基于显著改变率的MASH平滑参数选择方法技术

本发明专利技术提供基于显著改变率的MASH平滑参数选择方法，其特征在于，包括以下步骤：步骤1.计算时间序列MASH矩阵：对时间序列数据在年内和年际间两个维度进行滑动平均，构造MASH矩阵；步骤2.预白化处理MASH矩阵，去除数据的自相关性；步骤3.定义统计量S，构造与S和时间序列长度n相关的统计量Z，对预白化处理后的每个MASH矩阵的每一行数据进行M‑K趋势检验，记录下通过显著性检验的显著改变天数；步骤4.计算显著改变率，绘制显著改变率分布图；步骤5.计算出显著改变率变化值后，统计出最小变化值的个数以及对应的Y值和w值，并将其点绘于显著改变率分布图中；步骤6.确定合适的平滑参数Y和w。

MASH Smoothing Parameter Selection Method Based on Significant Change Rate

【技术实现步骤摘要】
基于显著改变率的MASH平滑参数选择方法
本专利技术属于水文时间序列趋势分析领域，具体涉及基于显著改变率的MASH平滑参数选择方法。技术背景时间序列趋势分析法主要可分为探索性数据分析法和数理统计法两大类。探索性数据分析法主要绘图、制表、计算特征量等方式对原始数据进行处理，从而了解原始数据特征与规律。数理统计方法，通过构造统计量，利用统计检验来量化研究时间序列的趋势特征，包括：M-K检验法、线性回归法、斯波曼相关系数法等方法。这两种方法相辅相成，互为补充。其中，前者偏向定性分析，更为直观；后者偏向定量分析。近年来，随着人们越来越关注气候变化和人类活动等因素对水文变量的影响，时间序列的趋势分析方法被广泛应用于降水、气温以及径流等方面。就目前来看，大多数时间序列的趋势分析法可以有效地分析数据年际趋势变化特征，但对于时间序列年际和年内趋势变化情况的分析方法并不多。其中，变化水平下的滑动平均法(movingaverageovershiftinghorizon,MASH)是一种可以同时分析时间序列年内和年际趋势变化的探索性数据分析方法。不过，MASH法在应用时，其平滑参数选取具有经验性，缺乏本文档来自技高网...

【技术保护点】
1.基于显著改变率的MASH平滑参数选择方法，其特征在于，包括以下步骤：步骤1.计算时间序列MASH矩阵对时间序列数据在年内和年际间两个维度进行滑动平均，构造如下式所示的MASH矩阵：

【技术特征摘要】
1.基于显著改变率的MASH平滑参数选择方法，其特征在于，包括以下步骤：步骤1.计算时间序列MASH矩阵对时间序列数据在年内和年际间两个维度进行滑动平均，构造如下式所示的MASH矩阵：式中，Nh表示MASH滑动平均的时间水平个数，MASH矩阵中第h个水平第t天的滑动平均值按下式计算：ut,h＝meany∈[h,h+Y-1][meand∈[t-w,t+w](xd,y)]，式中，xd,y表示原始径流时间序列第y年第d天的日径流观测值；MASH矩阵的每一列表示一个水平的平滑结果；Y和w是MASH滑动平均的参数，表示滑动窗口的大小；Y表示年际间滑动平均时距；2w+1表示年内滑动平均时距；Nh＝Ny-Y+1，Ny表示原始时间序列长度；步骤2.预白化处理MASH矩阵采用预白化法处理步骤1计算得到的MASH矩阵，去除数据的自相关性，预白化处理公式如下所示：X′t＝Xt-r1Xt-1，式中，r1表示一阶自相关系数，Xt表示原有序列，X’t表示去自相关性后的序列；步骤3.利用M-K趋势检验计算显著改变天数基于步骤2处理后的预白化序列，利用M-K趋势检验法计算序列中超过显著性水平的天数，包括如下子步骤：步骤3-1.定义如下式所示的统计量S：式中，sgn为符号函数，表示当(xj-xk)小于、等于或大于零时，分别取-1、0或1；xj和xk分别表示预白化后的时间序列中第j个和第i个值；步骤3-2.构造统计量Z如下所示：式中，n表示时间序列长度；给定置信水平α，在标准正态分布表中相应的检验值为U1-0.5α，当Z的绝对值大于或等于U1-0.5α时，表示通过置信度为1-α的显著性检验；步骤3-3.假定MASH平滑参数Y＝1,2,3···M，w＝1,2,3···N，则共有M×N个MASH矩阵，每一个MASH矩阵内有365×Nh个数据；对预白化处理后的每个MASH矩阵的每一行数据进行M-K趋...

【专利技术属性】
技术研发人员：朱迪，梅亚东，贲月，吴贞晖，陈俊鸿，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42