一种洪水特征时间变异性识别方法技术

本发明专利技术涉及水文水资源领域，更具体地，涉及一种洪水特征时间变异性识别方法。包括以下步骤：S1. 采集研究区的洪水特征时间序列数据；S2. 识别洪水特征时间序列变异性可能分割点；S3. 计算洪水特征时间序列的时间变异性标度，从而确定序列各个变异分割点和各个阶段序列的变异性。本发明专利技术提供提出的变异性标度和识别方法，由于基于水文特征的累积序列，使得原随机波动的水文时间序列成为一个一致上升(或一致下降)的相对平滑的序列，而更具有稳定性；序列变异性可能分割点的识别方法概念清晰、计算简单，并能识别水文时间序列两端的变异特征。

【技术实现步骤摘要】
一种洪水特征时间变异性识别方法
本专利技术涉及水文水资源领域，更具体地，涉及一种洪水特征时间变异性识别方法。
技术介绍
洪水特征，如水位和流量，是一种典型的包含确定成分和随机成分的变量，具有明显的随机变化性质。随着人类活动的加剧，气候和下垫面条件的改变，洪水要素在时空上的非随机变化越来越突出，上下游河道在同一频率的洪峰流量下，洪峰水位频率却不相同；一些河段在相同的上游来水情况下，水位明显高于或低于往年；同一断面位置同一水位值，过去出现的几率与现在出现的几率可能大不相同。目前，水文预报仍是防洪减灾的重要非工程措施，作为洪水预报基础的水文特征数据的可靠性是保证预报精度的关键。而洪水时间变异的直接后果是洪水特征的时间不对应及其频率的不一致性，从而导致水文分析计算的困难或计算结果的误差、防洪决策和判断失误进而影响水利工程的设计施工。洪水时间变异性的研究将为洪水分析计算、防洪决策及有关工程设计施工提供可靠的基础资料和依据。近年来，国内频繁发生大洪水，一些水文工作者在洪水预报和防洪过程中逐渐发现洪水特征出现了系统的变异，但对这种变异性的研究缺乏理论上的描述，对变异性的识别及其影响分析也不成熟。目前在洪水变化的趋势分析方面主要有Kendall和Spearman秩次相关检验、线性趋势回归检验以及滑动平均检验等方法，这些方法主要用于整个序列的总体趋势分析，而不能直接判断序列中的某一个阶段发生了变异。判别序列中跳跃成分的方法主要有时序累计值相关曲线法、Lee和Heghinan法、有序聚类分析法等，但时序累计值相关曲线法需要有无暂态成分的参证序列，其他两种方法对于跳跃点出现在序列的两端时的可靠性都较差。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种洪水特征时间变异性识别方法，基于水文特征的累积序列，使得原随机波动的水文时间序列成为一个一致上升(或一致下降)的相对平滑的序列，而更具有稳定性；序列变异性可能分割点的识别方法概念清晰、计算简单，并能识别水文时间序列两端的变异特征。为解决上述问题，本专利技术提供的技术方案是：一种洪水特征时间变异性识别方法，其中，包括以下步骤：S1.采集研究区的洪水特征时间序列数据；S2.识别洪水特征时间序列变异性可能分割点；S3.计算洪水特征时间序列的时间变异性标度，从而确定序列各个变异分割点和各个阶段序列的变异性。进一步地，所述的S2步骤包括：S21.构建洪水时间序列的累加序列；S22.结合步骤S21中的洪水累加序列，计算洪水累加序列起讫点之间的直线段距离；S23.判别是否存在洪水特征时间序列变异性可能分割点t。进一步地，所述的S21步骤根据下式建立洪水时间序列的累加序列，其中，设定采集到的洪水特征时间序列集合为AS，其长度为S(S≠0)，X＝{x1,x2,…,xS}∈AS，J＝{1,2,…,S}为序列的指标集。进一步地，所述的S22步骤根据下式建立洪水累加序列起讫点之间的直线段距离：进一步地，所述的S23步骤包括：计算i、t∈J，若存在t使得成立，则时刻t即为洪水时间序列变异性的可能分割点。进一步地，所述的S3步骤包括：S31.计算可能分割点t两侧的序列均值：S32.计算洪水特征序列的时间变异性标度：其中，V表示洪水时间序列的最大变幅，若存在对于一定量级的正常数ε成立，则可认为t即为序列变异性分割点。与现有技术相比，有益效果是：本专利技术提供的一种洪水特征时间变异性识别方法，提出的变异性标度和识别方法，由于基于水文特征的累积序列，使得原随机波动的水文时间序列成为一个一致上升(或一致下降)的相对平滑的序列，而更具有稳定性；序列变异性可能分割点的识别方法概念清晰、计算简单，并能识别水文时间序列两端的变异特征。对一个区域洪水特征时间变异性进行标度和识别，是认识该区域洪水变化规律，修正区域洪水长序列变化的非一致性，从而为洪水预报、水资源开发以及水利工程设计施工和管理提供科学依据的十分重要的内容。附图说明图1为本专利技术方法流程图。图2为本专利技术实施例中容奇站月均水位变化分析示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。如图1所示，一种洪水特征时间变异性识别方法，其中，包括以下步骤：S1.采集研究区的洪水特征时间序列数据；S2.识别洪水特征时间序列变异性可能分割点；S3.计算洪水特征时间序列的时间变异性标度，从而确定序列各个变异分割点和各个阶段序列的变异性。具体地，S2步骤包括：S21.构建洪水时间序列的累加序列；S22.结合步骤S21中的洪水累加序列，计算洪水累加序列起讫点之间的直线段距离；S23.判别是否存在洪水特征时间序列变异性可能分割点t。其中，S21步骤根据下式建立洪水时间序列的累加序列，其中，设定采集到的洪水特征时间序列集合为AS，其长度为S(S≠0)，X＝{x1,x2,…,xS}∈AS，J＝{1,2,…,S}为序列的指标集。另外，所述的S22步骤根据下式建立洪水累加序列起讫点之间的直线段距离：其中，S23步骤包括：计算i、t∈J，若存在t使得成立，则时刻t即为洪水时间序列变异性的可能分割点。另外，S3步骤包括：S31.计算可能分割点t两侧的序列均值：S32.计算洪水特征序列的时间变异性标度：其中，V表示洪水时间序列的最大变幅，若存在对于一定量级的正常数ε成立，则可认为t即为序列变异性分割点。实施例1以珠江三角洲容奇站为例，采用本专利技术的识别方法，分析其历年来水位的时间变异性。步骤1：采集研究区的洪水特征时间序列数据本例采用珠江三角洲容奇站丰(7月)、平(10月)、枯(3月)水期1960～1997年共38年逐月月均水位变化资料。步骤2：识别洪水特征时间序列变异性可能分割点计算容奇站丰、平、枯3个水期逐月月均水位累积序列，再计算该累加序列与其起讫点之间的直线段之间的差值序列并取绝对值，如附图2；然后识别水位时间序列变异性可能分割点，枯水期有1982年1个可能异性分割点，丰水期有1991年1个可能变异性分割点，平水期有1969和1992年2个可能变异性分割点。步骤3：计算洪水特征时间序列的时间变异性标度，从而确定序列各个变异分割点和各个阶段序列的变异性各可能分割点两侧原水位序列均值计算结果如表1。同时采用Spearman秩相关系数法对各个水期月均水位序列进行趋势分析，计算的秩相关系数也列于表1中。表1容奇站月均水位变异性分析从表1可以看出，就总体趋势而言，容奇站枯水期水位自1960以来有较明显上升趋势，而丰水期和平水期变化趋势则不明显。但按照本文提出的识别方法，可能变异性分割点两侧的水位均值变幅一目了然。枯水期可能变异性分割点两侧序列均值都较低，计算标度值说明两侧序列的相对变化不大。对于丰水期，1982～1990年阶段序列均值明显下降，其相对1981年以前的阶段序列的计算标度值ε＝18.81％；1991年以后序列相对1982～1990年阶段序列的计算标度值ε＝34.16％，说明两侧序列的相对变化较大。对于平水期，前两个阶段序列均值变化不大，计算标度值分别为ε＝本文档来自技高网...

【技术保护点】
一种洪水特征时间变异性识别方法，其特征在于，包括以下步骤：S1.采集研究区的洪水特征时间序列数据；S2.识别洪水特征时间序列变异性可能分割点；S3.计算洪水特征时间序列的时间变异性标度，从而确定序列各个变异分割点和各个阶段序列的变异性。

【技术特征摘要】
1.一种洪水特征时间变异性识别方法，其特征在于，包括以下步骤：S1.采集研究区的洪水特征时间序列数据；S2.识别洪水特征时间序列变异性可能分割点；S3.计算洪水特征时间序列的时间变异性标度，从而确定序列各个变异分割点和各个阶段序列的变异性。2.根据权利要求1所述的一种洪水特征时间变异性识别方法，其特征在于，所述的S2步骤包括：S21.构建洪水时间序列的累加序列；S22.结合步骤S21中的洪水累加序列，计算洪水累加序列起讫点之间的直线段距离；S23.判别是否存在洪水特征时间序列变异性可能分割点t。3.根据权利要求2所述的一种洪水特征时间变异性识别方法，其特征在于，所述的S21步骤根据下式建立洪水时间序列的累加序列，其中，设定采集到的洪水特征时间序列集合为As，其长度为S(S≠0)，X＝{x1，x2，…，xS}∈As，J＝{1，2，…，S}为序列的指标集。4.根据权利要求2所述的一种洪水特征时间变异性识别方法，...

【专利技术属性】
技术研发人员：陈晓宏，桂子涵，何艳虎，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44