[发明专利]一种水文序列周期变异程度与影响因素分析监测方法

说明书

技术领域

本发明涉及一种水文分析监测方法，具体涉及一种水文序列周期变异程度与影响因素分析监测方法。

背景技术

水文时间序列分析是揭示和认识水文过程复杂演变规律的重要技术途径，因此长期以来一直是水文学领域的核心研究方向之一。其中，水文现象在年际及更大时间尺度上呈现出的丰-平-枯周期波动特征可称为周期变异。结合目前周期识别的研究现状来看，主要是侧重于周期识别方法的改进、比较以及实例运用。对于水文序列中所提取出的周期成分显著性与变异程度的度量，则很少有研究提及。因此，需要一种方法来对水文序列中所提取周期成分的变异程度进行分级，以深入揭示和认识气候及水文过程在年代际等尺度上的变化特性，满足开展中长期水文模拟预测、气候变化影响定量评估、水安全问题研究等实际需求。

发明内容

本发明主要解决了现有周期识别方法无法度量周期变异程度的问题；提供了一种能综合考虑各影响因素的水文序列周期变异程度分析监测方法，对水文序列中所提取周期成分的变异程度进行分级，以深入揭示和认识气候及水文过程在年代际等尺度上的变化特性，从长周期对水文现象进行监测。

为解决上述技术问题，本发明采用如下技术方案：

一种水文序列周期变异程度与影响因素分析监测方法，其特征在于将基于水文序列和其周期成分之间的相关系数作为水文序列的周期变异程度监测指数，具体包括如下步骤：

S1：确定原水文序列X的剩余成分序列x_t和其周期成分之间的相关系数r，建立相关系数r与周期成分半振幅B之间的关系以确定各因素对相关系数的影响；所述剩余成分序列x_t由原水文序列X去除趋势、跳跃成分后形成；

S2：将剩余成分序列的周期变异程度按变异程度进行等级划分；

S3：去除实测水文序列的趋势、跳跃成分后形成剩余成分序列x_t，计算该实测水文序列的剩余序列x_t和其周期成分之间的相关系数，确定相关系数所属的等级区间，根据所属等级区间即可判断该实测水文序列的周期变异程度。

进一步的，包括至少一个实测水文序列，分别计算各水文序列的剩余成分序列x_t和剩余成分序列周期成分之间的相关系数r，然后分别确定各相关系数所属的等级区间，并根据所述等级区间确定各实测水文序列的周期变异程度。

进一步的，按变异程度将剩余成分序列的周期变异程度依次划分为无变异、弱变异、中变异、强变异以及巨变异五个等级。

进一步的，步骤S1中确定相关系数r和周期成分半振幅B、正弦序列的方差呈现正相关关系；与纯随机成分的方差呈现负相关关系；影响相关系数的因素有：序列长度、纯随机成分的均值、变差系数、周期成分的半振幅、周期长度、初相位。

进一步的，步骤S1中：均值一定，在同一变差系数C_vu值下，相关系数随着半振幅的增大而增大，即当纯随机成分离散程度相同时，周期成分较大的序列周期变异程度较大；在同一半振幅下，相关系数随着变差系数C_vu值的增大而减小，即当周期成分相同时，纯随机成分离散程度较高的序列周期变异程度较小；变差系数C_vu值一定，在同一均值下，相关系数随着半振幅的增大而增大，即当纯随机成分均值相同时，周期成分较大的序列周期变异程度较大；在同一半振幅下，相关系数随着均值的增大而减小，即周期成分相同时,纯随机成分均值较大的序列周期变异程度较小。

进一步的，步骤S2中按变异程度进行等级划分的方法为：选取显著性水平α、β下的相关系数临界值r_α、r_β及0.6与0.8作为分级阈值，将序列的周期变异程度依次划分为无变异、弱变异、中变异、强变异以及巨变异。

本发明的原理如下：

本发明基于水文序列和其周期成分之间的相关系数，去除原水文序列X中的跳跃和趋势成分之后，假定剩余成分序列x_t(t＝1,2,…,n，n为自然数)含有简单周期成分，可采用正弦函数来描述其周期分量可表达为：

式中：T为周期长度，t为时序，t₀为初相位，η_t为残余随机项；A表示序列的均值，B表示周期的波动程度，A、B系数值可用最小二乘法确定：

式中：(z_t为正弦分量；为正弦分量均值；为剩余成分序列均值)