[发明专利]一种基于分类的水文序列非一致性诊断方法

权利要求书

1.一种基于分类的水文序列非一致性诊断方法，其特征在于，包括如下步骤：

收集统计信息的步骤：收集需要进行分析的水文要素的时间序列，样本容量至少为30；

进行水文时间序列方差的非一致性诊断的步骤：假设估计变量由以下回归组成：

其中：ΔY_t-i＝Y_t-i-Y_t-i-1；

作如下假设：

H₀:δ＝0,H₁:δ＜0；

构造增广迪基-富勒检验统计量：其中，S(ρ)是统计量ρ的标准差；

在序列存在单位根的情况下，τ统计量不符合t-分布，随着样本容量的增大，τ统计量收敛于标准维纳过程的泛函，并且可以用蒙特卡洛方法模拟得出，在模型的右边加入滞后项：以缓解μ_t项的自相关问题；

ADF检验基于最小二乘(OLS)回归式假设估计变量由以下回归组成：

其中：t为时间，ΔY_t-i＝Y_t-i-Y_t-i-1；检验随机过程{Y_t}是否具有单位根，即为检验δ是否显著，小于0，而零假设为存在一个单位根，备择假设为不存在单位根，若δ显著，小于0，则零假设被拒绝；

ADF检验为单边检验，当显著性水平取为α时，记τ_α为显著水平为α时的分位值，则τ＜τ_α时，拒绝原假设，认为序列不存在单位根，否则接受原假设，认为序列存在单位根，方差有显著变化；

进行水文时间序列均值的非一致性诊断的步骤：对序列x1，x2，…，xn，先确定所有对偶值(xi,xj)(j>i)中的xi<xj的出现个数(设为p)；顺序的(i,j)子集是：(i＝1，j＝2，3，4，…，n)，(i＝2，j＝3，4，5，…，n)，…，(i＝n-1，j＝n)；如果按顺序前进的值全部大于前一值，这是一种上升趋势，p为(n-1)+(n-2)+…+1，系为等差级数，则总和为n(n-1)/2；

如果顺序全部倒过来，则p＝0,即为下降趋势；

由此可知，对无趋势的序列，p的数学期望为n(n-1)/4；

此检验的统计量为：

其中：

当n>10时，U收敛于标准化正态分布；

原假设为无趋势，当给定显著水平α后，在正态分布表中查出临界值U_α/2；

当|U|＜U_α/2时，接受原假设，即均值未发生显著变化；当|U|＞U_α/2时，拒绝原假设，即均值发生显著变化；

判断水文时间序列是否一致的步骤：当均值和方差均不存在显著变化时，该水文时间序列为一致；否则为非一致。