羅黨，林培源，李鈺雯

(華北水利水電大學(xué)，河南 鄭州 450045)

我國農(nóng)業(yè)的綜合抗災(zāi)能力不強(qiáng)，每年的旱澇災(zāi)害都會給我國農(nóng)業(yè)造成不小的損失． 鄭州市位于華北平原中部，屬北溫帶大陸性季風(fēng)氣候，旱澇災(zāi)害較為頻繁，特大旱災(zāi)時有發(fā)生，這給生態(tài)環(huán)境和人民財(cái)產(chǎn)造成了無可挽回的重大損失．因此，合理預(yù)測鄭州市旱澇災(zāi)害的發(fā)生，做好防范措施，對保障人民的生命財(cái)產(chǎn)安全有著重要的現(xiàn)實(shí)意義．

灰色系統(tǒng)理論中的GM(1，1)模型主要用于某一主導(dǎo)特征因素的擬合和預(yù)測，從而揭示其變化規(guī)律及未來發(fā)展態(tài)勢［1］．針對GM(1，1)模型在對非光滑序列數(shù)據(jù)的處理和預(yù)測中擬合較差的問題，DGM(1，1)模型從由離散直接到離散的角度解決了預(yù)測不穩(wěn)定的問題，然而DGM(1，1)模型對隨機(jī)波動大的數(shù)據(jù)仍然存在預(yù)測精度較低的問題［2－3］． 本文采用馬爾可夫模型來彌補(bǔ)DGM(1，1)模型的局限，并選取鄭州市1955—2014 年的降水量數(shù)據(jù)，建立干旱和雨澇的災(zāi)變?nèi)掌谛蛄校\(yùn)用灰色殘差馬爾可夫預(yù)測模型對鄭州市旱澇災(zāi)害進(jìn)行趨勢預(yù)測．

1 灰色殘差馬爾可夫預(yù)測模型

1．1 建模機(jī)理

非負(fù)序列X(0)經(jīng)一次累加，生成序列為

取x(1)(1)= x(0)(1)，則遞推函數(shù)為

因還原值為

得時間響應(yīng)式為

式中k = 1，2，…，n －1．

由于模型(3)只適用于序列為非負(fù)的數(shù)據(jù)列，故可對殘差序列的絕對值建立DGM(1，1)模型． 應(yīng)用馬爾可夫模型判斷殘差預(yù)測值在k ＞n 時的符號，以提高預(yù)測精度．

將式(4)與式(3)合并，建立灰色殘差模型:

其中

由此可見，提高灰色預(yù)測精度的關(guān)鍵是準(zhǔn)確預(yù)測k ＞n 時m(k)的值．為了準(zhǔn)確預(yù)測m(k)，這里引入馬爾可夫模型．

馬爾可夫模型是一種研究事物的狀態(tài)及其轉(zhuǎn)移的統(tǒng)計(jì)分析方法．其特點(diǎn)是無后效性，即系統(tǒng)當(dāng)前所處狀態(tài)只與之前所處狀態(tài)有關(guān)，與之后狀態(tài)無關(guān)［4－6］．對DGM(1，1)殘差的符號序列建立馬爾可夫模型，其步驟如下:

1)確定狀態(tài)．殘差為正時狀態(tài)記為+1(E1)，殘差為負(fù)時狀態(tài)記為－1(E2)．

2)根據(jù)殘差狀態(tài)求出狀態(tài)轉(zhuǎn)移矩陣P(m)．

其中pij(m)= Mij/Mi;i，j = 1，2;Mij(m)為由狀態(tài)Ei經(jīng)過m 步轉(zhuǎn)移到狀態(tài)Ej的原始數(shù)據(jù)的個數(shù);Mi為處于狀態(tài)Ei時原始數(shù)據(jù)的個數(shù)．

3)確定初始狀態(tài)向量π(0)．

4)根據(jù)狀態(tài)轉(zhuǎn)移公式π(0)π(t)= π(0)Pt，求出第t 期狀態(tài)轉(zhuǎn)移的結(jié)果，取概率大的狀態(tài)．如果正負(fù)號概率相等，取上期確定的符號［7－8］．

1．2 建模步驟

步驟1 運(yùn)用均值－ 標(biāo)準(zhǔn)差旱澇等級劃分法對降水量劃分等級．

步驟2 取定災(zāi)變點(diǎn)，分別建立干旱和雨澇災(zāi)變?nèi)掌谛蛄校?/p>

步驟3 通過式(3)對干旱和雨澇災(zāi)變?nèi)掌谛蛄薪GM(1，1)模型．

步驟4 計(jì)算平均相對誤差．

步驟5 建立殘差絕對值的DGM(1，1)模型．

步驟6 通過式(7)對殘差符號建立馬爾可夫狀態(tài)轉(zhuǎn)移矩陣．

采用SPSS 20.0統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析，計(jì)量資料用（±s）表示，采用 t檢驗(yàn)，計(jì)數(shù)資料用[n（%）]表示，采用χ2檢驗(yàn)，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

步驟7 結(jié)合DGM(1，1)模型與馬爾可夫狀態(tài)轉(zhuǎn)移矩陣結(jié)果得到最終預(yù)測值．

2 實(shí)例分析

鄭州是我國農(nóng)業(yè)大省河南省的省會城市，旱澇災(zāi)害不僅是影響其糧食生產(chǎn)的主要因素，而且還會引發(fā)其他自然災(zāi)害．因而預(yù)測災(zāi)害發(fā)生，防患于未然尤為重要．依據(jù)鄭州市1955—2014 年年降水量數(shù)據(jù)(來源于河南省統(tǒng)計(jì)年鑒)，建立模型預(yù)測2014 年之后的干旱和雨澇災(zāi)害發(fā)生年份．步驟如下:

步驟1 根據(jù)鄭州市60 a 年降水量數(shù)據(jù)，計(jì)算得年降水量序列均值x－= 640．19 mm，標(biāo)準(zhǔn)差s =158．17 mm．取α1= 1．1，α2= 0．5，運(yùn)用均值－標(biāo)準(zhǔn)差旱澇等級劃分法［5－6］，將鄭州市降水量劃分為干旱、偏旱、正常、偏澇和雨澇5 個狀態(tài)，見表1．

表1 降水量的分級標(biāo)準(zhǔn)mm

依據(jù)鄭州市1955—2014 年年降水量數(shù)據(jù)和干旱、雨澇的降水量臨界值繪制降水量圖，如圖1 所示．

圖1 鄭州市1955—2014 年年降水量變化圖

由于干旱和雨澇均是自然現(xiàn)象中的非常態(tài)，準(zhǔn)確預(yù)測干旱和雨澇發(fā)生的時間具有重要的實(shí)際意義．鄭州市1955—2014 年年降水量異常狀態(tài)匯總見表2．

表2 1955—2014 年年降水量異常狀態(tài)匯總

步驟2 狀態(tài)1 的災(zāi)變?nèi)掌谛蛄袨?/p>

狀態(tài)5 的災(zāi)變?nèi)掌谛蛄袨?/p>

步驟3 對干旱和雨澇災(zāi)變?nèi)掌谛蛄薪GM(1，1)模型，求解可得到干旱和雨澇災(zāi)變?nèi)掌谛蛄械腄GM(1，1)模型的時間響應(yīng)式．

干旱:

雨澇:

對應(yīng)的平均相對誤差分別為

步驟4 依據(jù)干旱和雨澇災(zāi)變?nèi)掌谛蛄械臅r間響應(yīng)式，分別計(jì)算得災(zāi)變?nèi)掌谛蛄械臍埐钚蛄?，見?．分別對殘差絕對值序列建立DGM(1，1)模型，對應(yīng)的時間響應(yīng)式分別為

干旱:

雨澇:

對應(yīng)的平均相對誤差為:

干旱和雨澇災(zāi)變?nèi)掌谛蛄械挠?jì)算結(jié)果見表3．

表3 干旱和雨澇災(zāi)變?nèi)掌谛蛄械挠?jì)算結(jié)果

續(xù)表

步驟5 以干旱災(zāi)變?nèi)掌谛蛄袨槔?，確定其殘差符號．類似地，可預(yù)測雨澇災(zāi)變?nèi)掌谛蛄械臍埐罘枺?/p>

建立馬爾可夫模型預(yù)測m(k +1)在k =9 時的值，即預(yù)測第10 次干旱災(zāi)變?nèi)掌谛蛄械臍埐罘枺杀? 計(jì)算可得馬爾可夫轉(zhuǎn)移概率矩陣:

解得m(10)= +1．

步驟6 類似地，可得到干旱和雨澇災(zāi)變?nèi)掌谛蛄械南蚝髢刹筋A(yù)測值，見表4．

表4 干旱和雨澇災(zāi)變?nèi)掌谛蛄械南蚝髢刹筋A(yù)測

干旱和雨澇災(zāi)變?nèi)掌谛蛄械脑贾蹬c預(yù)測值擬合情況分別如圖2 和圖3 所示．

圖2 干旱災(zāi)變?nèi)掌谛蛄性贾蹬c預(yù)測值擬合

圖3 雨澇災(zāi)變?nèi)掌谛蛄性贾蹬c預(yù)測值擬合

由表4 可知，2018 年和2038 年前后會發(fā)生嚴(yán)重旱災(zāi)，2022 年和2048 年前后會發(fā)生嚴(yán)重澇災(zāi)，應(yīng)提前做好防范措施．由圖2 和圖3 可知，對干旱和雨澇的擬合精度均較好．

3 結(jié) 語

灰色殘差馬爾可夫模型兼具DGM(1，1)模型與馬爾可夫模型的優(yōu)點(diǎn)，增強(qiáng)了模型的適應(yīng)性，提高了預(yù)測精度，是一種方便、可靠的預(yù)測方法．

該模型對旱澇災(zāi)害的預(yù)測結(jié)果可以為研究鄭州地區(qū)今后的旱澇災(zāi)害等級提供理論依據(jù)，從而有效地指導(dǎo)今后的防災(zāi)減災(zāi)工作，對鄭州市目前儲水量的開發(fā)、利用、配置、保護(hù)等方面也具有實(shí)用價(jià)值．

［1］劉思峰，楊英杰，吳利豐，等． 灰色系統(tǒng)理論及其應(yīng)用［M］．北京:科學(xué)出版社，2014:140 －151．

［2］連世偉，薛磊，王憲棟，等． 基于殘差遞推的自適應(yīng)GM(1，1)模型［J］． 系統(tǒng)工程與電子技術(shù)，2013，35(10):2141 －2144．

［3］錢吳永，黨耀國．基于振蕩序列的GM(1，1)模型［J］．系統(tǒng)工程理論與實(shí)踐，2009，29(3):149 －154．

［4］Xiao X P，Guo H，Mao S H．The modeling mechanism，extension and optimization of grey GM(1，1)model［J］．Applied Mathematical Modelling，2014，38(s5):1896 －1910．

［5］何一鳴，蒲英霞，王結(jié)臣，等．基于馬爾可夫鏈的四川省產(chǎn)業(yè)結(jié)構(gòu)時空演變［J］．中國人口·資源與環(huán)境，2011，21(4):68 －75．

［6］彭世彰，魏征，竇超銀，等．加權(quán)馬爾可夫模型在區(qū)域干旱指標(biāo)預(yù)測中的應(yīng)用［J］．系統(tǒng)工程理論與實(shí)踐，2009，29(9):173 －178．

［7］趙玲萍，王俊，張鳳娥，等．基于灰色殘差馬爾可夫藕合模型的農(nóng)業(yè)需水量預(yù)測研究［J］．節(jié)水灌溉，2010(11):4 －6．

［8］邱林，安可君，王文川，等．基于Bayes 分類的Markov 徑流量預(yù)測模型［J］． 水利科技與經(jīng)濟(jì)，2011，17(12):1 －4．