科研之友
微信
新浪微博
Facebook
分享链接
摘要
气候变化和人类活动的双重作用使得流域水文过程发生显著变化,水文序列变异诊断研究对防洪减灾、生态环境保护具有重要的科学意义和应用价值。传统水文变异诊断方法存在多点检测能力不足、主观性较强、精度较低等问题,本文建立了一种基于启发式分割算法和近似熵的水文变异诊断耦合模型,主要建模步骤如下:首先,用近似熵刻画水文序列各点的动力学状态,基于数据滑动技术充分获取随着滑动窗口移动而变化的近似熵序列;其次,运用启发式分割算法依次对各点进行一分为二的迭代计算、对比,得到每个点的检验统计值和置信概率;最后,根据置信概率结果判断是否对近似熵序列进行水文动力学状态划分,确定变异点的数目和位置。利用耦合模型对窟野河温家川站1956—2019年的年径流序列进行变异诊断研究,结果表明,窟野河年径流序列在1983年和1996年发生了变异,与实际情况基本吻合。通过模拟实验,证明耦合模型具有如下潜力:1)对于强趋势变异检测性能优异,弱趋势变异时在特定滑动步长下具有良好表现。2)当设置不同的参数时,耦合模型对于弱趋势动力学结构变异检测具有较好的性能,检测误差较小。3)当样本量较高(N=4 000～8 000)时,权重误差均较小,耦合模型检测到的变异区间中包含设置的理想变异点,且样本量越大,检测越精确;在样本量较低(N=60～3 000)时,检测的变异区间与真实变异点较接近,检测效果可以接受。
- 单位
