Pronóstico de cambio de costa
La formación de accidentes geográficos de estuarios costeros es un proceso que cambia en un tiempo y espacio determinado. Durante la evolución de la costa del estuario del río Amarillo, en términos de cambio de área o forma de la costa, generalmente hay un cambio incremental a lo largo del tiempo (la erosión de la costa se puede ver como la tierra se reduce y el mar crece). Además, los cambios en la morfología de la costa son el resultado de los efectos combinados de muchos factores, como la escorrentía de los ríos, los sedimentos y la dinámica del océano, y son difíciles de expresar con modelos matemáticos claros. Por tanto, los datos discretos conocidos en el proceso (como área de crecimiento, posición de la costa, etc.) se utilizan para formar una secuencia original, y se establece un modelo autorregresivo para estudiar la evolución de la línea de costa del estuario.
En el análisis de regresión, el coeficiente de regresión depende principalmente del grado de correlación entre factores y cantidades predichas y entre factores y factores, y no tiene nada que ver con la magnitud relativa entre factores. Por lo tanto, se puede considerar que el modelo de predicción del análisis de regresión refleja mejor el importante papel de los factores relacionados. En términos generales, cuanto más estrecha sea la relación entre un determinado factor y la cantidad predicha y cuanto mayor sea el grado de correlación, mayor será su papel en el modelo de predicción del análisis de regresión y mayor será su contribución al modelo.
7.2.3.1 Establecimiento de la ecuación de regresión
Supongamos que el sistema tiene m variables independientes (es decir, predictores) u1, u2,...,um, y el objeto de predicción se registra como y , entonces el lineal multivariado La ecuación de regresión es
Investigación sobre la evolución del medio ambiente ecológico y geológico del delta del río Amarillo
En la fórmula: (k) - el valor estimado de regresión del objeto de predicción y (k);
a0, a1,…,am——coeficiente de regresión.
La estimación óptima del coeficiente de regresión ai (i=0, l,..., m) se puede obtener mediante el principio de mínimos cuadrados, es decir, la determinación de ai satisface el requisito de que la La suma de los cuadrados de los residuos Q alcanza el mínimo.
La suma de los cuadrados de los residuales es
Investigación sobre la evolución del entorno ecológico y geológico del Delta del Río Amarillo
Según el principio de valor extremo en cálculo diferencial, Q debe satisfacerse para cada coeficiente de regresión. La derivada parcial de ai es cero.
Después de ordenar, se pueden obtener las siguientes ecuaciones lineales que resuelven el coeficiente de regresión del elemento m:
Investigación sobre la evolución del entorno ecológico y geológico del delta del río Amarillo
Entre ellos:
p>
Investigación sobre la evolución del entorno ecológico y geológico del delta del río Amarillo
Sij se denomina momento de correlación entre ui y uj, y Siy se denomina momento de correlación entre ui e y.
Bajo la premisa de los datos de muestra dados, se pueden calcular los valores de Sij y Siy. Por lo tanto, el sistema de ecuaciones lineales anterior es un sistema de ecuaciones simultáneas de m elementos con los coeficientes de regresión a0, a1,..., am como variables desconocidas.
Si se introduce una cantidad adimensional y se utiliza el coeficiente de correlación único rij para reemplazar el momento de correlación Sij para resolver la ecuación lineal, la diferencia de magnitud de rij es menor que Sij, lo que hace que el error de redondeo sea pequeño, y el cálculo se realiza en una computadora. El rendimiento es más obvio. El momento de correlación y el coeficiente de correlación tienen la siguiente relación:
Investigación sobre la evolución del entorno ecológico y geológico del delta del río Amarillo
Las ecuaciones lineales anteriores se pueden escribir de la siguiente manera formulario:
Ecología del Delta del Río Amarillo Investigación sobre la evolución del entorno geológico
Entre ellos:
Investigación sobre la evolución del entorno ecológico y geológico del Delta del Río Amarillo
7.2.3.2 Identificación de coeficientes del modelo: criterio AIC
Para ecuaciones de regresión, si hay muchos datos, cuanto mayor sea el coeficiente de regresión ai, más precisos serán los datos obtenidos. Sin embargo, de hecho, los datos pueden ser menores y cuanto más ai, mayor es el error. Por lo tanto, la elección de ai debe estar relacionada con la cantidad de datos. El criterio AIC es el número de coeficientes utilizados para identificar el modelo:
AIC (K) = nln ( ) + 2K
donde K - el número de coeficientes de regresión, también llamado orden, generalmente 1, 2,..., n/4;
——La varianza del residual en el orden K. ]]
Investigación sobre la evolución del medio ambiente ecológico y geológico del delta del río Amarillo
Seleccione el valor mínimo de AIC (K), que es el orden del modelo.
Los pasos son los siguientes:
1) Calcular el coeficiente de autocorrelación de la secuencia de muestra, la fórmula es
Investigación sobre la evolución del medio ambiente ecológico y geológico del delta del río Amarillo
2) Calcular usando el método recursivo El coeficiente autorregresivo, la fórmula es
Investigación sobre la evolución del medio ambiente geológico ecológico del delta del río Amarillo
3) Calcular la varianza de el residual, la fórmula es
La evolución del entorno geológico ecológico de la investigación del delta del río Amarillo
4) Calcular AIC (K) según diferentes órdenes K.
5) Seleccione K, AIC (K0) = AIC mín (K).
7.2.3.3 Prueba del modelo
Una vez establecida la ecuación de regresión, se requieren pruebas estadísticas, principalmente para analizar los errores del modelo. Si los coeficientes de autocorrelación entre errores no son relevantes, significa. que produce el modelo Los errores son aleatorios.
Primero encuentre los valores de error predichos: ε1, ε2,…, εn-k
εt＝ut-a1ut-1-a2ut-2-… -akut-k
Para obtener el valor de error previsto.
De manera similar, realice un análisis autorregresivo del error y calcule los coeficientes de autocorrelación rε1, rε2,..., rεk. Si todos los coeficientes de autocorrelación del error están dentro del intervalo de confianza, se demuestra que el modelo es confiable.
7.2.3.4 Predicción y resultados del modelo
Utilizar el software ENVI para corregir, analizar y obtener datos de imágenes satelitales de los últimos 30 años.
1) Después de que el río Amarillo fue desviado en 1976, el área de Diaokou en el lado norte del delta del río Amarillo ha estado en un estado de erosión, mientras que el área de la desembocadura del río Amarillo en el lado este ha sido en estado de ampliación, y la costa de la zona del Puerto del Río Amarillo básicamente se ha mantenido sin cambios. Por lo tanto, el pronóstico se divide en dos partes, a saber, el área de Diaokou y el área de Hekou.
2) Seleccione dos puntos como origen y trace 14 líneas topográficas radiales, numeradas 1, 2,..., 14 de norte a este (Figura 7.8, Figura 7.9).
Figura 7.8 Distribución de líneas de modelado topográfico en el área de Diaokou
Figura 7.9 Distribución de líneas de modelado topográfico en el área de Hekou
3) En el software de procesamiento de imágenes ENVI The El valor de la distancia desde el origen de la medición hasta la costa de cada año se procesa mediante interpolación lineal en intervalos de tiempo iguales, y se pueden calcular los datos originales de cada línea de estudio del 1 al 14.
4) Para los datos originales de cada línea de medición, establezca un modelo autorregresivo de la siguiente manera:
Modelo de regresión de la línea de medición 1 x (t + 1) = 0,143492x (t) + 32.58167
Línea de medición 2 modelo de regresión x (t+1) = 0.026602x (t) + 28.26973
Línea de medición 3 modelo de regresión x (t+1) = 0.249429x (t ) + 20.15490
Modelo de regresión de la línea de medición 4 x (t + 1) = 0.103827x (t) + 20.47327
Modelo de regresión de la línea de medición 5 x (t + 1) = 0.038511x (t) + 32.35457
Línea de medición 6 del modelo de regresión x (t + 1) = 0.008098x (t) + 36.94398
Línea de medición 7 del modelo de regresión x (t + 1) = 0.385007x (t) + 11.28498
Línea de medición 8 modelo de regresión x (t + 1) = 0.323633x (t) + 17.90078
Línea de medición 9 modelo de regresión x (t + 1 ) = 0,258041x (t) + 23,96900
Línea de encuesta 10 Modelo de regresión x (t + 1) = 0,058445x (t) + 33,24532
Línea de encuesta 11 Modelo de regresión x (t +1) = 0,020052x (t) + 28,06746
Línea de encuesta 12 Modelo de regresión x (t+1) = 0,050109x (t) + 18,64599
Línea de medición 13 Modelo de regresión x (t+1) = 0,103827x (t) + 15,58050
Línea de medición 14 Modelo de regresión x (t+1) = 0,085694x (t) + 20,47327
Tabla 7.4 Coeficiente de autocorrelación de errores del modelo de cada línea de estudio
5) Tomando 2004 como año de inicio, prediga la línea costera de 2005 a 2010, es decir, trace los puntos de valor predichos de las líneas de estudio 1 a 14 en la figura y conéctelos suavemente; los puntos para obtener la línea costera prevista y realizar la predicción de la evolución de la costa del delta del río Amarillo.
Tabla 7.5 Error relativo de cada línea de estudio
Figura 7.10 Mapa de predicción de la costa del área de Diaokou y el área de Hekou en 2005
Se puede ver que la costa de Área de Diaokou Básicamente se encuentra en un estado de erosión, pero la tasa de erosión es pequeña y gradualmente pasa a un equilibrio de erosión y sedimentación. Debido al desvío artificial del río Amarillo en 1996, la costa del área del estuario cambió mucho. Antes de 1996, la costa se expandía principalmente hacia la cima del Grand Spit. Después de 1996, la costa en la cima del Spit comenzó a ser. erosionado, y las áreas que fueron desviadas comenzaron a Ampliarse.
Figura 7.11 Mapa de predicción de la costa del área de Diaokou y el área de Hekou de 2005 a 2010
Debido a la desviación artificial del río Amarillo en 1996, el área de Hekou se vio muy afectada. antes de 1996 Los datos tienen poca importancia en el proceso de pronóstico, por lo tanto, sólo se pueden obtener datos posteriores a 1996, lo que hace que la cantidad de datos sea relativamente pequeña. Además, el tiempo de sequía del río Amarillo aumentó año tras año entre mediados y finales de la década de 1990. En 1997, el tiempo de sequía más largo alcanzó los 226 días. Esta sequía fue causada principalmente por actividades humanas, por lo que los cambios en la costa en esta zona. se ven afectados por las actividades humanas es muy grande, lo que provocará grandes errores en las predicciones del modelo. Se pueden ver los errores relativos de cada línea de encuesta (Tabla 7.5). Los errores relativos de las líneas de encuesta 11, 12, 13 y 14 son relativamente grandes. Los resultados de predicción de las otras líneas de encuesta deberían ser más creíbles; Cuanto más lejos sea el tiempo de predicción, menor será la confiabilidad del valor de predicción. Hasta ahora, se ha verificado que los resultados de la predicción de las costas en estas dos áreas son correctos, lo que indica que el modelo de predicción es razonable.
La importancia de esta predicción no es sólo mostrar a la gente el contorno de la morfología costera que se formará en el delta del río Amarillo en un futuro próximo a través de la evolución específica de la morfología costera, de modo que la toma de decisiones Los departamentos pueden tener un entendimiento macro, pero también proporcionar orientación sobre la gestión del canal del río Amarillo. Tiene un papel rector en el desarrollo del campo petrolífero de Shengli y la implementación de la estrategia de desarrollo sostenible en la región del delta del río Amarillo.