临淮关水文站中长期洪水预报方案的研制_毕业论文(编辑修改稿)

临淮关水文站中长期洪水预报方案的研制_毕业论文(编辑修改稿)内容摘要：

语言，结合Access数据库编程实现。 由可信度（α=）及样本数（n=43），查表得最低相关系数rα=；由可信度（α=）及样本数（n=43），查表得最低相关系数rα=。 挑选出的预报因子及相关系数详见下表：表31 预报因子及相关系数表现预报因子汛期月平均水位12月月平均水位4月月平均水位时间相关系数时间相关系数时间相关系数H500mb(20N、70、80、90E)三点高度和上一年8月H500mb(5055N、7090E+4045N+6585E)巴尔喀什湖区1H500mb(60N、4050E)两点高度和H500mb(120E、2040N)高度差（沿120E线20N40N）H500mb(25N、6785E)三点合计上一年12月H500mb(4050N120140E)东亚槽区500mb 8点合计H500mb(2535N、110130E)长江中下游区7点合计H500mb(2030N、80100E)印缅区8点合计上一年11月上一年11月H500mb(120E、4050N)高度差（沿129E线40N50N）上一年1月上一年12月上一年1月H500mb(5060N、100120E)贝加尔湖区8点合计上一年8月H500mb(3040N、8090E)西安高原子6点合计上一年3月H500mb(1525N、110130E)南海区7点合计上一年7月Q588(105180E)付高强度指数上一年7月M588(105180E)付高面和强度指数(m/s)(105E、3540N)上一年12月(m/s)(105E、)太平洋高压Q584的纬度（100120E）的平均位置 乌拉尔地区平均高度H乌(6970E、5060N)鄂海平均高度H(135150E、4560N)上一年10月上一年8月上一年1月上一年2月(m/s)(105E、2535N)C102 102站西风指数(115E、2530N)上一年11月上一年12月 C836 836站西风指数(130E、3035N)上一年11月上一年8月第四章　多元回归模型回归分析是研究因变量和自变量之间变动比例关系的一种方法，最终结果一般是建立某种经验性的回归方程。 长期水文预报中，由于水文要素影响因素的复杂性，一般有多个因子对预报对象均存在影响，找出各预报因子与预报对象之间的相关关系，并以合适的数学表达式来反映互相之间的影响关系，即为多元回归模型。 一、预报模型二、回归系数的最小二乘估计把各个xt的每个观测值代入方程（418）后，得到n个y的估计值。 这样就有n方程，m+1未知数。 总残差平方和为 ： （42）其依赖于bi (i=0，1,2……m)，要使其最小，则。 将（42）式分别对求导，令其为零。 经归并整理后，得到如下正规方程组： （43）其中：当资料给定，为已知，解此方程组，bi可以一一求出。 为消除单位的影响，使用标准回归系数求解。 即对式（43）进行变换。 令：有如下方程组： （44）三、回归方程利用前期挑选出的预报因子及临淮关水文站各月平均水位实测资料，利用计算机程序分别计算，则方程系数bi可求出。 平均水位方程成果如下：[汛期回归方程]y=++式中：y—临淮关水文站汛期月平均水位X1—上一年8月H500mb(20N、70、80、90E)三点高度和X2—上一年12月H500mb(25N、6785E)三点合计X3—上一年11月H500mb(2030N、80100E)印缅区8点合计X4—上一年1月H500mb(120E、4050N)高度差（沿129E线40N50N）X5—上一年10月鄂海平均高度H(135150E、4560N)X6—上一年11月C102 102站西风指数(115E、2530N)X7—上一年11月C836 836站西风指数(130E、3035N)[12月回归方程]y=+++式中：y—临淮关水文站12月月平均水位X1—上一年11月H500mb(2030N、80100E)印缅区8点合计X2—上一年12月H500mb(120E、4050N)高度差（沿129E线40N50N）X3—上一年3月H500mb(3040N、8090E)西安高原子6点合计X4—上一年7月H500mb(1525N、110130E)南海区7点合计X5—上一年7月Q588(105180E)付高强度指数X6—上一年8月鄂海平均高度H(135150E、4560N) X7—上一年8月C836 836站西风指数(130E、3035N)[4月回归方程]y=+++式中：y—临淮关水文站4月月平均水位X1—上一年1月H500mb(120E、4050N)高度差（沿129E线40N50N）X2—上一年8月H500mb(5060N、100120E)贝加尔湖区8点合计X3—(m/s)(105E、3540N)X4—上一年1月鄂海平均高度H(135150E、4560N)X5—上一年2月鄂海平均高度H(135150E、4560N)X6—上一年12月C102 102站西风指数(115E、2530N)四、模型检验复相关系数（R）当R≥Ra，且愈接近于1时，则回归效果愈好。 剩余标准差（Sy）式中：Sy—剩余标准差 n—资料年限Q—残差平方和 m—挑选的因子Sy愈小表示回归效果愈好。 回归效果的F检验拟合误差检验根据已建立的汛期、12月、4月平均水位预报模型所用的1952年~1994年共43年的实测月平均水位对预报模型进行历史拟合检验，计算相应年份的预报误差及许可误差，其中许可误差采用实测水位的20%来计算，如预报误差许可误差，则该年预报值合格，否则为不合格；最后统计预报系列中合格预报的场次及预报合格率；根据《水文情报预报规范》规定，中长期预报合格率80%时，预报方程等级为甲等预报方案。 预报误差检验根据已建立的汛期、12月、4月平均水位预报模型，用1995年~1999年共5年的实测月平均水位对预报模型进行预报检验，预报检验由于点据都未参加模型的计算及拟合，所以能够比较真实的检验出预报模型的率定是否成功。 检验结果及分析各月回归方程复相关系数R、剩余标准差sy、F检验如下：表41 临淮关水文站月平均流量多元回归方程检验表预报方程复相关系数RRα显著性剩余标准差sy方差比FFα显著性汛期回归方程 显著 显著12月回归方程 显著 显著4月回归方程 显著 显著通过检验，发现复相关系数R检验中，各方程效果都显著；方程剩余标准差sy，相对来说，汛期较大，但相应月份的R检验却都是显著的；在回归方程的F检验中，各方程效果显著。 以上结果显示，复相关系数R虽然能够用来检验方程，R表示了m个自变量与预报对象相关的紧密程度，R的大小与方程中自变量的个数m以及资料年限n有关，R只反映了预报因子与预报对象。