本文是一篇职称论文，本文通过ST L分解结果可以看出，米山水库降雨时间序列虽然从2012年开始有减少的趋势，但整体上仍然呈现稳定中略有波动的状态；降雨表现出显著的周期性。电导率在2016年之前同样呈现稳定中略有波动的状态，此时电导率主要受气候变化影响；
1 数据序列和研究方法
米山水库位于山东省威海市文登区米山镇，是以防洪、城镇供水、发电等综合利用的大（二）型水库，控制流域面积为440 km2，总库容为2.8亿 m3，死库容为5 0 7万 m3。2 0 1 5年1 2月2 2日南水北调东线黄河水入威开始通水，2016年3月10日，长江水首次调入米山水库，威海市实现长江水、黄河水和当地水多水源联合调度。米山水库流域及雨量站分布如图1所示。
职称论文参考
1.1 数据序列
1.1.1 数据来源
受制于月数据收集的困难，本研究中STL时间序列分解采用1 9 8 0—2 0 1 9年月降雨量数据和2012—2019年月电导率数据（见图2），通过对时间序列进行统计分析来提取历史数据信息，以此找出其动态变化规律，揭示行为的未来演变趋势；其中2 0 1 3年电导率数据部分缺失，采用样条插值进行插补（见图2）。GM(1,1)分解模型采用1987—2019年年均电导率数据，通过建立电导率模拟模型，对电导率进行模拟计算。降雨数据来自于中国气象科学数据共享服务网，电导率数据来自于威海市水文中心监测数据。
1.1.2 降雨及电导率统计特征
通过对米山水库1980—2019年年均降雨和1987—2019年年均电导率长时间序列进行统计分析，结果如表1所示。从表可以看出，研究区多年年均降雨量为811.67 mm，降雨量较为丰富；年均降雨量的标准差为205.66 mm，说明研究区降雨的波动性相对较为平稳；年均电导率为374.98 μS/cm，说明水体中离子含量较多；年均电导率的标准差为215.02 μS/cm，说明电导率波动性较大。
1.2 研究方法
1.2.1 STL法
STL法是一种非参数统计方法，它以具有鲁棒性的局部加权回归散点平滑（LOESS）作为平滑方法，能够将时间序列以加法模型为原理分解为趋势变化、季节性变化及不规则的随机波动项。
1.2.2 GM(1,1)分解模型
目前常用的水质模拟预测方法主要有数理统计法[11-12]、机器学习模型法[13-16]、数值模型法[17-18]和灰色系统法[19-22]等，其中灰色系统法中的GM(1,1)模型因用法简单且所需实测数据少而被广泛应用，但是存在灰色偏差和抗干扰能力弱的局限性，只适合于对呈指数规律变化且增长速率较低的短时间序列进行预测[23]。水质、水量等水文要素的增长速率有快有慢，并且数据本身存在周期变化和随机扰动，造成传统GM(1,1)模型对于水文要素的预测精度不高。为了解决此类问题，Hao等[24]提出了GM(1,1)分解模型，并将其应用于水文时间序列的模拟预测，取得了非常理想的预测效果。GM(1,1)分解模型将时间序列分解为趋势项、周期波动项和随机变动项，因此能较好地拟合水文要素的动态变化特征。李华敏等[25]将GM(1,1)分解模型应用于山西柳林泉水流量的预测中，并把预测结果与ARIMA (autoregressive integrated moving average)模型进行对比，结果显示通过周期修正能显著提高GM(1,1)模型预测精度，其预测结果要好于ARIMA模型的。
2 实验结果与分析
2.1 研究方法
利用STL法对1980—2019年月降雨量及2012—2019年月电导率值进行时序分解，揭示它们的变化趋势、周期长度、随机波动范围等，并进一步提取出电导率的自然状态（受气候变化影响）和混合状态（同时受气候变化和区外调水影响）时间序列。
对降雨时间序列进行STL分解，获取降雨量趋势变化、季节性变化及随机波动项，结果见图3。从图中的趋势变化可以看出，降雨量从2012年开始有减少的趋势，整体呈现稳定中略有波动的状态；降雨时间序列表现出显著的周期性（周期为12个月），且从2009年开始周期内的季节性变化均呈递减的趋势；从随机波动项可以看出，残差波动程度在1998—2013年的时间序列要大于其他时间序列。
对月均电导率时间序列进行STL分解，获取其趋势变化、季节性变化及随机波动项，结果见图4。从图4（a）2012—2019年月均电导率STL分解结果可以看出，电导率值2016年之前呈现稳定中略有波动的态势，电导率波动范围为250~350 μS/cm，此时电导率主要受气候变化影响，即处于自然状态。电导率在水库2016年开始调水后迅速增大并在2017年达到最大值，波动范围为857~977 μS/cm，之后处于稳定波动状态，此时电导率同时受气候变化和区外调水的影响，即电导率处于混合状态。电导率值的波动呈现出明显的周期性（周期为12个月）。从随机波动项可以看出，残差的波动程度在2016年后的时间序列要明显大于之前的时间序列，说明米山水库水质在2016年实施区外调水后受人类活动等外部因素的干扰有所增加。为了更清楚地了解自然状态下电导率的变化特征，对2 0 1 2—2015年月电导率时间序列进行S T L分解，如图4（b）所示。通过图可以看出，自然状态下电导率处于平稳波动状态数值的波动同样呈现12个月的周期性，且随机波动项的波动程度在2013—2014年之间的时间序列要大于其他的时间序列。
职称论文参考
2.2 自然状态下电导率与降雨关系分析
对自然状态下电导率与降雨的关系进行分析。1987—2015年年均电导率与降雨量变化关系图如图5所示。由图可以看出，电导率值与降雨量呈现明显的负相关关系，当年降雨量较大时，因降雨对水体的带电荷物质的稀释作用而导致电导率年均值相应的较小。1999年研究区降雨量出现较小值(360.6 mm)，米山水库电导率达到347 μS/cm，为历年最大值；1990年降雨量出现较大值，为1 180.9 mm，电导率仅为232 μS/cm，为历年最小值。由此可见，降雨对米山水库电导率的稀释作用较为明显，进一步说明自然状态下电导率主要受气候变化的影响。
3 结论
本文中首先利用STL法对米山水库降雨与电导率进行时间序列分解，从宏观角度揭示它们的趋势变化、周期波动长度和随机波动范围，并提取出电导率的自然状态和混合状态时间序列；在此基础上，通过GM(1,1)分解模型建立自然状态下电导率模拟模型，并将其外推，定量评价气候变化和区外调水对米山水库水质演变的贡献，得出以下结论：
1）通过ST L分解结果可以看出，米山水库降雨时间序列虽然从2012年开始有减少的趋势，但整体上仍然呈现稳定中略有波动的状态；降雨表现出显著的周期性。电导率在2016年之前同样呈现稳定中略有波动的状态，此时电导率主要受气候变化影响；2016年区外调水后电导率快速增大并在2017年达到最大值，之后处于稳定波动状态，此时电导率同时受气候变化和区外调水的影响。电导率值的波动同样呈现明显的周期性。
2）GM(1,1)分解模型的电导率模拟值与实测值整体拟合较好，绝大部分实测值均在模拟值的上、下限范围内，且模拟值与实测值都能反映明显的上升和回落的周期性变化，说明GM(1,1)分解模型的模拟精度较高。
3）模拟分析结果显示，2 0 1 6—2 0 1 9年区外调水造成米山水库电导率的增加量分别为540.41~588.37、643.7~691.66、656.18~704.14、629.74~677.7 μS/cm，分别是自然状态下电导率的1.85~2.01、2.17~2.38、2.19~2.40、2.09~2.28倍，说明区外调水对米山水库电导率的增加起到主要控制作用。
4）由于米山水库水质的演变主要受区外调水量、客水水质影响，因此应建立更加全面的区外调水水质安全风险管理体系，实施更加科学的水量-水质联合调控决策，以此维护米山水库的供水安全和水生态稳定。
参考文献（略）