CN115168808B 一种分析旱涝急转事件特征量的方法 （中山大学）

US2017176640A1,2017.06.22本发明公开一种分析旱涝急转事件特征量之后采用Copula函数似然比方法检验两个边缘Copula联合分布函数模拟得到两特征的联合分2当时间序列一致性不成立时，采用广义累加模型分别对烈度特征和历时特征进行拟S4：采用Copula函数似然比方法检验烈度边缘分布标准化加权平均降水SWAP指数的计算过程SWAP指数是以当日旱涝状态受前期旱涝状态和方法是假定同一日加权平均降水序列服从Gamma分布，通过Γ分布对加权平均降水序列进3.根据权利要求2所述的一种分析旱涝急转事件特征量的方法，其特征在于，步骤S234.根据权利要求1所述的一种分析旱涝急转事件特征量的方法，其特征在于，步骤S3SBC＝GD+log(ξ)xdf＝_2logL(θ)+log(ξ)xdfAIC＝2ξ_2logL(θ)最后，在所有通过检验的备选模型中，选出使得AIC和SBC的计算值布模型为相对最优模型，并将该相对最优模型作为烈度边缘分布函数或历时边缘分布函6.根据权利要求4所述的一种分析旱涝急转事件特征量的方法，其特征在于，步骤S3τ为4kk7.根据权利要求6所述的一种分析旱涝急转事件特征量的方法，其特征在于，步骤S4已知y1,y2,...,yd是d维随机变量观测值组成的时间序列，其中yi＝(y1,i,y2,i,...,n后的似然函数；ui表示双变量序列的边缘分布概率；c(·)表示Copula概率密度函数；和iz分别是Copula函数参数η0、η1和η2的极到：58.根据权利要求7所述的一种分析旱涝急转事件特征量的方法，其特征在于，步骤S4S表示烈度和历时的边缘分布；为了估算Copula的时变参数，引入解释变量，用于描g(θc)=β0+Xβ1c)表示当copula参数是θc的连接函数；i表示第i时段的历时；θD表示烈度边缘分布的参数；θS表示历时边缘分布的参D,i表示第i时段的烈度边缘分布的参数；θS,i表示第i时段的历时边缘分布的参数；c69.根据权利要求8所述的一种分析旱涝急转事件特征量的方法，其特征在于，步骤S5r-器yearalteryearalterS旱涝急转事件的联合设计值是指在某一设计重现期水平下，ml)＝argmaxf(u,v)7其中，f(u,v)为急转双变量的联合概率密度函数，c(u,v)为对应联采用最可能组合法推求得到联合设计值的计算步8[0001]本发明涉及水文水资源应用领域，具体涉及一种分析旱涝急转事件特征量的方[0009]S3：采用ADF(单位根检验)分别检验烈度特征和历时特征的时间序列是否具有一特征进行拟合，并基于SBC(SchwarzBayesianinformationcriterion)准则和AIC9[0012]S4：采用Copula函数似然比方法(Copula_basedlikelihood_ratiotest，CLRtest)检验烈度边缘分布函数和历时边缘并采用最可能组合法(Most_likelyweightfunction)推求得到历时和烈度的联合设计[0024]选取在气象水文研究中较常用的概率分布模型作为备选模型，具体包括指数[0036]采用可综合考虑位置、尺度和形状参数的广义累加模型(Generalizedadditiveτ是长度为的列向量；据SBC准则和AIC准则从7种备选分布模型中筛选最优的烈度边缘概率函数和历时边缘概率数θc的变化来分析多变量水文序列相依结构强度的[0047]已知y1,y2,...,yd是d维随机变量观测值组成的时间序列，其中yi＝(y1,i,[0049]备择假设H1为：存在k*且1sk'<8,使得θc,1=θc,2＝...=θc,k*=η1，并且θc,k*[0058]h、l、O表示渐近分布的参数；p是存在一个变点的Copula函数的参数数目；将)表示当copula参数是θc的连接函数；[0067]下面根据历时和烈度关系的一致性假设成立与否，分情况给出连接函数的表达1Sβ0和β1的估计值代入计算Copula函数的估计值；为椭圆形(Elliptical)Copula、阿基米德(Archimedean)Copula、极值(ExtremeValue)Copula。本发明共采用了一种椭圆形Copula(GaussianCopula)以及四种阿基米德Copula照贝叶斯信息准则(BayesianInformationCriterion,BIC)，选取BIC值最小的函数作为yearalteryearalter概率密度值最大的变量组合即为所推求的联合变参数Copula函数建立非一致性背景下旱涝急转特征相依性较强的历时_烈度之间的联合[0111]S3：采用ADF(单位根检验)分别检验烈度特征和历时特征的时间序列是否具有一特征进行拟合，并基于SBC(SchwarzBayesianinformationcriterion)准则和AIC[0114]S4：采用Copula函数似然比方法(Copula_basedlikelihood_ratiotest，CLRtest)检验烈度边缘分布函数和历时边缘并采用最可能组合法(Most_likelyweightfunction)推求得到历时和烈度的联合设计[0127]选取在气象水文研究中较常用的概率分布模型作为备选模型，具体包括指数[0139]采用可综合考虑位置、尺度和形状参数的广义累加模型(Generalizedadditiveν依据SBC准则和AIC准则从7种备选分布模型中筛选最优的烈度边缘概率函数和历时边缘概数θc的变化来分析多变量水文序列相依结构强度的[0150]已知y1,y2,...,yd是d维随机变量观测值组成的时间序列，其中yi＝(y1,i,[0152]备择假设H1为：存在k*且1sk'<9,使得θc,1=θc,2＝...=θc,k*=η1，并且θc,k*[0161]h、l、O表示渐近分布的参数；p是存在一个变点的Copula函数的参数数目；将)表示当copula参数是θc的连接函数；[0170]下面根据历时和烈度关系的一致性假设成立与否，分情况给出连接函数的表达1Sβ0和β1的估计值代入计算Copula函数的估计值；为椭圆形(Elliptical)Copula、阿基米德(Archimedean)Copula、极值(ExtremeValue)Copula。本发明共采用了一种椭圆形Copula(GaussianCopula)以及四种阿基米德Copula照贝叶斯信息准则(BayesianInformationCriterion,BIC)，选取BIC值最小的函数作为yearalteryearalter概率密度值最大的变量组合即为所推求的联合变参数Copula函数建立非一致性背景下旱涝急转特征相依性较强的历时_烈度之间的联合检验)分别检验烈度特征和历时特征的时间序列特征进行拟合，