一种基于分类的水文序列非一致性诊断方法技术

本发明专利技术涉及一种基于分类的水文序列非一致性诊断方法，包括步骤：收集统计信息；进行水文时间序列方差的非一致性诊断；进行水文时间序列均值的非一致性诊断；判断水文时间序列是否一致。本发明专利技术所述的方法根据水文非一致性的定义，并根据变化参数的不同将水文非一致进行分类，然后采用针对变化参数选择不同统计方法进行诊断，避免了由于检验对象和检验目的的模糊造成多种统计方法诊断对象的重复、结果的不统一，以及不确定性，因此该技术方法相对而言比较先进。本发明专利技术适用于任意水文时间序列。本发明专利技术所述方法技术方法通用，易于推广应用。

A method of non consistent diagnosis of hydrological sequence based on Classification

The invention relates to a non consistency diagnosis method, based on the classification of hydrological sequence includes the following steps: the collection of statistical information; non consistency diagnosis of hydrological time series variance; non consistency diagnosis of hydrological time series mean hydrological time series is consistent with the judgment. The method of the invention according to the definition of hydrological inconsistency, and according to the change of parameters of different hydrological non-uniform classification, and then the changes in the parameters of different statistical methods for diagnosis, to avoid disunity due to fuzzy test object and test objective caused by repetition, results of various statistical methods of diagnostic object, and the uncertainty, so the technology is relatively advanced. The invention is applicable to any hydrologic time series. The method, the technique and the method of the invention are general and easy to popularize and apply.

【技术实现步骤摘要】
一种基于分类的水文序列非一致性诊断方法
本专利技术涉及一种基于分类的水文序列非一致性诊断方法，是一种基于水文实测数据的统计检验方法，是一种基于非一致性分类的诊断方法。
技术介绍
关于水文非一致性诊断，目前技术主要有以下几种。一种是对水文时间序列趋势和突变点的统计检验，根据检验结果对流域水文要素进行定量评价。此类诊断方法很多，代表检验方法有Man-Kendall检验，Hurst系数，Pettitt检验，Spearman秩次相关法。第二种则是集成多种统计检验方法，对单一时间序列进行趋势和突变点的多重统计检验，以确定该水文变量的真实变化，以水文变异诊断系统为代表，将诊断过程分为：初步诊断、详细诊断、综合诊断三个步骤，初步诊断设计过程线法、滑动平均法和Hurst系数法，详细诊断则分为趋势和跳跃诊断，涉及到14种统计方法，而综合诊断则是将趋势和跳跃诊断的结果综合起来进行分析评价。最后结合实际水文调查分析，对变异形式和结论进行确认，从而得到最终的变异诊断结果。第三种是基于波谱分析等统计手段，对时间序列进行周期的主观判断，主要方法有小波分析法，连续谱分析法，周期图法等等。以上几种现存的对水文序列非一致性诊断方法都不同程度存在若干不足。对水文序列的单项检验，缺陷源于不同的统计方法的基本假设不同，这些方法主要通过判断序列是否发生趋势或跳跃变化来判定序列是否一致，其本质均为对水文序列样本均值是否发生显著变化的假设检验。不同方法间计算精度不一，检验结果不一致，检验出的跳跃点不唯一。非一致诊断系统虽综合了多种统计方法，试图通过多种诊断方法的结果对检验结果的可靠性进行提升，但计算过程繁琐，计算结果的可靠性也并没有在单种检验方法的基础上有显著的提高。以上方法的不足在于：根据时间序列的一致性的定义：序列样本的均值和方差均不随时间发生变化，传统检验方法仅对样本的均值进行了检验，而忽略了方差的变化。这对判断时间序列的一致与否至关重要。
技术实现思路
为了克服现有技术的问题，本专利技术根据时间序列的一致性定义，对水文时间序列的非一致性进行了分类，并提出了一种基于均值非一致和方差非一致两种类型的水文序列非一致性诊断方法。所述方法具有在任意水文时间序列上应用的能力，并具有能够诊断出要素属于何种非一致性的能力。本专利技术的目的是这样实现的：一种基于分类的水文序列非一致性诊断方法，其特征在于，包括如下步骤：收集统计信息的步骤：收集需要进行分析的水文要素的时间序列，样本容量至少为30；进行水文时间序列方差非一致性诊断的步骤：假设估计变量由以下回归组成：（1）其中；作如下假设：:，:。构造增广迪基-富勒（AugmentedDickey-Fuller,ADF）检验统计量：，其中，是统计量ρ的标准差；在序列存在单位根的情况下，统计量不符合t-分布，随着样本容量的增大，τ统计量收敛于标准维纳过程的泛函，并且可以用蒙特卡洛方法模拟得出，在模型的右边加入滞后项：，以缓解项的自相关问题。ADF检验基于最小二乘（OLS）回归式假设估计变量由以下回归组成：（2）其中：t为时间，。检验随机过程{}是否具有单位根，即为检验是否显著,小于0，而零假设为存在一个单位根，备择假设为不存在单位根，若显著,小于0，则零假设被拒绝。ADF检验为单边检验，当显著性水平取为时，记为显著水平为时的分位值，则时，拒绝原假设，认为序列不存在单位根，否则接受原假设，认为序列存在单位根，方差有显著变化。进行水文时间序列均值的非一致性诊断的步骤：对序列x1，x2，…，xn，先确定所有对偶值(xi,xj)，(j>i)，中的xi<xj的出现个数(设为p)；顺序的(i,j)子集是：(i=1，j=2，3，4，…，n)，(i=2，j=3，4，5，…，n)，…，(i=n-1，j=n)；如果按顺序前进的值全部大于前一值，这是一种上升趋势，p为(n-1)+(n-2)+…+1，系为等差级数，则总和为n(n-1)/2。如果顺序全部倒过来，则p=0,即为下降趋势。由此可知，对无趋势的序列，p的数学期望为；此检验的统计量为：（3）其中：；；当n>10时，U收敛于标准化正态分布；原假设为无趋势，当给定显著水平α后，在正态分布表中查出临界值Uα/2；当时，接受原假设，即均值未发生显著变化；当时，拒绝原假设，即均值发生显著变化；判断水文时间序列是否一致的步骤：当均值和方差均不存在显著变化时，该水文时间序列为一致；否则为非一致。本专利技术产生的有益效果是：本专利技术所述的方法根据水文非一致性的定义，并根据变化参数的不同将水文非一致进行分类，然后采用针对变化参数选择不同统计方法进行诊断，避免了由于检验对象和检验目的的模糊造成多种统计方法诊断对象的重复、结果的不统一，以及不确定性，因此该技术方法相对而言比较先进。本专利技术适用于任意水文时间序列。本专利技术所述方法技术方法通用，易于推广应用。附图说明下面结合附图和实施例对本专利技术作进一步说明。图1是本专利技术的实施例所述方法的流程图。具体实施方式实施例：本实施例是一种基于分类的水文序列非一致性诊断方法。一致性概念对水文单序列的非一致性进行分类，并根据非一致性分类为水文单序列的非一致性研究提供了可靠的诊断方法。本实施例的基本原理是：根据水文非一致性的定义：水文时间序列不再符合独立同分布假设，均值或方差或两者均随时间发生改变，由此可以通过检验时间序列的均值和方差是否发生显著变化，来确定时间序列是否发生非一致性。均值变化表现在时间序列随时间有一个确定的趋势变化，而方差变化表现在时间序列的离散度改变。逆向分析，具有去趋势以后平稳的时间序列一定含有趋势成分，而经过一阶差分以后平稳的时间序列其原来的方差一定随时间变化，但其均值的变化与否则不确定。但通过这两种处理，可以根据均值或方差的改变将非一致性分为两类，一类是均值的非一致性，另一类是方差的非一致性。根据分类，采用Kendall秩次相关检验对均值的非一致进行诊断，采用单位根检验对方差的非一致进行诊断，排除两种非一致即可确认该序列为一致，否则为非一致，并且诊断出该序列属于哪一种非一致类型。本实施例所述的方法可以编制为计算机程序，运行在PC机或其他通用计算机中。本实施例所述方法的步骤如下：收集统计信息的步骤：收集需要进行分析的水文要素的时间序列，样本容量至少为30；进行水文时间序列方差的非一致性诊断的步骤：选用单位根检验对方差的非一致进行检验，用以诊断方差是否发生显著变化。采用单位根检验中的增广迪基-富勒检验(AugmentedDickey-Fuller,ADF）进行方差的非一致诊断：假设估计变量由以下回归组成：（4）其中；作如下假设：:，:。构造增广迪基-富勒（AugmentedDickey-Fuller,ADF）检验统计量：，其中，是统计量ρ的标准差；在序列存在单位根的情况下，统计量不符合t-分布，随着样本容量的增大，τ统计量收敛于标准维纳过程的泛函，并且可以用蒙特卡洛方法模拟得出，在模型的右边加入滞后项：，以缓解项的自相关问题。ADF检验基于最小二乘（OLS）回归式假设估计变量由以下回归组成：（5）其中：t为时间，。检验随机过程{}是否具有单位根，即为检验是否显著,小于0，而零假设为存在一个单位根，备择假设为不存在单位根，若显著,小于0，则零假设本文档来自技高网...

【技术保护点】
一种基于分类的水文序列非一致性诊断方法，其特征在于，包括如下步骤：收集统计信息的步骤：收集需要进行分析的水文要素的时间序列，样本容量至少为30；进行水文时间序列方差的非一致性诊断的步骤：假设估计变量由以下回归组成：

【技术特征摘要】
1.一种基于分类的水文序列非一致性诊断方法，其特征在于，包括如下步骤：收集统计信息的步骤：收集需要进行分析的水文要素的时间序列，样本容量至少为30；进行水文时间序列方差的非一致性诊断的步骤：假设估计变量由以下回归组成：（1）其中；作如下假设：:，:；构造增广迪基-富勒检验统计量：，其中，是统计量ρ的标准差；在序列存在单位根的情况下，统计量不符合t-分布，随着样本容量的增大，τ统计量收敛于标准维纳过程的泛函，并且可以用蒙特卡洛方法模拟得出，在模型的右边加入滞后项：，以缓解项的自相关问题；ADF检验基于最小二乘（OLS）回归式假设估计变量由以下回归组成：（2）其中：t为时间，；检验随机过程{}是否具有单位根，即为检验是否显著,小于0，而零假设为存在一个单位根，备择假设为不存在单位根，若显著,小于0，则零假设被拒绝；ADF检验为单边检验，当显著性水平取为时，记为显著水平为时的分位值，则时，拒绝原假设，认为序列不存在单位根，否则接受原假设，认为序...

【专利技术属性】
技术研发人员：王建华，李海红，翟家齐，赵勇，章数语，何凡，王丽珍，朱永楠，王庆明，顾艳玲，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京,11