基于高维Copula熵和克里金的站网优化方法技术

本发明专利技术公开一种基于高维Copula熵和克里金的站网优化方法，包括：(1)构建水文C

【技术实现步骤摘要】
表示遍历每棵树的边；
[0016](15)树节点j＝j+1，重复步骤(11)步至步骤(14)，直到确定整个树形结构。
[0017]步骤(2)
[0018]极大似然函数为：
[0019][0020]其中，[x1，x2，...，x
d
]代表d个站点组成的站网G
d
的变量组合，d为初始站网的站点 个数；x
it
代表站点编号为i的第t个观测值，t＝1，2，...，n；n是每个站点收集到的数据样本 的大小；Θ是C
‑
Vine Copula参数集，c
j，j+1|1，...，j
‑1代表二维Pair Copula密度； F(x
jt
|x
1t，...，
x
(j
‑
1)t
)为条件联合分布函数，即给定变量集合{x1，x2，...x
j
‑1}下的联合分布函 数；
[0021]求解极大似然函数获得参数Θ
[0022]Θ＝arg max ln L(Θ)
ꢀꢀꢀ
(2)。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高维Copula熵和克里金的站网优化方法，其特征在于：包括以下步骤：(1)构建水文站网的C
‑
Vine Copula树形结构；(2)采用极大似然估计法对C
‑
Vine Copula参数估算；(3)通过多变量互信息和高维C
‑
Vine Copula密度间的函数关系获得多变量互信息；(4)通过标准化MiK
‑
MiT
‑
MaJ指标和滑动窗口法优化动态雨量站网。2.根据权利要求1所述的基于高维Copula熵和克里金的站网优化方法，其特征在于：步骤(1)包括以下步骤：(11)计算所有变量的两两相依参数Tree L的条件集D为空集；(12)通过遍历法，对所有节点选择相依参数之和最大的节点构成树；(13)在Tree L上选择节点{j，k|D}构成边，计算相应的C
‑
Vine Copula类型和参数，其中，L＝1，...，3(d
‑
1)，d为站点个数，i和k是树节点号；(14)根据步骤(13)获得伪观测值和表示遍历每棵树的边；(15)树节点j＝j+1，重复步骤(11)步至步骤(14)，直到确定整个树形结构。3.根据权利要求1所述的基于高维Copula熵和克里金的站网优化方法，其特征在于：步骤(2)极大似然函数为：其中，[x1，x2，...，x
d
]代表d个站点组成的站网G
d
的变量组合，d为初始站网的站点个数；x
it
代表站点编号为i的第t个观测值，t＝1，2，...，n；n是每个站点收集到的数据样本的大小；Θ是C
‑
Vine Copula参数集，c
j，j+1|1，...，j
‑1代表二维Pair Copula密度；F(x
jt
|x
1t
，...，x
(j
‑
1)t
)为条件联合分布函数，即给定变量集合{x1，x2，...x
j
‑1}下的联合分布函数；求解极大似然函数获得参数ΘΘ＝argmaxlnL(Θ)
ꢀꢀꢀ...

【专利技术属性】
技术研发人员：徐鹏程，仇建春，李帆，刘赛艳，蒋新跃，
申请(专利权)人：扬州大学，
类型：发明
国别省市：