[发明专利]一种水文序列的丰枯组合概率计算方法及装置

说明书

本发明实施例提供了一种水文序列的丰枯组合概率计算方法及装置，该方法包括：获取第一非一致性水文序列和第二非一致性水文序列；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；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。本发明实施例计算出的丰枯组合概率的准确率高。

技术领域

本发明涉及水文数据分析技术领域，尤其涉及一种水文序列的丰枯组合概率计算方法及装置。

背景技术

由于降雨与径流、洪峰与洪量、干旱历时与干旱强度、水量与水质等不同水文变量之间具有相关性。

在相关技术中，采用连接Copula函数，对各类水文数据进行分析计算，其中，假设水文数据是独立分布的，满足独立性、平稳性以及一致性等要求。另外，Copula函数可以看作是边缘分布为区间[0,1]上均匀分布的随机向量的联合分布函数。凡是具有相关性的两个或多个变量，无论是互相关或自相关，都可以用Copula函数将不同变量之间的联合分布函数与各自的边缘分布函数相连接，从而描述两个或多个变量之间的相互对应关系。

但是，对于大部分水文现象而言，它们的随机性常常随着时间的推移或者环境的变化等呈现出某种趋势、季节性或者周期性等非均匀的变化，这就造成水文数据呈非一致性的时间序列。例如：1980年以来中国北方各大江河的实测径流量多呈下降趋势，而不是每年的径流量都相近。其中，海河、黄河、辽河、淮河等北方流域地表径流的平均衰减比例分别为47.1％、15.6％、13.3％和8.5％。因此，相关技术中的采用Copula函数对假设独立分布的水文数据进行分析的方法，对非一致性水文数据进行分析将造成分析结果不准确。

由此可知，相关技术中采用Copula函数对水文数据进行分析的方法不适用于非一致性的水文数据。

发明内容

本发明实施例提供一种水文序列的丰枯组合概率计算方法，以解决相关技术中的采用Copula函数对水文数据进行分析的方法不适用于非一致性的水文数据的问题。

为解决以上技术问题，本发明采用如下技术方案：

第一方面，本发明实施例提供了一种水文序列的丰枯组合概率计算方法，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。

第二方面，本发明实施例还提供了一种水文序列的丰枯组合概率计算装置，包括：

获取模块，用于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；

第一确定模块，用于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；