CN116049340B 考虑水位与水文连通性共存关系的湖泊最优水位确定方法 （北京师范大学）

JianyingCai,XuanWang,YanpengCai,ChenxiWei,ZhenmeiLiao,DanLiudiagnosticsanddependencyreplenishmentmanagemen考虑水位与水文连通性共存关系的湖泊最涉及一种考虑水位与水文连通性共存关系的湖补水情景的设置，利用联合概率和条件概率分水文连通性之间的共存关系及其对补水管理产2步骤3：分别计算水文连通性与水位之间的相关系数，判别水文连通性与水位的相关所述单变量是指水文连通性或水位的数据序列；所述多变量是指水分布、广义极值分布、对数正态分布或正态分布；所述的联合概率分布函数的类型包括;G(y)为水位序列的边缘分布函数，H(x,)为水文连通性和水位的联合概率分布函数，3为联合概率分布函数满足的Copula函数类型。步骤5中，选取不同的Copula函数类型来拟合水文连通性和水位序列之间的联合概率所述步骤6得到的条件概率分布结果中有利于低连通等级事件转向高连通等级事件的4方法构建水文连通性与水位的边缘分布函数，根据拟合度检验得到其最优的边缘分布形5[0014]上述的湖泊最优水位确定方法中，所述单变量是指水文连通性或水位的数据序[0017]H(X,Y)=CIF(X),G()数，G(y)为水位序列的边缘分布函数，H(x,y)为水文连通性和水位的联合概率分布函概率和在特定水位下水文连通性结果属于某一连通等级的条件概率[0022]上述的湖泊最优水位确定方法中，所述步骤6得到的条件概率分布结果中有利于低连通等级事件转向高连通等级事件的水位区间范围即为湖泊补水管理要求及生态修复目标，计算出水文连通性和水位等级在不同情景组合的概6[0027]上述说明仅是本发明技术方案的概述，为了能够更清楚[0037]如图1所示，本实施例所提供的一种考虑水位与水文连通性共存关系的湖泊最优7[0038]本实施例所提供的湖泊最优水位确定方法从分析湖泊水文连通性和水位数据序析，以此来充分考虑水文连通性和水位之间的共存关系以及这种反馈关系带来的不确定分布函数的未知参数，通过AIC和BIC准则检验贝塔分布等备选边缘分布函数的拟合优度，[0048]H(X,Y)=CIF(X),G()8数，G(y)为水位序列的边缘分布函数，H(x,y)为水文连通性和水位的联合概率分布函[0050]步骤5中，选取不同的Copula函数类型来拟合水文连通性和水位序列之间的联合[0051]步骤6中，确定湖泊最优水位的步骤为：设立不同的水文连通性与水位的补水情和在特定水位下水文连通性结果属于某一连通等级的条件概[0054]本实施例中，计算得到白洋淀水文连通性与水位数据序列的Spearman系数为文连通性与水位数据相关分析即可得到相关系数的计算结果。[0058]通过湖泊水资源调查和数据收集，结合地统计学分析方法对遥感影像的解译处通性与水位数据序列。9比较两个经验分布的显著差异。单样本K_S检验用于测试观察到的数据的经验分布是否合概率分布函数，即水文连通性与水位最终会满足一定表达式的Copula函数，如：。[0067]基于研究湖泊的水文连通性与水位数据序列，分别构建它们的边缘分布函数(F(X)和F()它们各自服从贝塔分布和广义帕累托分布类型；再构建它们的联合概率分据两两间的秩相关系数（见下表1）。结果显示，白洋淀水文连通性与水位数据序列的与水位数据间具有一定的正相关关系，可以用Copula函数进行联合概率和条件概率的分而分别选取贝塔分布和广义帕累托分布作为水文连通性与水位的边缘分布函数（见图2和合分布进行拟合，并结合AIC和BIC准则确定最优Copula类型为FrankCopula函数，AIC和