一种参数化的水文气象极值序列的趋势检测方法技术

本发明专利技术公开了一种参数化的水文气象极值序列的趋势检测方法,包括以下步骤：(1)采用广义极值分布GEV函数建立水文气象极值序列的趋势模型；(2)基于贝叶斯推断框架估计水文气象极值序列的趋势模型的参数；(3)根据趋势模型的参数估计值获得贝叶斯对数似然比，然后得出水文气象极值序列的趋势。本发明专利技术从参数化角度有效保证水文气象极值序列的趋势检测精度；基于贝叶斯统计推断框架的使用一方面充分保证复杂趋势模式情形下对于水文气象极值序列的分布参数估计精度不会因为引入过多的参数而受到影响，另一方面采用Gibbs采样算法简化了水文气象极值序列分布参数的估计过程。水文气象极值序列分布参数的估计过程。水文气象极值序列分布参数的估计过程。

【技术实现步骤摘要】
一种参数化的水文气象极值序列的趋势检测方法


[0001]本专利技术涉及一种趋势检测方法，尤其涉及一种水文气象极值序列的趋势检测方法。

技术介绍

[0002]全球变暖是对地球的主要威胁，气候变暖是人为温室气体排放增加的结果，正在逐步改变地球气候模式。根据政府间气候变化专门委员会IPCC的说法，温度升高导致的水文水循环特征急剧变化。因此，全球变暖将影响水文过程，并导致世界不同地区出现水文气象极端事件的风险增加，为了有效预测和防范水文气象极端事件发生风险，最为关键一步就是对水文气象极端事件进行有效的趋势性检测和识别。目前国内外使用最多的是非参数法的趋势性检测方法：
[0003]Mann
‑
Kendall趋势性检测方法目前应用于水文气象极值序列趋势性检测最为广泛，由于其仅仅适用于单调性趋势的检测，对于非线性，如先增加后降低的非单调性趋势趋势的检测效果存在明显不足，且容易出现假设检验中的两类错误：“弃真”和“纳伪”错误。

技术实现思路

[0004]专利技术目的：本专利技术旨在提供一种水文气象极值序列的趋势检测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种参数化的水文气象极值序列的趋势检测方法,其特征在于：包括以下步骤：(1)采用广义极值分布GEV函数建立水文气象极值序列的趋势模型；(2)基于贝叶斯推断框架估计水文气象极值序列的趋势模型的参数；(3)根据趋势模型的参数估计值获得贝叶斯对数似然比，然后得出水文气象极值序列的趋势。2.根据权利要求1所述的参数化的水文气象极值序列的趋势检测方法,其特征在于：步骤(1)的趋势模型：式中，X
t
为水文气象数据，GEV分布的位置μ
t
，尺度σ
t
和形状参数κ
t
是随着时间t逐年变化的。3.根据权利要求2所述的参数化的水文气象极值序列的趋势检测方法,其特征在于：水文气象极值序列的趋势模型GEV分布的位置μ
t
的趋势结构包括：式中，μ0、μ1、μ2、μ3为未知待定参数。4.根据权利要求2所述的参数化的水文气象极值序列的趋势检测方法,其特征在于：水文气象极值序列的趋势模型GEV分布的尺度σ
t
的趋势结构包括：式中，σ0、σ1、σ2、σ3为未知待定参数。5.根据权利要求2所述的参数化的水文气象极值序列的趋势检测方法,其特征在于：水文气象极值序列的趋势模型GEV分布的形状参数κ

【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：