[发明专利]一种未来情景下河口设计高潮位定量研究方法

权利要求书

1.一种未来情景下河口设计高潮位定量研究方法，其特征在于，包括以下步骤：

步骤S10，利用Mann-Kendall法对经过修正的河口潮位的长系列观测数据进行处理，以判断河口潮位的趋势性；

步骤S20，采用Markov Chain Monte Carlo算法并结合Metropolis-Hastings抽样构建随机模型，并通过随机模型模拟潮位序列；

步骤S30，对历史潮位序列和模拟潮位序列进行组合，得到一个新潮位序列，并对新潮位序列进行检验；

步骤S40，根据新潮位序列计算初值，并利用P-III型曲线进行目估适线，最终得到设计高潮位。

2.如权利要求1所述的未来情景下河口设计高潮位定量研究方法，其特征在于，在步骤S10中，所述利用Mann-Kendall法对经过修正的河口潮位的长系列观测数据进行处理，包括以下步骤：

步骤S11，定义Mann-Kendall检验统计量S：

式中，sign()为符号函数。当X_i-X_j小于、等于或大于零时，sign(X_i-X_j)分别为-1、0或1；

步骤S12，统计量公式S大于、等于、小于零时分别为：

Z为正值表示增加趋势，负值表示减少趋势，Z的绝对值在大于等于1.28、1.64、2.32时表示分别通过了信度90％、95％、99％显著性检验。

3.如权利要求1所述的未来情景下河口设计高潮位定量研究方法，其特征在于，在步骤S20中，所述采用Markov Chain Monte Carlo算法并结合Metropolis-Hastings抽样构建随机模型，并通过随机模型模拟潮位序列，包括以下步骤：

步骤S21，依据序列Y_i的均值EX和均方差σ分为五个状态，如下表所示：

步骤S22，马尔科夫链的状态转移的概率只依赖于前一个状态，其数学表达为：

P(X_t+1＝x|X_t,X_t-1,…)＝P(X_t+1＝x|X_t) (3)

步骤S23，由于马氏链的收敛的行为和初始概率分布无关，仅由概率转移矩阵P决定。当n足够大的时候，矩阵Pⁿ的每一行都是相等的向量π(平稳分布)：

通常情况下P_iP_ij≠P_jP_ji，定义接受率α_ij，使得：P_iP_ijα_ij＝P_jP_jiα_ji

记Q_ij＝P_ijα_ij，Q_ji＝P_jiα_ji，构造新转移矩阵Q，其平稳分布为P(x)，并得到一个转移序列x₀，x₁，…x_n，x_n+1…，从而得到了π(x)的样本x_n，x_n+1…。

步骤S24，为避免因为接受率偏小可能导致的MCMC大量产生拒绝跳转，缩减马氏链遍历所有状态空间所花费的时间，加快收敛速度，本发明在MCMC基础之上，将接受率α_ij和α_ji同比例放大，使较大者为1(Metropolis-Hastings抽样)；

取新的接受率：