CN105046051B - 一种实际环境冻融作用次数预估方法 - Google Patents
一种实际环境冻融作用次数预估方法 Download PDFInfo
- Publication number
- CN105046051B CN105046051B CN201510346124.XA CN201510346124A CN105046051B CN 105046051 B CN105046051 B CN 105046051B CN 201510346124 A CN201510346124 A CN 201510346124A CN 105046051 B CN105046051 B CN 105046051B
- Authority
- CN
- China
- Prior art keywords
- freezing
- trend
- thawing
- wavelet
- freeze
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种实际环境冻融作用次数预估方法,通过对某地区气温数据中日最高温度与日最低温度的正负交替次数统计分析,得到该地区实际环境冻融作用次数,然后基于Mann‑Kendall检验、Morlet小波分析、R/S分析法建立冻融作用次数预估模型;其中Mann‑Kendall趋势检验反映冻融作用次数随时间变化的长期趋势,小波分析揭示冻融作用周期性变化,R/S分析反映未来变化趋势的不规则性为未来的冻融作用次数预测提供依据;采用本研究提出的实际环境冻融作用次数预估方法可以诊断某地区冻融作用次数随时间历程及未来的变化趋势;从而为遭受冻融作用影响的土木工程基础设施建设、寿命预测、养护维修等提供参考。
Description
技术领域:
本发明属于一种冻融作用次数的预测方法,具体涉及一种实际环境冻融作用次数预估方法。
背景技术:
气候环境条件对土木工程基础设施的稳定性、耐久性、使用性能有显著的影响,对于具有线性特征的公路工程,气候环境对其影响尤为显著。气候环境对土木工程基础设施的影响比较间接、隐蔽、变异性大,且与荷载作用交织在一起,故要定量地分离出环境因素的影响十分困难。
冻融作用是温度与水分两种因素的综合作用,是指由于温度降到零度以下和升至零度以上而产生冻结和融化的一种物理作用和现象,冻融作用一般都有水分(或冰体)参与。融化时结构体表面或内部冰体融化,水分将沿着结构表面的孔隙或毛细孔通路向结构内部渗透;冻结时水分结成冰,产生膨胀,膨胀应力较大时,结构出现裂缝。冻结和融化的交替出现,称为冻融循环,冻融循环作用已逐渐成为影响土木工程基础设施的另一主要气候环境因素。
我国冻融作用影响主要分布在高纬度东北地区和高海拔的青藏高原地区及西北高山区,2008年1月南方大范围冻雨冰雪灾害使全国18个省级行政区遭受了低温、雨雪、冰冻等灾害影响,相应土木工程基础设施也遭受了不同程度的冻融影响,使得冻融破坏引起了全社会的广泛关注。冰冻与冻融作用不仅造成土木工程结构物大量损坏,也造成严重的经济损失。
孔隙水及冻融循环作用会降低集料与粘合剂(水泥、沥青)的粘结作用,会引起裂缝与表面集料剥落;更严重的是会导致结构彻底破坏。此外,冻融循环作用还会改变集料的物理力学性能,如强度、抗压性能、空隙率、渗透性等。水对沥青混合料性能的影响除了对沥青膜的置换作用之外,在寒冷地区还存在水分相态变化导致的混合料的冻融损伤。冻融循环作用加剧了沥青混合料高温稳定性对应力水平的敏感性;沥青混合料的抗压强度及回弹模量均随冻融循环作用次数的增加而降低;冻融作用后,沥青混合料的抗疲劳性能降低,疲劳寿命对应力水平的变化更为敏感。
自然界实际冻融环境和室内试验冻融环境存在明显差异,室内标融试验数据难以直接应用于评价实际冻融作用,因此建立室内冻融试验与现场冻融之间的关系是评价冻融作用常采用的方法。
由于实际环境冻融作用受到气候环境条件的影响,变化及其复杂,目前关于实际环境冻融作用次数的预测研究鲜有报道,这就使得实际环境冻融作用的量化存在一定困难。
发明内容:
本发明的目的在于克服目前对实际环境冻融作用次数分析及预测的不足,提供一种基于Mann-Kendall检验、Morlet小波分析、R/S分析法建模的冻融作用次数预测方法;利用Mann-Kendall趋势检验反映冻融作用次数随时间变化的长期趋势,小波分析揭示冻融作用的周期性变化,R/S分析为未来的冻融作用次数预测提供依据,反映未来变化趋势的不规则性;通过上述三种方法的综合应用,从而可以对冻融作用次数未来变化趋势进行预测。
为了达到以上目的,本发明采取如下技术方案予以实现:
一种实际环境冻融作用次数预估方法,包括如下步骤:
步骤一:获取当地气温数据,以日最高温度为正与日最低温度为负的原则筛选实际环境冻融作用,并对冻融作用次数进行统计;
步骤二:采用M-K单调趋势检验方法,对该地区实际环境冻融作用随时间序列的变化趋势进行检验,得到该地区冻融作用次数随时间的波动变化以及增减趋势;
步骤三:利用Morlet小波分析方法,对该地区实际环境冻融作用的周期性变化进行分析,得到该地区冻融作用的时间序列小波系数实部等值线图和小波方差图,获得冻融作用周期;
步骤四:采用R/S分析方法,对该地区实际环境冻融作用的未来变化趋势进行判断,得到冻融作用的Hurst系数,以此预测未来冻融作用变化趋势;
步骤五:基于步骤二至步骤四建立冻融作用次数预测模型,采用冻融作用次数预测模型对该地区实际环境冻融作用次数进行预估。
本发明进一步的改进在于:所述步骤一中,根据收集或通过当地气象站获取的当地气温数据,以日最高温度与日最低温度的正负交替变化为原则,对该地区实际环境冻融作用次数进行统计。
本发明进一步的改进在于:所述步骤二中,采用M-K单调趋势检验方法,对冻融作用次数随时间序列的变化趋势进行分析;其中,
冻融作用次数的时间序列{xi},冻融作用次数时间序列{xi}的对偶数S,且
其中sgn()为符号函数,xi<xj,i<j,i=1,2,…,n;
构造M-K统计量U:其中
U>0时,表示时间序列{xi}为上升趋势;U<0时,表示时间序列{xi}为下降趋势;|U|>U0.05/2=1.96表示序列变化趋势显著;
使用M-K法检验突变时,假设冻融作用次数时间序列{xi},构造一新序列
其中mi为xi>xj的样本累计数,2≤k≤n,1≤j≤i;
dk的均值以及方差定义如下:
均值:
方差:
在时间序列随机独立假设下,定义统计量:
给定显著性水平,查正态分布表得到零界值t,当|UFk|>t时,表明时间序列存在明显的上升或下降趋势,所有UFk将组成一条曲线UF,把同样的方法引用到反序列中,得到另一条曲线UB;将统计量曲线UF、UB以及±t的两条直线绘在统一坐标系上,如果UF>0,表示时间序列呈上升趋势,UF<0,表示时间序列呈下降趋势,当它们超过临界值直线时,表明上升或下降趋势显著;如果UF和UB两条曲线出现交点,则交点为突变点。
本发明进一步的改进在于:所述步骤三中,采用Morlet小波分析方法,对该地区实际环境冻融作用的周期性变化进行分析;其中,
使小波函数满足:
其中,ψ(t)是基小波函数:
其中,ψa,b(t)为子小波,a为尺度因子,反映小波的周期长度;b为平移因子,反应时间上的平移;
利用小波函数计算不同时间尺度下的小波系数:
其中,以a为纵坐标,b为横坐标做的Wf(a,b)等值线图称为小波系数实部等值线图;
对时间域上关于a的所有小波系数的平方积分,即为小波方差:
以尺度因子a为横坐标,小波方差为纵坐标的图像称为小波方差图,它能反映信号波动的能量随尺度因子a的分布,小波方差图用来确定信号中不同种尺度扰动的相对强度和存在的主要时间尺度,即主周期;其中,小波方差图较明显的峰值数量表示主周期数量,峰值最大的周期为第1主周期,第2峰值为第2主周期,以此类推;
通过小波分析,得到冻融作用次数时间序列f(x)在任意时刻的频率特征及在时间—频率上的变化特征。
本发明进一步的改进在于:所述步骤四中,采用R/S分析方法,对该地区实际环境冻融作用未来变化趋势行分析;其中,
对冻融作用次数时间序列X(t),X=1,2,…,,计算均值序列:
其累计离差:
其极差为:
其标准差为:
通过R/S分析可知,R(u)与S(u)存在着一定的关系:
C是常数;
对上式两边取对数:
对上式进行线性模拟,得出Hurst指数,于是不同的H意味着序列不同的趋势变化,其中0<H<1:当H=0.5时,表明序列是完全独立的,是一个随机变化过程;当0<H<0.5时,表明未来的变化趋势与过去的变化趋势相反,即反持续性,H越小,意味着反持续性越强;相反,H>0.5时,表示未来的变化与过去的一致,即表现出持续性,H越大则说明持续性越强。
本发明进一步的改进在于:所述步骤五中,采用冻融作用次数预估模型,对该地区实际环境冻融作用次数进行预估;其中,
将冻融作用次数的预估分为三部分:长期变化趋势、周期性变化和不规则变动;其中周期性变化和不规则变化采用乘法模型反映,长期变化趋势则采用加法模型,冻融作用次数预测模型表示为:
其中,随时间变化的长期趋势T;季节性变动S;不规则变动I;循环变动C;
根据M-K检验,冻融作用长期变化趋势采用线性变化,表示为:
式中:N——时间序列年限;yi——第i年冻融作用次数;k——冻融作用次数随年序列的变化率;t——年序列;t0——年序列的中值;
由小波分析和R/S分析确定周期变化和不规则变化,根据小波分析方法的特点,采用求余和求商的形式反应其周期性;不规则变化采用指数函数形式反映其变化的不规律性;另外冻融作用次数的方差σ也是预估模型的重要组成部分,能够反映冻融作用次数的离散程度,用作不规则变化及周期性变化的基准参考值;
周期性变化C的表达形式如下:
不规则变化I的表达形式如下:
式中:D——小波周期长度,通过前面分析取5年;r——H指数;
通过计算得到了某地区实际环境冻融作用次数未来的变化趋势。
相对于现有技术,本发明具有如下的有益效果:
本发明以环境温度作用统计对象,利用Mann-Kendall检验、Morlet小波分析、R/S分析法诊断某地区冻融作用随时间历程及未来的变化趋势,从而建立该地区的冻融作用预测方法。该方法可以通过对某地区气温参数进行分析,得到实际环境冻融作用次数及未来变化趋势,为土木工程基础设施建设、寿命预测、养护维修等提供参考。
附图说明:
图1本发明的建模流程图;
图2五道梁冻融作用变化趋势图;
图3五道梁冻融变化的M-K检验图,其中,图3(a)为Ⅰ型冻融,图3(b)为Ⅱ型冻融,图3(c)为Ⅲ型冻融,图3(d)为Ⅳ型冻融;
图4五道梁小波系数实部等值线图与小波方差图;
图5五道梁区域60年内冻融作用R/S分析图;
图6 2005~2018年冻融作用次数的预估值与实测值的变化趋势图。
具体实施方式:
下面结合附图对本发明专利再做进一步说明。
以青藏高原寒冷地区五道梁区域为例,说明本发明的具体应用。
利用一元一次线性拟合法,对五道梁区域的冻融作用次数历史数据变化规律进行分析,如图2所示。五道梁区域的冻融作用次数波动变化幅度较大,总体呈减小趋势。
利用M-K检验法,对五道梁区域的冻融作用次数按年时间序列分析其变化趋势,如图3所示。五道梁区域不同等级的冻融作用随时间序列的变化极为复杂,且存在较多突变。。
利用小波分析法,对五道梁区域的冻融作用次数的时间周期进行分析,如图4所示。五道梁区域的冻融作用次数,第一周期为25~27年,第二周期为13~15年,第三周期为5年。
利用R/S分析法,对五道梁区域的冻融作用次数未来变化趋势进行分析,如图5所示。五道梁的Hurst系数接近0.5,预示着未来的冻融作用次数的变化趋势的随机性较大。
利用本发明提出的冻融作用次数预测模型,对五道梁地区1957~2004年48年的冻融作用进行统计,对2005~2008年冻融作用进行预估,依次对1958~2005年、1959~2006、…、1966~2013的冻融作用进行统计,对2006~2009、…、2014~2017年进行预测。由于M-K检验、小波分析和R/S分析时,均是以大数据为样本得到的冻融作用变化趋势,因此参数k、D、r取值依然采用前面分析得到的数值。
2005~2018年冻融作用的预估值与实测值的变化趋势如图6所示。在90%的保证率条件下未来的总冻融作用的次数范围为[143,189],相对误差21.3%;比较可知,依据统计数据得到的预估值在有效值范围内。因此,通过本发明提出的冻融作用预测模型可以预测某地区未来的冻融作用次数。
Claims (4)
1.一种实际环境冻融作用次数预估方法,其特征在于,包括如下步骤:
步骤一:根据收集或通过当地气象站获取的当地气温数据,以日最高温度为正与日最低温度为负的原则筛选实际环境冻融作用,并对冻融作用次数进行统计;
步骤二:采用M-K单调趋势检验方法,对该地区实际环境冻融作用随时间序列的变化趋势进行检验,得到该地区冻融作用次数随时间的波动变化以及增减趋势;
步骤三:利用Morlet小波分析方法,对该地区实际环境冻融作用的周期性变化进行分析,得到该地区冻融作用的时间序列小波系数实部等值线图和小波方差图,获得冻融作用周期;
步骤四:采用R/S分析方法,对该地区实际环境冻融作用的未来变化趋势进行判断,得到冻融作用的Hurst指数,以此预测未来冻融作用变化趋势;
步骤五:基于步骤二至步骤四建立冻融作用次数预测模型,采用冻融作用次数预测模型对该地区实际环境冻融作用次数进行预估其中,
将冻融作用次数的预估分为三部分:长期变化趋势、周期性变化和不规则变化;其中周期性变化和不规则变化采用乘法模型反映,长期变化趋势则采用加法模型,冻融作用次数预测模型表示为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>Y</mi>
<mo>=</mo>
<mi>T</mi>
<mo>+</mo>
<mi>C</mi>
<mo>&times;</mo>
<mi>I</mi>
<mo>&times;</mo>
<mi>&sigma;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>k</mi>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>M</mi>
<mi>o</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&times;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>E</mi>
<mi>x</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&times;</mo>
<mi>&sigma;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,随时间变化的长期变化趋势T;不规则变化I;循环变动C;
根据M-K检验,冻融作用长期变化趋势采用线性变化,表示为:
<mrow>
<mi>T</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>k</mi>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
式中:N——时间序列年限;yi——第i年冻融作用次数;k——冻融作用次数随年序列的变化率;t——年序列;t0——年序列的中值;
由小波分析和R/S分析确定周期变化和不规则变化,根据小波分析方法的特点,采用求余和求商的形式反应其周期性;不规则变化采用指数函数形式反映其变化的不规律性;另外冻融作用次数的方差σ也是预估模型的重要组成部分,能够反映冻融作用次数的离散程度,用作不规则变化及周期性变化的基准参考值;
循环变动C用周期性变化进行表示,即C的表达形式如下:
<mrow>
<mi>C</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>M</mi>
<mi>o</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<mi>D</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
不规则变化I的表达形式如下:
<mrow>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>E</mi>
<mi>x</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
式中:D——小波周期长度,通过前面分析取5年;r——Hurst指数;
通过计算得到了某地区实际环境冻融作用次数未来的变化趋势。
2.根据权利要求1所述的一种实际环境冻融作用次数预估方法,其特征在于:所述步骤二中,采用M-K单调趋势检验方法,对冻融作用次数随时间序列的变化趋势进行分析;其中,
冻融作用次数的时间序列{xi},冻融作用次数时间序列{xi}的对偶数S,且
其中sgn()为符号函数,xi<xj,i<j,i=1,2,…,n;
构造M-K统计量U:其中
U>0时,表示时间序列{xi}为上升趋势;U<0时,表示时间序列{xi}为下降趋势;|U|>U0.05/2=1.96表示序列变化趋势显著;
使用M-K法检验突变时,假设冻融作用次数时间序列{xi},构造一新序列
其中mi为xi>xj的样本累计数,2≤k≤n,1≤j≤i;
dk的均值以及方差定义如下:
均值:
方差:
在时间序列随机独立假设下,定义统计量:
<mrow>
<msub>
<mi>UF</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<mi>V</mi>
<mi>a</mi>
<mi>r</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mfrac>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mo>&le;</mo>
<mi>k</mi>
<mo>&le;</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
给定显著性水平,查正态分布表得到零界值t,当|UFk|>t时,表明时间序列存在明显的上升或下降趋势,所有UFk将组成一条曲线UF,把同样的方法引用到反序列中,得到另一条曲线UB;将统计量曲线UF、UB以及±t的两条直线绘在统一坐标系上,如果UF>0,表示时间序列呈上升趋势,UF<0,表示时间序列呈下降趋势,当它们超过临界值直线时,表明上升或下降趋势显著;如果UF和UB两条曲线出现交点,则交点为突变点。
3.根据权利要求1所述的一种实际环境冻融作用次数预估方法,其特征在于:所述步骤三中,采用Morlet小波分析方法,对该地区实际环境冻融作用的周期性变化进行分析;其中,
使小波函数满足:
其中,ψ(t)是基小波函数:
其中,ψa,b(t)为子小波,a为尺度因子,反映小波的周期长度;b为平移因子,反应时间上的平移;
利用小波函数计算不同时间尺度下的小波系数:
<mrow>
<msub>
<mi>W</mi>
<mi>f</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>|</mo>
<mi>a</mi>
<mo>|</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mi>&Delta;</mi>
<mi>t</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mover>
<mi>&psi;</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>k</mi>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>-</mo>
<mi>b</mi>
</mrow>
<mi>a</mi>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中,以a为纵坐标,b为横坐标做的Wf(a,b)等值线图称为小波系数实部等值线图;
对时间域上关于a的所有小波系数的平方积分,即为小波方差:
<mrow>
<mi>V</mi>
<mi>a</mi>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</munderover>
<mo>|</mo>
<msub>
<mi>W</mi>
<mi>f</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mi>d</mi>
<mi>b</mi>
</mrow>
以尺度因子a为横坐标,小波方差为纵坐标的图像称为小波方差图,它能反映信号波动的能量随尺度因子a的分布,小波方差图用来确定信号中不同种尺度扰动的相对强度和存在的主要时间尺度,即主周期;其中,小波方差图较明显的峰值数量表示主周期数量,峰值最大的周期为第1主周期,第2峰值为第2主周期,以此类推;
通过小波分析,得到冻融作用次数时间序列f(x)在任意时刻的频率特征及在时间—频率上的变化特征。
4.根据权利要求1所述的一种实际环境冻融作用次数预估方法,其特征在于:所述步骤四中,采用R/S分析方法,对该地区实际环境冻融作用未来变化趋势行分析;其中,
对冻融作用次数时间序列X(t),X=1,2,…,,计算均值序列:
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>u</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>u</mi>
</munderover>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>u</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>;</mo>
</mrow>
其累计离差:
其极差为:
其标准差为:
通过R/S分析可知,R(u)与S(u)存在着一定的关系:
C是常数;
对上式两边取对数:
<mrow>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>H</mi>
<mi> </mi>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>H</mi>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
对上式进行线性模拟,得出Hurst指数,于是不同的H意味着序列不同的趋势变化,其中0<H<1:当H=0.5时,表明序列是完全独立的,是一个随机变化过程;当0<H<0.5时,表明未来的变化趋势与过去的变化趋势相反,即反持续性,H越小,意味着反持续性越强;相反,H>0.5时,表示未来的变化与过去的一致,即表现出持续性,H越大则说明持续性越强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510346124.XA CN105046051B (zh) | 2015-06-19 | 2015-06-19 | 一种实际环境冻融作用次数预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510346124.XA CN105046051B (zh) | 2015-06-19 | 2015-06-19 | 一种实际环境冻融作用次数预估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046051A CN105046051A (zh) | 2015-11-11 |
CN105046051B true CN105046051B (zh) | 2018-01-26 |
Family
ID=54452591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510346124.XA Active CN105046051B (zh) | 2015-06-19 | 2015-06-19 | 一种实际环境冻融作用次数预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046051B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106595576A (zh) * | 2016-12-28 | 2017-04-26 | 青岛理工大学 | 一种地面沉陷的监测与评价方法 |
CN107621532A (zh) * | 2017-09-22 | 2018-01-23 | 河海大学 | 基于突变分析确定浅水湖泊底泥起悬临界切应力的方法 |
CN109636133A (zh) * | 2018-11-21 | 2019-04-16 | 国家电网有限公司 | 影响电通线路安全的气象环境的多尺度变化特征研究方法 |
CN113589404B (zh) * | 2021-07-30 | 2023-02-03 | 郑州大学 | 一种场次暴雨径流量预测方法 |
CN113933188B (zh) * | 2021-10-14 | 2023-07-07 | 北京建筑大学 | 建筑垃圾再生骨料沥青混凝土冻融疲劳性能的试验方法 |
CN116486943B (zh) * | 2023-02-23 | 2024-04-02 | 哈尔滨工业大学(深圳) | 一种考虑地域气温特征的冻融循环试验制度设计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217378A (zh) * | 2008-01-18 | 2008-07-09 | 南京邮电大学 | 一种基于流量统计的小波分析边界处理方法 |
CN104331583A (zh) * | 2014-11-26 | 2015-02-04 | 河海大学 | 一种基于实测海杂波数据的多重分形建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001280599A (ja) * | 2000-03-31 | 2001-10-10 | Hitachi Ltd | 発電プラント配管の寿命予測方法 |
-
2015
- 2015-06-19 CN CN201510346124.XA patent/CN105046051B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217378A (zh) * | 2008-01-18 | 2008-07-09 | 南京邮电大学 | 一种基于流量统计的小波分析边界处理方法 |
CN104331583A (zh) * | 2014-11-26 | 2015-02-04 | 河海大学 | 一种基于实测海杂波数据的多重分形建模方法 |
Non-Patent Citations (2)
Title |
---|
气候变化条件下玛纳斯河流域水资源演变特征研究;易诚;《中国优秀硕士学位论文全文数据库工程科技II辑》;20140115(第1期);第3.1.3节 * |
渭河流域分布式水文模拟及水循环演变规律研究;王帅;《中国博士学位论文全文数据库基础科学辑》;20141015(第10期);第2.1.1.7,3.2-3.4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN105046051A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046051B (zh) | 一种实际环境冻融作用次数预估方法 | |
Wang et al. | Structural health monitoring and performance analysis of a 12-story recycled aggregate concrete structure | |
Tan et al. | Non-stationary analysis of the frequency and intensity of heavy precipitation over Canada and their relations to large-scale climate patterns | |
CN111476404B (zh) | 一种冻融损伤软岩长期变形的预测方法 | |
CN110737967A (zh) | 一种混凝土结构耐久性预测方法、系统及终端 | |
CN108362580B (zh) | 冲击弹性波法检测结构实体混凝土强度的方法 | |
CN102393877A (zh) | 一种桥梁结构钢箱梁随机温度场的模拟方法 | |
CN101792992B (zh) | 永久性路面设计方法 | |
Vandemeulebroucke et al. | Canadian initial-condition climate ensemble: Hygrothermal simulation on wood-stud and retrofitted historical masonry | |
CN104978490A (zh) | 一种预测老龄飞机金属结构日历寿命的新方法 | |
CN109556551B (zh) | 一种基于界面温度的覆冰厚度监测方法 | |
Aral et al. | Effects of freeze-thawing cycles on the physical and mechanical properties of basaltic and dolomitic rocks evaluated with a decay function model | |
Liu et al. | The joint return period analysis of natural disasters based on monitoring and statistical modeling of multidimensional hazard factors | |
Aksu | Nonstationary analysis of the extreme temperatures in Turkey | |
Sun et al. | Low-temperature performance of asphalt mixture based on statistical analysis of winter temperature extremes: A case study of Harbin China | |
Wang et al. | Characteristics of strong winds at the Runyang Suspension Bridge based on field tests from 2005 to 2008 | |
Amirkiyaei et al. | Determination of P-wave velocity of carbonate building stones during freeze–thaw cycles | |
CN114065517B (zh) | 一种采用新型模型无损预测混凝土耐久性能的方法与系统 | |
Zhao et al. | Damage prediction model for concrete pavements in seasonally frozen regions | |
CN117312750A (zh) | 基于水泥混凝土路面的预防性养护方法 | |
An et al. | Tracking source area of Shangdianzi station using Lagrangian particle dispersion model of FLEXPART | |
CN115235884B (zh) | 一种饱和砂岩的损伤状况判别及剩余强度预估方法 | |
Wang et al. | A study of function-based wind profiles based on least squares method: A case in the suburbs of Hohhot | |
Qianqian et al. | Freeze-thaw damage model for cement pavements in seasonal frost regions | |
CN115238606A (zh) | 基于孔隙水颗粒胀缩的岩石冻融损伤数值模拟方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230808 Address after: Unit 3, Building 14, Rented House, Team 4, No. 11 Zhaji Road, Lhasa City, Tibet Autonomous Region, 850009 Patentee after: Tibet Tianyuan Luqiao Co.,Ltd. Address before: 710064 No. 33, South Second Ring Road, Shaanxi, Xi'an Patentee before: CHANG'AN University |
|
TR01 | Transfer of patent right |