水文时间序列周期分析的RICp准则

为准确识别与提取水文时间序列中的显著周期成分,本文借鉴AIC准则的思想,提出了一种以相关系数作为拟合精度指标、以信息熵形式的函数式作为不确定性度量指标的周期显著性评价准则——RIC_p.以包含多个周期成分的模拟序列进行统计实验,对比不加入RIC_p准则的MCCP（moving correlation coefficient-based method for periodicity）方法、仅基于假设检验的HAM（harmonic analysis method）方法与通过熵谱峰值点选取显著周期的MESA（maximum entropy spectral analysis method）方法,从周期规律的完整性以及周期结果的准确性两个方面进行评价.分析结果表明, HAM方法和MCCP方法会给出较多的伪周期成分, MESA方法的识别结果会忽略位于峰值附近的次显著周期,基于RIC_p准则的周期分析方法在4种方法中表现最好.基于RIC_p准则的周期分析方法的优势在于,可以同时满足显著周期判断、周期显著性分级与周期成分...     

基于相关系数的水文序列滑动周期识别方法

准确进行周期识别对于合理认识水文变异规律、开展中长期水文模拟预报、水安全评价等具有重要的意义.本文通过滑动改变周期长度和初相位,构造出多组模拟周期序列,并以相关系数作为模拟周期序列与原始序列拟合精度的判别指标,选择拟合程度最好的模拟周期作为最优周期识别结果,从而提出水文序列滑动周期识别方法.理论和公式推导表明:相关系数可表征水文序列中的周期波动程度,相关系数越大,说明拟合精度越高,对应的周期变异越显著.统计试验结果显示:相比于常用的周期识别方法,文中方法的周期识别效率更高,且在各因素影响下也最具稳定性和可靠性.最后,文中方法应用于澜沧江流域21个站的年降雨量序列进行周期识别,结果显示该流域的降雨周期存在多时间尺度特征,北部和中部的降雨周期长度较短,多数在2～5 a左右,而南部的降雨周期5～10 a居多,个别站点的周期长度达到了18 a.