[发明专利]一种水文序列的丰枯组合概率计算方法及装置

权利要求书

1.一种水文序列的丰枯组合概率计算方法，其特征在于，包括：

获取第一非一致性水文序列和第二非一致性水文序列，其中，所述第一非一致性水文序列和所述第二非一致性水文序列分别包括至少两个水文数据；

根据第一目标概率分布模型和所述第一非一致性水文序列确定第一分位数值序列，根据第二目标概率分布模型和所述第二非一致性水文序列确定第二分位数值序列，其中，所述第一目标概率分布模型和所述第二目标概率分布模型包括时变参数；

根据所述第一分位数值序列和所述第二分位数值序列，从至少两个备选连接Copula函数中选取准确率最高的目标Copula函数；

根据所述目标Copula函数，确定与所述第一非一致性水文序列和所述第二非一致性水文序列的丰枯组合状态一一对应的丰枯组合概率。

2.根据权利要求1所述的水文序列的丰枯组合概率计算方法，其特征在于，所述根据第一目标概率分布模型和所述第一非一致性水文序列确定第一分位数值序列，根据第二目标概率分布模型和所述第二非一致性水文序列确定第二分位数值序列的步骤之前，所述方法还包括：

根据所述第一非一致性水文序列，从至少两个备选概率分布模型中选取准确率最高的所述第一目标概率分布模型；和/或，根据所述第二非一致性水文序列，从所述至少两个备选概率分布模型中选取准确率最高的所述第二目标概率分布模型。

3.根据权利要求2所述的水文序列的丰枯组合概率计算方法，其特征在于，所述根据所述第一非一致性水文序列，从至少两个备选概率分布模型中选取准确率最高的所述第一目标概率分布模型的步骤，包括：

将所述第一非一致性水文序列x_t(t＝1,2,…,n)分别代入所述至少两个备选概率分布模型M_j(j＝1,2,…,S)中的备选概率分布模型中，得出所述x_t(t＝1,2,…,n)的概率密度函数f(x_t|θ_1,j(t))，并根据所述f(x_t|θ_1,j(t))，确定第一对数似然函数

在l_1,j取最大值的情况下，确定对应的时变参数等于并确定M_1,j的评价指标

在EI_1,j取最小值的情况下，确定j的第一取值为X，并确定M_1,X为所述x_t(t＝1,2,…,n)的目标概率分布模型，以及确定M_1,X中的时变参数为

其中，p为惩罚函数，df_1,j为所述M_1,j中的整体自由度，X为小于或者等于S的正整数；θ_1,j(t)为与x_t(t＝1,2,…,n)对应的M_1,j的时变参数，M_1,j为针对x_t(t＝1,2,…,n)的备选概率分布模型，且所述M_j(j＝1,2,…,S)包括所述M_1,j，θ₁,_j(t)为时间t的三次样条函数，j取1至S的任意正整数，S为所述至少两个备选概率分布模型的数量，其为大于1的正整数，t取1至n的任意正整数，n为所述x_t(t＝1,2,…,n)，其为大于1的正整数；

所述根据所述第二非一致性水文序列，从所述至少两个备选概率分布模型中选取准确率最高的所述第二目标概率分布模型的步骤，包括：

将所述第二非一致性水文序列y_t(t＝1,2,…,n)，分别代入所述至少两个备选概率分布模型M_j(j＝1,2,…,S)中的备选概率分布模型中，得出所述y_t(t＝1,2,…,n)的概率密度函数g(y_t|θ_2,j(t))，并根据所述g(y_t|θ_2,j(t))，确定第二对数似然函数

在l_2,j取最大值的情况下，确定对应的时变参数等于并确定M_2,j的评价指标

在EI_2,j取最小值的情况下，确定j的第二取值为Y，并确定M_2,Y为所述y_t(t＝1,2,…,n)的目标概率分布模型，以及确定M_2,Y中的时变参数为

其中，df_2,j为所述M_2,j中的整体自由度，Y为小于或者等于S的正整数；θ_2,j(t)为与y_t(t＝1,2,…,n)对应的M_2,j的时变参数，M_2,j为针对y_t(t＝1,2,…,n)的备选概率分布模型，且所述M_j(j＝1,2,…,S)包括所述M_2,j，θ_2,j(t)为时间t的三次样条函数，n为所述y_t(t＝1,2,…,n)中水文数据的数量，其为大于1的正整数。