水文时间序列分析方法研究进展_桑燕芳

水文时间序列分析方法研究进展_桑燕芳

ID:33546533

大小:1.11 MB

页数:11页

时间:2019-02-27

水文时间序列分析方法研究进展_桑燕芳_第1页
水文时间序列分析方法研究进展_桑燕芳_第2页
水文时间序列分析方法研究进展_桑燕芳_第3页
水文时间序列分析方法研究进展_桑燕芳_第4页
水文时间序列分析方法研究进展_桑燕芳_第5页
资源描述:

《水文时间序列分析方法研究进展_桑燕芳》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第32卷第1期地理科学进展Vol.32,No.12013年01月PROGRESSINGEOGRAPHYJan.,2013水文时间序列分析方法研究进展1,211桑燕芳,王中根,刘昌明(1.中国科学院地理科学与资源研究所陆地水循环与地表过程重点实验室,北京100101;2.中国科学院寒旱区陆面过程与气候变化重点实验室,兰州730000)摘要:水文时间序列不仅组成复杂,而且特性也复杂多变。目前认为水文时间序列主要表现出随机性、模糊性、非线性、非平稳性和多时间尺度变化等复杂特性。本文首先简要介绍了用于揭示水文过程复杂变化特性的时间序列分析方法的相关进展,包

2、括序列相关性分析方法、水文频率分析方法、模糊分析方法、混沌理论分析方法、信息熵分析方法和小波分析方法等6种。然后,对各种分析方法存在的主要问题和有待解决的问题进行讨论,指出了各种方法应用于水文时间序列分析时存在的主要缺陷和不足。最后指出,不断改进和完善时间序列分析方法,探讨各种方法的联合和耦合,加强物理成因分析和数理统计分析相结合,是提高水文时间序列分析结果精度和可靠性的有效手段,也是研究和解决环境变化影响下水文水资源问题的有效途径。关键词:水文时间序列分析;不确定性;小波分析;信息熵;非线性;混沌性;耦合doi:10.3724/SP.J.1033

3、.2013.000201引言时预报等)、水资源规划、水文测验和水文站网布设等方面得到了广泛应用,主要使用的模型有自回归水文时间序列分析是揭示和认识水文过程变滑动平均求和模型、解集模型等。此外,为进一步化特性的有效手段和重要途径。随机水文学认为:改进和完善随机水文学理论,大量新技术和新方法水文过程既受确定性因素的影响,又受许多随机和不断引入到随机水文学领域,例如,非线性理论、信不确定性因素的影响。因此水文时间序列主要包息熵理论(InformationEntropy)、混沌理论和小波分含确定成分和随机成分(Yevjevich,1972;丁晶等,析理论(

4、WaveletAnalysis,WA)。新技术和新方法的1988)。确定成分基于一定的物理机制形成,例如引入很大程度上提高了水文时间序列分析结果的地球公转和自转使水文序列包含确定性(年、月和精度和可靠性,进而也促进了随机水文学理论和方日)周期成分;人类活动改变土地利用方式,影响到法体系的发展。流域产汇流模式,使水文序列存在趋势和跳跃等暂水文时间序列不仅组成复杂,而且特性也复杂态成分等。随机成分则是由许多随机和不确定性多变。传统的时间序列分析方法主要将水文序列因素综合作用引起的不规则震荡,往往很难从物理看作平稳和线性序列,并应用序列相关性分析方法机制

5、的角度加以解释和描述。和傅里叶变换(FourierTransform,FT)等进行分析和自Thomas等(1962)以及Yevjevich(1963)揭示描述。随着新技术和新方法的不断引入,对水文现了水文现象在时域上客观存在着相依性,并且应用象和水文过程的认识逐步加深。目前,总体上认为马尔柯夫模型加以描述,随机水文学得到了迅速和水文系统主要体现出以下复杂特性:随机性、模糊广泛的发展。国内,丁晶和邓育仁较早对随机水文性、非线性、非平稳性(时变性)和多时间尺度变化特学理论和方法进行了研究,并出版了相应的著作性等。本文简要介绍了用于研究上述不同特性的——

6、《随机水文学》(丁晶等1988)。目前,随机水文水文时间序列分析方法的相关进展,并进一步讨论学已经在水文水利计算、水文模拟、水文预报(包括了各种方法的优缺点,旨在为今后研究提供一定的预报误差分析、建立随机预报模型、卡尔曼滤波实参考。收稿日期:2012-04;修订日期:2012-09.基金项目:国家自然科学基金项目(41201036,41271048),中国科学院陆面过程与气候变化重点实验室开放基金项目(LPCC201203)。作者简介:桑燕芳(1983-),男,博士,助理研究员,主要从事水文水资源研究。E-mail:sunsangyf@gmail.

7、com020-030页32卷1期桑燕芳等:水文时间序列分析方法研究进展212水文时间序列分析方法研究现状列分析和预报(杨旭等,2000)。国内,丁晶等(1988)综述了随机水文学的基本理论和研究方法,以及相2.1序列相关性分析方法应的研究成果。2.2水文频率分析方法序列相关性分析方法始于20世纪初,Yule建立水文频率分析方法始于19世纪末,它是研究了自回归(Auto-Regressive,AR)模型(Yule,1927)。某随机水文变量出现不同数值可能性的大小,进而1931年Walker建立了滑动平均(MovingAverage,为水利水电工程建

8、设、水资源评价管理和综合规划MA)模型和自回归滑动平均(Auto-Regressiveand等水文水资源工作提供具有概率意

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。