论文部分内容阅读
在全球气候变暖和人类剧烈活动的双重影响下，水文时间序列出现了不同程度的变异，破坏了工程水文学中一致性的前提。变化环境下正确认识水文序列的变化规律，识别水文序列的变异点，对水利工程的合理设计、安全运行、高效管理以及水资源的可持续利用、兴利减灾具有重要的意义。水文系统中各要素受到地球自然力和人类不同程度的生产活动影响而具有高度的非线性特点。传统的数理统计或物理变异检测方法都有一定的局限性，本文将非线性系统科学引入水文要素的变异分析和预测中。以期从复杂、动态、非线性的序列中发现其内在的、有序的、本质的规律，更全面地揭示水文要素的演变规律。本文主要从利用小波分析、Hilbert-Huang变换（HHT）、信息熵、Copula函数、马尔科夫随机场（MRF）和混沌理论对水文序列变异点进行识别，对降水径流关系变异进行检测，对时空序列进行预测。 本研究主要内容包括：⑴针对径流序列具有高度复杂、动态、多尺度、非平稳、非线性特征，将Morlet小波、谐波小波和HHT理论应用于径流序列的变异诊断。利用三种方法，以实测渭河流域华县水文站年径流为例，得出年径流量的变化存在8~15年左右的的显著周期，且年径流具有减小的趋势，变异年份在1972左右、1982和1994年。⑵多变量分析比单变量分析更能描述变量之间的相互关系和内在规律。将滑动窗口与Copula函数相结合，提出滑动Copula函数的降水和径流的关系变异诊断方法。以渭河流域华县站1951-2010年的实测月降水量和月径流量序列为例，分析不同滑动窗口的序列相依关系图，在欧式距离评判标准下，拟合降水和径流关系变异前后的最优Copula函数，从而为二维随机变量关系的变异研究提供一种新的途径。⑶针对大气环流模式(GCM)空间分辨率较低、难于模拟区域的气候变化的问题，基于泊松伽马分布(PGD)和马尔科夫随机场提出月降水量的PGD-MRF空间预测模型，弥补GCM在研究区域气候变化方面的不足。根据渭河流域8个站点的月降水观测资料建立PGD模型，拟合渭河流域（陕西段）月降水量和GCM大尺度输出因子之间的统计关系。利用MRF描述月降水量空间相关性，结合美国国家环境预报中心（NCEP）再分析数据对渭河流域的月降水量进行预测。⑷为了克服Volterra自适应预测方法，对初始值敏感易陷入局部极小值点问题，基于矩阵分解技术，提出混沌时间序列的自适应预测方法。在相空间重构的基础上利用关联维和 Lyapunov指数对月径流时间序列进行混沌特性识别，利用C-C算法确定最佳延迟时间和嵌入维数。对Volterra自适应滤波利用矩阵分解的求解方程组，避免了归一化最小均方算法（NLMS）初值选取引起的局部最优问题，得到全局最优Volterra滤波系数。⑸在均值变异的条件下，基于贝叶斯决策、广义线性模型、EMD分解提出一种预测模型，该模型首先利用贝叶斯决策识别序列的变异点，然后以变异点为界限分段对序列进行EMD分解和回归，建立分段模型进行预测。⑹基于降水径流关系和传递熵探讨气候变化和人类活动对水资源变异的贡献率。通过归因分析，以期为变化环境下的水资源演变过程驱动机理的研究提供一定的理论参考。