基于时间序列预测的黄河水沙监测数据分析  

作　　者：张静文[1] 

机构地区：[1]重庆科创职业学院,重庆402160

出　　处：《微型计算机》2025年第8期43-45,共3页

基　　金：2024年重庆市职业教育教学改革研究项目,课题编号:Z2241445,《高等数学》数字一体化交互式教材的开发。

摘　　要：本文以2023年高教社杯全国大学生数学建模竞赛E题为背景,针对黄河水沙监测数据进行分析,综合利用Python、Excel、SPSS软件,建立线性回归模型和时间序列预测模型。首先,研究水文站黄河水的含沙量与时间、水位、水流量的关系,利用Python计算近6年的年总水流量与年总排沙量的值,求出年总水流量和年总排沙量的值分别为198044456085m^(3)和1212740466066kg。分析近6年水文站的突变性、季节性和周期性的特性来研究水沙通量的变化规律,使用Python的Pandas库针对突变性、季节性和周期性分别作图,再通过图示所得到水沙通量变化的规律为水沙通量具有突变性,会发生剧烈的增加或减少的情况;水沙通量的季节性:在夏季时的水沙通量增加;水沙通量的周期性呈季节变化,每当夏季,水沙通量最高,秋季次之,春季和冬季最后。将经过预处理的数据导入Excel中计算得出每个月的平均水沙通量,再用SPSS数据分析软件创建时间序列模型,将2022年和2023年的预测值表示出来,基于预测值对数值进行划分,确定2022和2023年两年的最优采样监测方案为:1月至4月5次/天,5、6月6次/天,7月24次/天,8、9月14次/天,10月7次/天,11、12月10次/天。

关 键 词：水沙通量 PYTHON Pandas库 时间序列预测 

分 类 号：TV213.4[水利工程—水文学及水资源]