论文部分内容阅读
在气候变化和人类活动的双重影响下，水文序列产生了变异。正确认识变化环境下的水文序列演变规律，研究水文序列变异的诊断理论和方法，对于水资源的可持续利用、防灾减灾及水利工程安全、高效运行管理具有重要的意义。而河川径流序列作为水文序列的一个重要环节，在水文循环中占有重要的地位。本文针对变化环境下的复杂、非线性、动态的径流时间序列，从水文系统动力学结构出发，基于熵、分形、滑动数据技术等非线性理论，采用近似熵、滑动排列熵、滑动重标方差、滑动移除重标方差等变异分析方法，对径流时间序列变异进行分析，取得的主要研究成果如下: (1)河川径流序列长记忆性趋势变异分析。长记忆性作为序列趋势变异的重要研究内容之一，其研究对于序列的演变规律有着重要的意义。针对传统的方法在长记忆分析中Hurst指数计算时在短期记忆、稳定性方面存在的不足，提出了一种新的分形方法—重标方差方法来进行Hurst指数的计算，以进行河川径流序列的长记忆性分析，最终揭示河川径流序列的未来趋势状态，为水利工程规划管理提供理论依据。 (2)河川径流序列未来状态的趋势变异研究。将重标方差与Mann-Kendall相结合来进行河川径流时间序列未来状态的趋势变异研究。通过Mann-Kendall方法揭示过去一定时间内径流序列的上升或下降趋势特征，重标方差揭示序列未来的趋势持续状态，之后将二者进行有机的结合，从定量定性的角度来分析径流序列未来状态的趋势变异特征。 (3)提出了基于熵理论的河川径流时间序列突变性变异分析方法。针对传统突变检测方法在进行序列非线性动力学结构突变检验中的不足，将非线性方法—熵理论引入到径流序列的突变分析中。将一种概念简单、计算简便、抗噪声强的非线性时间序列的熵理论方法—近似熵和滑动数据技术相结合引入到径流时间序列的突变检测中，通过分析同一序列不同阶段的复杂性，指出序列的动力学结构变化所带来的差异来进行序列突变分析;将排列熵与滑动数据技术结合，提出滑动排列熵来进行河川径流时间序列的突变分析。 (4)提出了基于分形理论的滑动重标方差和滑动移除重标方差河川径流序列突变分析方法。在同一序列动力学结构标度指数一致性的基础之上，借助滑动数据技术，通过重标方差法计算不同窗口下各子序列的标度指数，通过标度指数的变化来进行河川径流时间序列的突变分析，揭示了序列动力学结构突变前后阶段的分形特征;基于数据的移除对于同一动力学结构系统下序列标度指数的计算没有影响这一特征，将滑动移除数据方法与重标方差法相结合，提出滑动移除重标方差法来进行河川径流时间序列突变分析，刻画出不同阶段上的分形特征，为变化环境下的高度复杂、非线性的径流序列变异分析提供思路。 (5)将重标方差法与非参数统计检验法—Wilcoxon秩和法相结合，发挥其各自优点，提出一种新的河川径流时间序列突变分析方法。Wilcoxon秩和检验是一种有效的非参数统计突变检验方法，通过假设检验可以准确地确定序列的突变点，但这一方法的缺点为基准点的选择带有人为性，通过重标方差法计算序列的突变点，通过Wilcoxon秩和检验对其进行检验，最终选择突变点，二者相结合充分发挥各自优势，可为径流突变分析提供一条新的思路。