基于WD-RSPA模型的水文时间序列预测——以马口站和深圳市为例

为了解决传统水文时间序列预测模型预测精度不高、未考虑实际噪声影响等问题,将小波消噪(Wavelet De-noise,WD)与秩次集对分析(Rank Set Pair Analysis,RSPA)方法耦合,建立基于小波消噪的秩次集对分析水文预测模型(WD-RSPA),并应用于马口站年总径流量以及深圳市年总降雨量预测。结果表明:当集合维数T=4时,coif3-RSPA模型预测马口站径流量的预测误差|e|=11.97%;T=6时,db5-RSPA模型预测深圳市降雨量的预测误差|e|=17.73%。相较于传统AR(1)模型和单一的RSPA模型,WD-RSPA模型更接近真实值,是一种切实可行的水文时间序列预测方法。

山西省御河流域水环境污染负荷估算及来源

流域水污染负荷估算及污染源解析是流域水环境治理的基础性工作。采用监测和统计数据,综合考虑点源和非点源污染,估算2016年御河流域水污染负荷。在地理信息系统支持下,基于流域数字高程模型和监测断面位置将流域划分为6个控制单元,提出了入河系数的估算方法,分析了各控制单元各类污染源的贡献。结果表明:2016年COD、NH3-N和TP入河量分别为7299.52t/a、1163.56t/a和124.46t/a,其中分别有70.04%、86.45%和68.00%来源于点源污染。污染物主要来自十里河上游和御河上游,未收集的点源是御河最主要的污染源,对COD、NH3-N和TP贡献率分别达到46%、80%和49%。研究结果为山西省御河流域水环境治理提供了科学依据。