CN109829000B - 一种河川年径流量数据的一致性处理方法及装置 - Google Patents
一种河川年径流量数据的一致性处理方法及装置 Download PDFInfo
- Publication number
- CN109829000B CN109829000B CN201910112799.6A CN201910112799A CN109829000B CN 109829000 B CN109829000 B CN 109829000B CN 201910112799 A CN201910112799 A CN 201910112799A CN 109829000 B CN109829000 B CN 109829000B
- Authority
- CN
- China
- Prior art keywords
- period
- annual
- probability distribution
- data
- distribution function
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种河川年径流量数据的一致性处理方法及装置,该方法包括:获取所述河川在预设历史时间段内的年径流量样本序列;根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数;根据所述第一水文概率分布函数确定第一年径流量数据的分位数;根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。本发明实施例可以准确的确定一致性处理后的第一年径流量数据,从而提高了年径流量的统计结果的准确性。
Description
技术领域
本发明涉及水文技术领域,特别涉及一种河川年径流量数据的一致性处理方法及装置。
背景技术
随着人类活动的范围不断的扩大,从而导致人类活动对河川径流量的影响也不断增大。具体的,人类活动对河川径流量的影响体现在两个方面。一方面,由于人类生活和社会生产的需要,不断的引用河川内的水量,从而造成下游统计时,河川径流量的减少;另一方面,由于人类生活对生态环境造成的破坏,例如:对植被、土壤和湿地等下垫面条件的改变,从而造成河川内的水通过下垫面渗透加剧,以及河川内的水量的蒸发加剧等,进而造成统计的河川径流量的减少。可见,当前水文站对河川的年径流量的统计结果与河川的实际年径流量的误差较大。
发明内容
本发明实施例的目的在于提供一种河川年径流量数据的一致性处理方法及装置,解决了当前水文站对河川的年径流量的统计结果与河川的实际年径流量的误差较大的问题。
为了达到上述目的,本发明实施例提供一种河川年径流量数据的一致性处理方法,所述方法包括:
获取所述河川在预设历史时间段内的年径流量样本序列,其中,所述预设历史时间段包括现状期和至少一个历史期,所述年径流量样本序列中包括按时间顺序排列的多个年径流量数据;
根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期;
根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据;
根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。
可选的,所述获取所述河川在预设历史时间段内的年径流量样本序列的步骤,包括:
获取所述河川在所述预设历史时期的年径流量样本序列;
根据预设条件将所述预设历史时期划分为所述现状期和所述至少一个历史期。
可选的,所述根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数的步骤,包括:
根据所述河川在所述预设历史时间段内的年径流量样本序列,确定基于变点模型的非平稳概率分布模型,其中,所述非平稳概率分布模型包括时变参数;
计算所述非平稳概率分布模型的时变参数的取值,以确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数,其中,所述时变参数包括位置参数、尺度参数和形状参数。
可选的,所述计算所述非平稳概率分布模型的时变参数,以确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数的步骤,包括:
采用极大似然估计法,在似然函数取最大值时,确定所述时变参数的极大似然估计取值,其中,所述似然函数为所述第一水文概率分布函数和所述第二水文概率分布函数对应的似然函数;
根据所述时变参数的极大似然估计值确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及根据所述时变参数的极大似然估计值确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数。
可选的,所述根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据的步骤,包括:
将所述分位数输入至根据所述第二水文概率分布函数确定的年径流量一致性处理公式,以计算得到所述一致性处理后的第一年径流量数据;
所述n为所述预设历史时间段内包括的水文年数,所述n为大于1的整数,所述t可以取1至目标年数之间的任意整数,所述目标年数等于n减去现状期内的年数,表示所述至少一个历史期内的第t年,所述为第n年的所述第二水文概率分布函数对应的位置参数,所述为第n年的所述第二水文概率分布函数对应的尺度参数,所述为第n年的所述第二水文概率分布函数对应的形状参数,所述yt表示第t年的所述第一年径流量数据对应的分位数,所述为第t年的所述一致性处理后的第一年径流量数据,所述F-1是所述第二水文概率分布函数的反函数。
可选的,所述预设条件包括:降雨和所述河川的年径流量之间的变化关系,和/或,水资源评价的预设要求。
本发明实施例还提供一种河川年径流量数据的一致性处理装置,所述河川年径流量数据的一致性处理装置包括:
获取模块,用于获取所述河川在预设历史时间段内的年径流量样本序列,其中,所述预设历史时间段包括现状期和至少一个历史期,所述年径流量样本序列中包括按时间顺序排列的多个年径流量数据;
第一确定模块,用于根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期;
第二确定模块,用于根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据;
得到模块,用于根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。
本发明实施例还提供一种电子设备,包括:存储器、处理器、显示屏及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的河川年径流量数据的一致性处理方法中的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的河川年径流量数据的一致性处理方法中的步骤。
上述技术方案中的一个技术方案具有如下优点或有益效果:
本发明实施例中提供的河川年径流量数据的一致性处理方法包括:获取所述河川在预设历史时间段内的年径流量样本序列;根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数;根据所述第一水文概率分布函数确定第一年径流量数据的分位数;根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。这样,根据分位数和第二水文概率分布函数对第一年径流量数据进行一致性处理,可以准确的确定一致性处理后的第一年径流量数据,从而提高了年径流量的统计结果的准确性。
附图说明
图1为本发明实施例提供的一种河川年径流量数据的一致性处理方法的流程图;
图2为本发明实施例提供的一种河川年径流量数据的一致性处理方法的计算流程图;
图3为本发明实施例提供的一种河川年径流量数据的一致性处理装置的结构图;
图4为本发明实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供一种河川年径流量数据的一致性处理方法,所述方法包括以下步骤:
步骤101、获取所述河川在预设历史时间段内的年径流量样本序列,其中,所述预设历史时间段包括现状期和至少一个历史期,所述年径流量样本序列中包括按时间顺序排列的多个年径流量数据。
其中,预设时间段可以指的是当前时间点之前的时间段,例如:上述时间段可以为:当前时间点之前的50年至当前时间点这一段时间。则现状期可以为当前时间点之前的10年至当前时间点这一段时间,而历史期则可以为当前时间点之前的50年至当前时间点之前10年这一段时间。需要说明的是,历史期的个数可以为多个,例如:当前时间点之前的50年至当前时间点之前40年这一段时间为第一历史期,当前时间点之前的40年至当前时间点之前30年这一段时间为第二历史期,当前时间点之前的30年至当前时间点之前20年这一段时间为第三历史期,当前时间点之前的20年至当前时间点之前10年这一段时间为第四历史期。
其中,每一个年径流量数据可以为对水文站实测数据进行传统还原后得到的天然年径流数据,其个数一般可以为几十个,当然,年径流量数据的个数在此不作具体限定。
作为一种可选的实施方式,所述获取所述河川在预设历史时间段内的年径流量样本序列的步骤,包括:
获取所述河川在所述预设历史时期的年径流量样本序列;
根据预设条件将所述预设历史时期划分为所述现状期和所述至少一个历史期。
其中,根据预设条件将预设历史时期划分为所述现状期和所述至少一个历史期,可以表现为根据时间的推移,径流量数据、环境、气候等将发生变化,将年径流量数据的时间段根据该径流量数据、环境、气候等的变化划分为现状其和至少一个历史时期,可以将不具备一致性的水文数据划分为不同的时期,以便分别对不同历史时期内的水文数据进行一致性处理,使各个时间段内的水文数据具备一致性。
本实施方式中,根据预设条件将预设历史时期划分为现状期和至少一个历史期,这样,在后续分别确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数时,使得确定结果更加准确。
其中,可选的,所述预设条件包括:降雨和所述河川的年径流量之间的变化关系,和/或,水资源评价的预设要求。
其中,降雨和河川的年径流量之间的变化关系,可以指的是河川上游的降雨和河川的年径流量之间的变化关系。而水资源的预设要求可以为国家政策要求或者世界水资源保护组织的要求。
另外,预设条件还可以包括:世界气候变化与河川年径流量之间的变化关系。
本实施例中,由于预设条件的不同,导致在将预设历史时期划分为现状期和至少一个历史期时的标准不同,从而使得划分现状期和历史期时更加灵活。
步骤102、根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期。
其中,不同历史期内的年径流量数据对应的第一水文概率分布函数的相关参数不同,因此,本实施方式中确定的为目标历史期内的年径流量数据对应的第一水文概率分布函数的相关参数,以及现状期内的年径流量数据对应的第二水文概率分布函数的相关参数。
其中,目标历史时期可以是上述至少一个历史时期中的任意一个历史时期,且各个历史时期均可以采用相同的一致性处理方式分别进行处理,已分别将各个历史时期内的径流量数据转化为与所述现状期的径流量数据具备一致性的径流量数据,在此仅以目标历史时期为例。
可选的,所述根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数的步骤,包括:
根据所述河川在所述预设历史时间段内的年径流量样本序列,确定基于变点模型的非平稳概率分布模型,其中,所述非平稳概率分布模型包括时变参数;
计算所述非平稳概率分布模型的时变参数的取值,以确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数,其中,所述时变参数包括位置参数、尺度参数和形状参数,而且,可以令所述形变参数为常数,以简化函数和计算过程。
本实施例中,由于河川的河川年径流量数据一般受到位置参数、尺度参数和形状参数的影响,通过确定上述参数的取值,并根据上述参数确定目标历史期内的年径流量数据对应的概率密度函数和第一水文概率分布函数,以及确定现状期内的年径流量数据对应的概率密度函数和第二水文概率分布函数,从而使得确定结果的准确性较高。
其中,可选的,所述计算所述非平稳概率分布模型的时变参数,以确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数的步骤,包括:
采用极大似然估计法,在似然函数取最大值时,确定所述时变参数的极大似然估计取值,其中,所述似然函数为所述第一水文概率分布函数和所述第二水文概率分布函数对应的似然函数;
根据所述时变参数的极大似然估计值确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及根据所述时变参数的极大似然估计值确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数。
在本实施例中,先通过极大似然估计法,在似然函数取最大值时,确定时变参数的极大似然估计取值,然后根据时变参数的极大似然估计值确定目标历史期内的年径流量数据对应的概率密度函数和第一水文概率分布函数,以及根据时变参数的极大似然估计值确定现状期内的年径流量数据对应的概率密度函数和第二水文概率分布函数,从而使得目标历史期内的年径流量数据对应的概率密度函数和第一水文概率分布函数,以及现状期内的年径流量数据对应的概率密度函数和第二水文概率分布函数的准确性更高。
步骤103、根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据。
其中,第一年径流量数据可以指的是目标历史期内的各年度的年径流量数据。
步骤104、根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。
其中,进行一致性处理可以是指:对第一年径流量数据进行修正,以使修正后的径流量数据与现状期内的年径流量数据之间具备一致性。
可选的,所述根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据的步骤,包括:
将所述分位数输入至根据所述第二水文概率分布函数确定的年径流量一致性处理公式,以计算得到所述一致性处理后的第一年径流量数据;
所述n为所述预设历史时间段内包括的水文年数,所述n为大于1的整数,所述t可以取1至目标年数之间的任意整数,所述目标年数等于n减去现状期内的年数,表示所述至少一个历史期内的第t年,所述为第n年的所述第二水文概率分布函数对应的位置参数,所述为第n年的所述第二水文概率分布函数对应的尺度参数,所述为第n年的所述第二水文概率分布函数对应的形状参数,所述yt表示第t年的所述第一年径流量数据对应的分位数,所述为第t年的所述一致性处理后的第一年径流量数据,所述F-1是所述第二水文概率分布函数的反函数。
本实施方式中,由于可以直接将分位数输入至根据第二水文概率分布函数确定的年径流量一致性处理公式,以计算得到一致性处理后的第一年径流量数据,这样,可以获得的一致性处理后的第一年径流量数据较为准确,且使得用户的操作较为方便,从而使得用户的体验较好。
本发明实施例中,通过步骤101至104,根据分位数和第二水文概率分布函数对第一年径流量数据进行一致性处理,可以准确的确定一致性处理后的第一年径流量数据,从而提高了年径流量的统计结果的准确性。
下面对本发明实施例中的一致性处理后的第一年径流量数据的计算过程进行举例说明:
步骤201、河川在预设历史时期的年径流量样本序列的历史期划分。
用Xt(t=1,…,n)代表河川的年径流量样本序列中包括的多个年径流量数据,n为多个年径流量数据对应的水文系列年数,t为预设历史时期内的年径流量数据对应的水文系列年数。依据降雨-径流之间的变化关系,将预设历史时期进行分期,划分成现状期和若干个历史期,其中现状期为距离当前时间点最近的一个时期。在同量级降水情况下,不同历史时期的产流量应有明显差异。例如:对于中国华北地区,可根据中国第一次水资源评价、第二次水资源评价的要求将预设历史时期划分成3个时期:第一个时期是1956-1979年,该时期人类活动影响程度相对较小;第二个时期是1980-2000年,该时期华北地区地表水资源量呈衰减趋势;第三个时期是2000年以后,该时期人类活动影响进一步加大,同1980-2000年系列比较,水资源情势进一步发生变化。第三个时期作为现状期。
步骤202、建立基于变点模型的非平稳概率分布,估计概率密度函数中的时变参数,分别确定目标历史期的年径流量数据和现状期内的年径流量数据对应的概率密度函数和分布函数。
采用基于变点模型的非平稳概率分布对Xt(t=1,…,n)进行建模,其似然函数为:L(μ(t),σ(t),ξ(t))=∏g(Xt;μ(t),σ(t),ξ(t)),其中,g(Xt;μ(t),σ(t),ξ(t))是Xt的参数分别为μ(t),σ(t),ξ(t)的非平稳概率分布的密度函数,L(μ(t),σ(t),ξ(t))是Xt的参数分别为μ(t),σ(t),ξ(t)的非平稳概率分布的似然函数。非平稳概率分布的类型可以是广义极值分布、皮尔逊III型分布、耿贝尔分布等。其中,μ(t)为位置参数,σ(t)为尺度参数,ξ(t)为形状参数。在步骤201划分的每一个历史期和现状期内,μ(t),σ(t),ξ(t)均可以取常数,但不同历史期和现状期的参数有差异。例如,如果步骤201中划分了3个历史期,则参数的定义可以如下:
上述t为预设历史期内的各个年径流量数据对应的水文系列年数的取值,其可以取1至n中的任意整数,t1为第一个历史期与第二个历史期分界年的年数取值,t2为第二个历史期与现状期分界年的年数取值。即,1≤t≤t1对应的年径流量数据为第一历史时期内的年径流量数据,t1<t≤t2对应的年径流量数据为第二历史时期内的年径流量数据,t2<t≤n对应的年径流量数据为现状期内的年径流量数据。μ1、μ2和μ3均为位置参数的取值,σ1、σ2和σ3均为尺度参数的取值,ξ1、ξ2和ξ3均为形状参数的取值。
采用极大似然估计法对D=ln{L(μ(t),σ(t),ξ(t))}求最大值,能得到参数μ(t),σ(t),ξ(t)分别对应的极大似然估计值其中,D表示似然函数的对数。这样就分别确定了目标历史期的年径流量数据的概率密度函数和水文概率分布函数,以及和现状期内的年径流量数据对应的概率密度函数和水文概率分布函数。
步骤203、根据目标历史期内的年径流量数据对应的水文概率分布函数计算出其对应的分位数。
针对Xt(t=1,…,n),用表示第t年的年径流量数据对应的水文概率分布函数。用Xt(t=m+1,m+2,…,n)代表现状期内包括的多个年径流量数据,用Xt(t=1,…,m)代表现状期之前的历史期内包括的多个年径流量数据,其中,m为现状期之前的历史期内最后一年对应的水文年数,m+1和m+2等均为现状期内对应的水文年数。
针对Xt(t=1,…,m),计算出各水文年数对应的分位数。
步骤204、根据分位数和现状期内的年径流量数据对应的水文概率分布函数计算得到一致性处理后的第一年径流量数据。
将分位数输入至根据现状期内的年径流量数据对应的水文概率分布函数确定的年径流量一致性处理公式中,从而计算得到一致性处理后的第一年径流量数据,其中F-1是现状期内的年径流量数据对应的水文概率分布函数的反函数,分别表示第n年的现状期内的年径流量数据对应的水文概率分布函数对应的位置参数、尺度参数和形状参数。
本发明实施例同样可以准确的确定一致性处理后的年径流量,从而提高了年径流量的统计结果的准确性。
参见图3,图3是本发明实施例提供的一种河川年径流量数据的一致性处理装置,所述河川年径流量数据的一致性处理装置300包括:
获取模块301,用于获取所述河川在预设历史时间段内的年径流量样本序列,其中,所述预设历史时间段包括现状期和至少一个历史期,所述年径流量样本序列中包括按时间顺序排列的多个年径流量数据;
第一确定模块302,用于根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期;
第二确定模块303,用于根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据;
得到模块304,用于根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。
本发明实施例提供的河川年径流量数据的一致性处理装置能够实现图1和图2所示的方法实施例中河川年径流量数据的一致性处理装置实现的各个过程,为避免重复,这里不再赘述。
请参阅图4,本发明实施例还提供一种电子设备,包括:收发机401、处理器402、存储器403、总线接口以及存储在存储器403上并可在处理器401上运行的计算机程序,收发机401用于获取所述河川在预设历史时间段内的年径流量样本序列,处理器401执行所述计算机程序,并根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期;根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据;根据所述分位数和所述第二水文概率分布函数对所述第一年径流量数据进行一致性处理,得到一致性处理后的第一年径流量数据。从而实现如上所述的河川年径流量数据的一致性处理方法的步骤。取得与上述方法实施例中相同的有益效果,为避免重复,在此不再赘述。
本发明实施例还提供一种计算机存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的河川年径流量数据的一致性处理方法中的步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述河川年径流量数据的一致性处理方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种河川年径流量数据的一致性处理方法,其特征在于,所述方法包括:
获取所述河川在预设历史时间段内的年径流量样本序列,其中,所述预设历史时间段包括现状期和至少一个历史期,所述年径流量样本序列中包括按时间顺序排列的多个年径流量数据;
根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期;
根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据;
将所述分位数输入至根据所述第二水文概率分布函数确定的年径流量一致性处理公式,以计算得到所述一致性处理后的第一年径流量数据;
2.根据权利要求1所述的方法,其特征在于,所述获取所述河川在预设历史时间段内的年径流量样本序列的步骤,包括:
获取所述河川在所述预设历史时期的年径流量样本序列;
根据预设条件将所述预设历史时期划分为所述现状期和所述至少一个历史期。
3.根据权利要求1或2所述的方法,其特征在于,所述根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数的步骤,包括:
根据所述河川在所述预设历史时间段内的年径流量样本序列,确定基于变点模型的非平稳概率分布模型,其中,所述非平稳概率分布模型包括时变参数;
计算所述非平稳概率分布模型的时变参数的取值,以确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数,其中,所述时变参数包括位置参数、尺度参数和形状参数。
4.根据权利要求3所述的方法,其特征在于,所述计算所述非平稳概率分布模型的时变参数,以确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数的步骤,包括:
采用极大似然估计法,在似然函数取最大值时,确定所述时变参数的极大似然估计取值,其中,所述似然函数为所述第一水文概率分布函数和所述第二水文概率分布函数对应的似然函数;
根据所述时变参数的极大似然估计值确定所述目标历史期内的年径流量数据对应的概率密度函数和所述第一水文概率分布函数,以及根据所述时变参数的极大似然估计值确定所述现状期内的年径流量数据对应的概率密度函数和所述第二水文概率分布函数。
5.根据权利要求2所述的方法,其特征在于,所述预设条件包括:降雨和所述河川的年径流量之间的变化关系,和/或,水资源评价的预设要求。
6.一种河川年径流量数据的一致性处理装置,其特征在于,所述河川年径流量数据的一致性处理装置包括:
获取模块,用于获取所述河川在预设历史时间段内的年径流量样本序列,其中,所述预设历史时间段包括现状期和至少一个历史期,所述年径流量样本序列中包括按时间顺序排列的多个年径流量数据;
第一确定模块,用于根据预设历史时间段内的年径流量样本序列确定目标历史期内的年径流量数据对应的第一水文概率分布函数,以及确定所述现状期内的年径流量数据对应的第二水文概率分布函数,其中,所述至少一个历史期包括所述目标历史期;
第二确定模块,用于根据所述第一水文概率分布函数确定第一年径流量数据的分位数,其中,所述目标历史期内的年径流量数据包括所述第一年径流量数据;
得到模块,用于将所述分位数输入至根据所述第二水文概率分布函数确定的年径流量一致性处理公式,以计算得到所述一致性处理后的第一年径流量数据;
7.一种电子设备,其特征在于,包括:存储器、处理器、显示屏及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的河川年径流量数据的一致性处理方法中的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的河川年径流量数据的一致性处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910112799.6A CN109829000B (zh) | 2019-02-13 | 2019-02-13 | 一种河川年径流量数据的一致性处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910112799.6A CN109829000B (zh) | 2019-02-13 | 2019-02-13 | 一种河川年径流量数据的一致性处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109829000A CN109829000A (zh) | 2019-05-31 |
CN109829000B true CN109829000B (zh) | 2020-12-22 |
Family
ID=66863506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910112799.6A Active CN109829000B (zh) | 2019-02-13 | 2019-02-13 | 一种河川年径流量数据的一致性处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829000B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276150A (zh) * | 2019-06-27 | 2019-09-24 | 江西省水利科学研究院 | 一种基于Copula函数的山丘区河川基流量系列插补延长方法 |
CN112163696B (zh) * | 2020-09-14 | 2023-05-02 | 南方电网科学研究院有限责任公司 | 基于水文指数的电力系统稳定性预测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697172A (zh) * | 2009-10-12 | 2010-04-21 | 南京大学 | 一种水文频率线型参数估计方法 |
CN104091074A (zh) * | 2014-07-12 | 2014-10-08 | 西安浐灞生态区管理委员会 | 一种基于经验模态分解的中长期水文预报方法 |
CN105701192A (zh) * | 2016-01-11 | 2016-06-22 | 杭州电子科技大学 | 基于百度地图的水流态势一致性系统 |
CN108897977A (zh) * | 2018-08-24 | 2018-11-27 | 河海大学 | 一种基于大区域水文模拟的径流演变不确定归因方法 |
CN109284477A (zh) * | 2018-09-29 | 2019-01-29 | 中国水利水电科学研究院 | 一种水文序列的丰枯组合概率计算方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9772609B2 (en) * | 2013-05-24 | 2017-09-26 | Optirtc, Inc. | Optimized hydromodification management with active stormwater controls |
-
2019
- 2019-02-13 CN CN201910112799.6A patent/CN109829000B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101697172A (zh) * | 2009-10-12 | 2010-04-21 | 南京大学 | 一种水文频率线型参数估计方法 |
CN104091074A (zh) * | 2014-07-12 | 2014-10-08 | 西安浐灞生态区管理委员会 | 一种基于经验模态分解的中长期水文预报方法 |
CN105701192A (zh) * | 2016-01-11 | 2016-06-22 | 杭州电子科技大学 | 基于百度地图的水流态势一致性系统 |
CN108897977A (zh) * | 2018-08-24 | 2018-11-27 | 河海大学 | 一种基于大区域水文模拟的径流演变不确定归因方法 |
CN109284477A (zh) * | 2018-09-29 | 2019-01-29 | 中国水利水电科学研究院 | 一种水文序列的丰枯组合概率计算方法及装置 |
Non-Patent Citations (1)
Title |
---|
非平稳时间序列极值统计模型及其在气候-水文变化研究中的应用综述;鲁帆 等;《水利学报》;20170430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109829000A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038040B (zh) | 计算机集群性能指标检测方法、电子设备及存储介质 | |
Liu et al. | Coupling the k-nearest neighbor procedure with the Kalman filter for real-time updating of the hydraulic model in flood forecasting | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
CN106096226B (zh) | 一种数据评估方法、装置及服务器 | |
CN109829000B (zh) | 一种河川年径流量数据的一致性处理方法及装置 | |
CN109460908A (zh) | 软件工程的造价评估方法 | |
CN111478963A (zh) | 消息推送方法、装置、电子设备及计算机可读存储介质 | |
CN109284477A (zh) | 一种水文序列的丰枯组合概率计算方法及装置 | |
KR20210017342A (ko) | 과거 데이터에 기초한 시계열 예측 방법 및 장치 | |
CN113312578A (zh) | 一种数据指标的波动归因方法、装置、设备、及介质 | |
CN109543940B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
Lu et al. | Application of profile likelihood function to the uncertainty analysis of hydrometeorological extreme inference | |
CN110135114B (zh) | 河流设计最低通航水位的确定方法和装置 | |
CN109116183B (zh) | 谐波模型参数辨识方法、装置、存储介质及电子设备 | |
Harkushenko et al. | Analysis of economic and mathematical models of information and communication technology (ICT) effect on the production output: Does the solow paradox exist? | |
Christensen et al. | The realized empirical distribution function of stochastic variance with application to goodness-of-fit testing | |
CN109870146B (zh) | 一种气候变化情景下的洪水频率计算方法和装置 | |
CN108804640B (zh) | 基于最大化iv的数据分组方法、装置、储存介质及设备 | |
CN113268710A (zh) | 一种干旱极值信息输出方法、装置、电子设备和介质 | |
CN109347691B (zh) | 一种用于Web服务的数据采样方法、装置及设备 | |
Chen et al. | Uncertainty analysis of hydrologic forecasts based on copulas | |
CN112034535A (zh) | 数值模式降水预报的订正方法、系统及存储介质 | |
CN108648121A (zh) | 仿真数据生成方法及装置和电子设备 | |
CN116539006B (zh) | 径流预测方法、装置、计算机设备和存储介质 | |
CN116011170A (zh) | 一种径流丰枯概率确定方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |