[发明专利]一种识别量化控制泉流量潜在因素的方法

说明书

本发明公开了一种识别量化控制泉流量潜在因素的方法，包括选定研究的喀斯特地貌区域，获取区域内多组泉流量数据及驱动因素数据；异常值检测，如果存在异常值，则对异常值进行处理；否则直接执行下一步；利用动态因素分析提取多组泉流量数据公共的潜在因素；对时间序列数据进行小波分解；进行K‑均值聚类分析；基于小波分解计算潜在因素和驱动因素的多分辨率互相关性；分析潜在因素和驱动因素之间的小波相干性；对潜在因素进行识别；利用对应尺度上的有效动态效率表示不同因素对泉流量的相对贡献率。本发明开发了具有在时频域表征非平稳信号动态结构特征的技术，适用于量化人类活动和气候改变等主要影响因素对泉流量在不同尺度上的影响和贡献。

技术领域

本发明涉及复杂的水文过程探究技术，具体涉及一种识别和量化控制泉流量的潜在因素的方法。

背景技术

喀斯特地貌含水介质结构的多重性和形态的高度复杂性，使喀斯特区域的水文效应和水资源的评价与预测一直是水文研究的重点和难点。识别和量化控制泉流量的潜在因素，并且揭示不同尺度中的水文过程特征，可以改善对水文系统中复杂过程的理解。为水文过程的预测模型的建立提供重要参考，这对于解决喀斯特地区的水资源可持续利用问题具有重要意义。

目前已经发展了许多方法像水文模型，数值方法和时间序列分析对复杂的水文过程进行探索，但很少有方法可以定量的评价动态因素对泉流量的贡献(见文献1：蒙海花，王腊春，2010.岩溶流域水文模型研究进展[J].地理科学进展,29,1311-1318；见文献2:Berendrecht,W.L.,van Geer,F.C.,2016.A dynamic factor modeling framework foranalyzing multiple groundwater head series simultaneously.Journal ofHydrology 536,50-60)。并且由于地质介质的非均质性，水文循环的复杂性以及它们在野外条件下的相互作用，识别泉流量变化的驱动力和定量评价驱动力的影响也是十分困难的。

动态因素分析可以通过一些潜在因素描述对泉流量变化的影响，以反映泉流量的动态结构特征。动态因素分析可以减少大型数据的维数，并且对于相互依赖的非平稳数据同样适用。在水文地质学中，动态因素分析已经用来识别地下水位波动中的补给和抽取的发展趋势。研究者对动态因素分析在水文过程中的运用做出了很大的努力和贡献，但是仍然无法量化不同的潜在因素对水文过程驱动的影响。

发明内容

发明目的：本发明的目的是提供一种可以有效识别驱动泉流量变化的潜在因素并且可以量化不同潜在因素对泉流量波动的影响的识别和量化控制泉流量的潜在因素的方法，此外该方法可以在时频域表征时间序列之间的关系特征。

技术方案：本发明的一种识别量化控制泉流量潜在因素的方法，包括以下步骤：

S1、选定研究的喀斯特地貌区域，获取区域内多组泉流量及驱动因素数据，并对获取的数据进行标准化；

S2、异常值检测，判断是否存在异常值，如果存在异常值，则对异常值进行处理；如果不存在异常值，则直接执行步骤S3；

S3、利用动态因素分析提取多组泉流量数据公共的潜在因素，依据在不同动态因素模型中的潜在因素对泉流量的负载大小选择主要的潜在因素；动态因素分析可以揭示时间序列的动态结构，该方法对具有记忆特征的非平稳时间序列仍然有效；

S4、对时间序列数据进行小波分解；小波分解可以将时间序列分解到不同的时间尺度上，揭示不同时间尺度上的波动特征。小波分解是多分辨率互相关性分析的基础，并且小波能量分布表征了时间序列在不同尺度上的受控制因素的影响程度，是表征影响因素对响应因素相对贡献的重要参考指标；

S5、基于最大尺度上的近似小波系数进行K-均值聚类分析；潜在因素的最大尺度近似尺度的小波系数不仅保留了潜在因素的波动特征，还可以降低时间序列的维数提高聚类效率；