｖａｌｕｅｏｆｔｈｅｍｏｄｅｌｂｕｉｌｔｉｎｔｈｉｓａｒｔｉｃｌｅｉｓ－７．４７％，ｔｈｅａｖｅｒａｇｅｖａｌ－ｕｅｏｆｒｅｌａｔｉｖ