[发明专利]一种基于分类的水文序列非一致性诊断方法

说明书

本发明涉及一种基于分类的水文序列非一致性诊断方法，包括步骤：收集统计信息；进行水文时间序列方差的非一致性诊断；进行水文时间序列均值的非一致性诊断；判断水文时间序列是否一致。本发明所述的方法根据水文非一致性的定义，并根据变化参数的不同将水文非一致进行分类，然后采用针对变化参数选择不同统计方法进行诊断，避免了由于检验对象和检验目的的模糊造成多种统计方法诊断对象的重复、结果的不统一，以及不确定性，因此该技术方法相对而言比较先进。本发明适用于任意水文时间序列。本发明所述方法技术方法通用，易于推广应用。

技术领域

本发明涉及一种基于分类的水文序列非一致性诊断方法，是一种基于水文实测数据的统计检验方法，是一种基于非一致性分类的诊断方法。

背景技术

关于水文非一致性诊断，目前技术主要有以下几种。一种是对水文时间序列趋势和突变点的统计检验，根据检验结果对流域水文要素进行定量评价。此类诊断方法很多，代表检验方法有Man-Kendall 检验，Hurst系数，Pettitt检验，Spearman秩次相关法。第二种则是集成多种统计检验方法，对单一时间序列进行趋势和突变点的多重统计检验，以确定该水文变量的真实变化，以水文变异诊断系统为代表，将诊断过程分为：初步诊断、详细诊断、综合诊断三个步骤，初步诊断设计过程线法、滑动平均法和Hurst系数法，详细诊断则分为趋势和跳跃诊断，涉及到14种统计方法，而综合诊断则是将趋势和跳跃诊断的结果综合起来进行分析评价。最后结合实际水文调查分析，对变异形式和结论进行确认，从而得到最终的变异诊断结果。第三种是基于波谱分析等统计手段，对时间序列进行周期的主观判断，主要方法有小波分析法，连续谱分析法，周期图法等等。以上几种现存的对水文序列非一致性诊断方法都不同程度存在若干不足。

对水文序列的单项检验，缺陷源于不同的统计方法的基本假设不同，这些方法主要通过判断序列是否发生趋势或跳跃变化来判定序列是否一致，其本质均为对水文序列样本均值是否发生显著变化的假设检验。不同方法间计算精度不一，检验结果不一致，检验出的跳跃点不唯一。非一致诊断系统虽综合了多种统计方法，试图通过多种诊断方法的结果对检验结果的可靠性进行提升，但计算过程繁琐，计算结果的可靠性也并没有在单种检验方法的基础上有显著的提高。

以上方法的不足在于：根据时间序列的一致性的定义：序列样本的均值和方差均不随时间发生变化，传统检验方法仅对样本的均值进行了检验，而忽略了方差的变化。这对判断时间序列的一致与否至关重要。

发明内容

为了克服现有技术的问题，本发明根据时间序列的一致性定义，对水文时间序列的非一致性进行了分类，并提出了一种基于均值非一致和方差非一致两种类型的水文序列非一致性诊断方法。所述方法具有在任意水文时间序列上应用的能力，并具有能够诊断出要素属于何种非一致性的能力。

本发明的目的是这样实现的：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非一致性诊断的步骤：假设估计变量由以下回归组成：

（1）

其中；

作如下假设：

:，:。

构造增广迪基-富勒（Augmented Dickey-Fuller, ADF）检验统计量：，其中，是统计量ρ的标准差；

在序列存在单位根的情况下，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：

（2）