基于核估计的多变量非参数随机模型初步研究

基于核估计的多变量非参数随机模型初步研究

ID:30809778

大小:326.39 KB

页数:10页

时间:2019-01-03

基于核估计的多变量非参数随机模型初步研究_第1页
基于核估计的多变量非参数随机模型初步研究_第2页
基于核估计的多变量非参数随机模型初步研究_第3页
基于核估计的多变量非参数随机模型初步研究_第4页
基于核估计的多变量非参数随机模型初步研究_第5页
资源描述:

《基于核估计的多变量非参数随机模型初步研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于核估计的多变量非参数随机模型初步研究王文圣I,丁晶I(1.四川大学水利水电学院,四川成都610065)摘要:本文基于核估计理论构造了多变量非参数模型。该模型是数据驱动的、不需识别和假定序列相依形式和概率分布形式的一类随机模型,克服了多变量参数模型的不足。实例统计试验表明,建议的多变量非参数模型是有成效的,为随机水文学发展提供了一些新思路。关键词:核估计;多变量非参数模型;随机模拟;实用性检验中图分类号:P333.9文献标识码:A流域水资源的开发利用,不仅需要单站水文信息,而且需要流域内各站的水文信息。进行多站水文序列模拟的一个重要手段就是建

2、立多站(变量)随机模型。目前,多变量随机模型[1]比较成熟的有自回归模型和解集模型。这两类模型的共同点是用有限个参数的线性函数关系描述水文现象。因此简便实用,能表征水文序列的统计特性和一般变化规律,但缺点也明显:①水文序列是一时间不可逆过程,而参数模型描述的是可逆过程,因此大多数参数模型难以反映其涨落不对称性;②水文现象受流域下垫面、人类活动、气候等多因素影响而变化错综,是一个高度复杂的非线性系统,而多数参数模型仅能表征变量及变量之间的线性相依结构,忽略了占据重要位置的非线性性;③水文变量概率密度函数复杂R未知,某一指定概率分布与真实分布存在着

3、差异。如图1、2所示,正态分布、P-III型分布都与直方图相差甚远,但才检验并不拒绝PTII型分布和正态分布;而核估计和k最近邻估计与直方图比较接近。即概率分布具有不确定性;④模型参数由于抽样误差和估计方法不同具有不确定性。为克服参数模型之不足,文献[2]提出了单变量非参数模型,径流模拟表明是满意的。在此基础上,本文基于核估计理论构造了多变量非参数模型。该模型避开了序列相依形式和模型结构的假设,不涉及模型参数估计,能反映各种复杂关系,较参数模型优越。以中国金沙江流域屏山站和宜宾一屏山区间两站FI流量过程随机模拟为例,对建议模型进行了应用研究。1

4、核估计理论⑶1.1多维核估计定义设X为d维随机变量,X.,X2,……X.为X的一样本。X的概率密度函数f(X)的核估计定义如下::"'一I41-尽)-忑弔铲召畀P式中:X=(X1,X2,…,Xd)[Xi=(xii,Xi2,…,Xid)T(i=l,2,…,n);K(・)为核函数,是一给定概率密度函数;h为带宽系数;n为样木容量;S是X的dXd维对称样木协方差矩阵。1.2核估计精度评价核估计既同样本有关,乂与K(・)和h的选取有关。在给定样本后,核估计的精度取决于K(・)及h的选取是否适当。常采用枳分均方误差准则-MZS®=进行度量。MISE由偏差

5、和方差组成。当K(・)固定时,若h选得过大,偏差较大,但降低了方差,故(X)对f(X)有较大的平滑,使得f(X)的某些特征被掩盖起來;若h选得过小,偏差减小了,但增大了方差,贝9(X)有较大的波动。显然同时减少偏差和方差是不可能的。1.3K(・)和h的确定依潘涅契科夫⑷和Scott⑸通过统计试验发现,当给定带宽系数,不同核函数对MISE的影响是很小的。实际工作中,选择满足一定条件的核函数即可⑵。本文釆用标准高斯函数。h随n增大而减小。h的确定还要考虑数据的密集程度,在数据密集区,h选小一点;在数据稀疏区,h选大一点。h的具体计算方法很多。这里使

6、用LSCV法。LSCV是基于积分平方误差(IntegratedSquareError(ISE))最小准则的一种计算方法。对多维随机变量X,TSE为:式(2)中最后一项与h无关。LSCV就是取式(2)中前两项进行最小化,即1+C1^)EE(-见4-2杰必式中:昶处町“^一兀疔『当Lscv(h)最小时,h即为所求。2基于核估计的多变量非参数随机模型2.1模型建立所谓多变量,可以是同--测站的几个水文变量,也可以是不同测站上的一种或几种变量。设<XJn(t可以是年,也可以是季、月、日)为多变量相依时间序列,儿依赖于前P个值XtXm,…,X®取Vt=(

7、Xt-i,Xt-2,Xt-P)T,Xt的条件概率密度函数为:⑷式中:&珂即.孑……疔尸』为变量个数,>牌为j变量t时刻水文变量值;f(Xt,V.)为m(P+l)维联合密度函数,fv(vt)为mP维边缘密度函数。由多维核估计知⑸=其中⑹(7)式中:S为(Xt,Vj的样本协方差矩阵;,为Xt的mXm阶对称样本方差阵;Sxv为九与叽的mXmP阶样本协方差阵;Sv为X的mPXmP阶对称样本方差阵。Vi=(Xi,Xy,…,X.-P)r,Xl(x⑴i,x⑵i,…,x⑹A,X和X(二P+l,P+2,・・・n)来自实测样本。当det(Sv)HO时(一般满足),

8、S可分解为:S=X9匕设Sx-SxvS_1vSTxv=A,则S可作如下变化:計』屮)但Y应-叫T1的-应1将式⑻、(9)代入式(5)整理得:公耳)=占

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。