[发明专利]一种基于分类的水文序列非一致性诊断方法

摘要

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。

主权项

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：ΔYt‑i＝Yt‑i‑Yt‑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，ΔYt‑i＝Yt‑i‑Yt‑i‑1；检验随机过程{Yt}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τα为显著水平为α时的分位值，则τ＜τα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Uα/2；当|U|＜Uα/2时，接受原假设，即均值未发生显著变化；当|U|＞Uα/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。