|
首先对水沙通量到河底高程的相关性分析。 由于 6~12月已经进行了调水调沙,那么我们要剔除该因素的话需要使用1~6月的数据来预测后面几个月的,通过后面的预测的7~12月数据与真实数据的对比,了解到调水调沙在6~7月的效果,在使用我们预测的值减去该效果,就可以得到没有进行该操作的真实数据,从而得到10 年以后该水文站的河底高程。 但是里面有季节性因素的影响,我们可以首先队季节性进行分解,:首先,使用1~6月的数据进行季节性分解,这样可以将趋势、季节性和随机波动分离出来。常见的季节性分解方法有STL(季节性分解的局部回归)等。使用分解后的趋势和随机波动来预测7~12月的河底高程,同时还要加上季节性因子来得到完整的预测值。用实际观测值减去基线预测值来得到“调水调沙”的效果。对求得的“调水调沙”的效果进行深入分析。可能需要探究效果是否随季节、流量或其他因素而变化。如果发现其也有季节性规律,那么可以进一步加入模型中。 其中数据又很多缺失值,在pandas中又很多处理缺失值的方法,具体可以看我上一篇帖子: 上面只是一种思路,并不代表能取地很好的结果,大家还是要自主思考,期待大家取地好成绩。
' q) [" T, R) P# J, @+ _6 n最后给大家分享一下
x2 Z' t' w( C, X) B$ B) v6 y1 l% _$ E
8 a" F+ w( k @6 c' | |