水文时间序列周期识别的新思路与两种新方法

科 技列周期 识别 的新 思路 与两种新 方法
孙 影
（ 黑龙 江省 第二 水文地质 工程地质勘察院 ， 黑龙江 哈 尔滨 １ ５ ０ ０ ０ ０ ） 摘 要： 在 目前 的水文时间序 列周期 的ｉ Ｔ ， ￣ Ｊ ０ 中， 存在较 大的困难 ， 为 了能够有效 的简化水 文时间序 列周期识 别的难度 ， 本文就展开 了 对水文时间序 列周期识别新思路的分析 ， 并在对水文时 间序列周期识别新思路 的产 生充分 了解的基础上 ， 得 出两种新的水文 时间序列周 期识别方法 ， 这两种方法的应用， 有效的识别 出了水文 时间的序 列周期 ， 由此 可以看 出， 这两种新的识别方法具有广泛的应用价值。希望 本文的探 究能够为相 关的人 员提供一定的参考和借鉴 。 ， 关键词 ： 水文时间序列 ； 周期识别 ； 新思路 ； 新 方法 在 目前 的水文研究工作 中， 水文 时间序列周期识别 是其 中的重 在水文序列中 ， 主要存在两种成分 ， 其一是确定性成分 ， 其二 是 点工作项 目之一 ， 在对该 工作进行分析 的过 程中 ， 主要 采用 的手 段 随机成分 。序列长度对于周期识别具有一定的影响作用 ， 当序列 的 和方法就是谱分析法 ， 这一方法 的应用虽 然在 一定 程度 上能够识 别 长度较短 的时候 ，则随机成分就会对确定 性成分产生严重的影响 ， 出水文时 间序列周期 ， 但是 ， 效果却不 明显 。 由于水文时间序列具有 这样就会使得在对水文时间序列 周期 识别 的过程中 ， 出现严重 的识 长短 不一 以及复杂 的问题 ， 因此 ， 这种方法在实际 的应用 中， 具有单 别偏 差。 一般来说 ， 水文序列并不是很长 ， 甚 至是较短 ， 基 于此点 ， 在 片面的性质 ， 同时 ， 由于序列具有一致性 ， 也会加大水 文时间序列 对水 文时间序列周期进行识别的时候 ， 需要采用建模 的方式 对水 文 周期 识别 的难度 ， 因此 ， 就需要对 水文时间序列周期进 行新思路 的 时间序列周期进 行有效的延长处理 ， 在延长处理 完成之后 ， 再进行 探究 和新方法 的研究 ， 从 而保 障水文时间序列周期识别 的有效性 。 序列周期 的识别 。然而 ， 值得注意 的是 ， 在对序列进行延长的时候 ， １ 水 文 时 间序 列周 期 识 别 新 思 路 的 产 生 要尽 可能 的保 障原序列的基本性 质和特点 ， 使得其 中的随机成分 能 之所 以会 出现水文时间序列周期识别的新思路 ， 主要 就是因为 够在一定程度 上减 少 ，从而减低随机成分 对周期识别 准确性 的影 传统 的水 文时间序列周期识别方法较为单一 ， 不能够客观以及全面 响 ， 这样可 以使得周期识别 的效果能够最大限度的体现 。 的反应 出水文时 间序列周期 。因此 ， 需要 对水 文时间序列周期识别 本 次建模选择 自回归模型 Ａ Ｒ Ｍｏ ｄ ｅ ｌ 。取 容许 限 ９ ５ ％， 通过计算 进行新思路 的研究和发展。 针对水文时间序列周期展开识别工作的 各阶 自相关 系数进行 型识 别 ， 建立 Ａ Ｒ偏态 自回归模 型 ， 然后分别 时候 ， 需 要对实际所要检测 的序列进行相关成分 的具体分 析 ， 而在 采用 长序列法和短序列法进行模 型检验。长序列法模 拟某年序列 ， 成分 分析 的时候 ， 为 了能 够使 得序列成分 的检测 更加 的全 面 ， 就 需 求得模拟序列 的特征值 ； 短序列法模拟序列长度为 ５ ０ 年， 然后求各 要进行样本 的抽取 ， 对其 中的 ９ ５ ％成分进行检验 ， 主要采用 的检验 特征值的平均值 。最后 与原序列 的特征值对比分 析。用该 Ａ Ｒ模 型 方法为 Ｋ ｅ ｎ ｄ ａ ｕ检 测法 、线 性回归检验法以及 Ｓ ｐ ｅ ａ ｒ ｍａ ｎ检验法 ， 利 对原 序列延长 ， 然后进行周期识别 。 在对延长序列进行周期识别时 ， 用这 三种方法进行分析 的时候 ， 可以得到一个 水文时间序列的趋势 传统 方法 的结果都会得到不 同程度的改善 ， 而此处选用相对更优 的 性 方程式 ， 在得 出的方程 式的基础上 ， 再采用相关 的里和海 哈林 法 Ｍ Ｅ Ｓ Ａ。结果显示 ， 序列延长后 ， Ｍ Ｅ Ｓ Ａ的周期识别效果明显改善 。 对序列 的成分 以及序列的性能进行有效的分析和研究 ， 就研 究的结 ２ ． ２构 建 主频 序列 法 果 可以看 出， 水文时间序列周期并不具备跳跃性 。而在将列举 的趋 水 文序 列中随机成分影响周期识别效果 ， 如果 能去除或尽可能 势项进行剔 除后 ， 就会得 到相应 的水文 时间序列周期识别 表 ， 依 据 减少序列 中的随机成分 ， 就可有效地识别周期 。而小 波重构 方法 正 该表就能够对水文时间序列周期进行有效的识别 。 好具 有重构原序列 中各种不同成分 的功能 。 所 以可采用以下处理方 在实 际的应用 中， 传统 的识别方 法只是单 纯的对趋 势项 进行提 法 ： 首先 在不同时间尺度下将 原序列进行小波分解 ， 并 去除随机性 出， 然后 再进行水文 时间序列周期 的识别 ， 这样 的识别 方法存在 单 成分 ， 然后将 剩余部分重构 ， 最后对 主频重构序列进行周期识别 。 这 局 限性 ， 无法全面 的反 映出水文时间序列 的周 期 ， 传 统方法 的应 种方法 的关键是合理确定随机成 分对 应的小波系数 阈值 ， 使去除 随 用， 在一 定程度上会受到诸 多因素的影响 ， 从而使得传 统方法 的优 机 成分之后 的序列仍能保持原序列 的变化特性 。 势和作用无法得到有效 的发挥 ， 识别 的效果并不理想。 因此 ， 就需要 ３ 结 论 拓展水文 时间序列周期识别的新思路。 而新思路 的产生主要体现在 综 上所 述 ， 传统 的水文 时间序列周期识别 方法具有一定 的局 限 以下 几 点 ： 性， 识别的准确性并不 高 ， 识别的结果 也并 不理想。因此 ， 需要产生 １ ． １ ＭＥ Ｓ Ａ法对周 期的识别结果通 常会受 到序列长度 的影响 ， 新 的水文时间序列周期 识别思路 ， 研究 出新 的识别方 法 ， 本 文就提 而且不 同长度 的序列周期值之间也存在着一定 的差异性。 出了两种新 的识别方 法 ， 其一是模 拟延长序列法 ， 其二就是 构建 主 １ ． ２实 践中可 以看到 ， 序列长度 越短 ， 则说 明随机成 分在整 个 频序列法 ， 这两种 新方法 的应用 ， 不仅使得 识别的结果更加的准确 ， 序列 中所 占的比重就越大 ， 而且对功 率谱计算 结果 的准确性 也会 产 而且也使得识别 的周期更加的精确。从这一点上来 说 ， 水文 时间序 生非 常大 的影 响 ， 此 时周期识 别也 比较 困难 ， 而且得 到的结果差 异 列周期识别 的新思路以及新 方法具有推广和发展的价值和必要性 。 性也就会越大 。 参考文献 １ ． ３对于一些 比序列长度周期 稍微 小一点 的而言 ， 难 以被有效 【 ｌ 】 桑燕芳， 王栋， 吴吉春， 朱庆平， 王玲 ． 水文时间序列复杂特性 的研 究 的识别 出来 。 比如 ， １ ０年序列难 以有效 地识别 出 ３年 的周 期 ， 或 者 与定量表征［ Ｊ 】 ． 水文， ２ ０ １ ０ （ ５ ） ． １ ５ 、 ２ ０年 的序列难以识别 出 １ ０年的周期。 【 ２ ］ 汤成友， 缈 韧． 基 于小波 变换 的水文 时间序 列分解及 周期识 别ｆ Ｊ １ ． １ ． ４序列的一致性对 整个周期 的识别影响相对较小 一些 。如果 人 民长江． ２ ０ １ ２ （ １ ２ ） ． 取３ ５年及以上序 列的长度 ， 即可识别 出和小于 ３ Ｏ 年 的序列 相一 致 ｆ ３ ］ ． ７ － ． － 栋， 朱元牲 基于 ＭＥ Ｍ１ 谱分析的水文时间序列 隐含周期特性研 的时间序 列周 期 ， 比如 ３ 年、 ７年等 。究其原 因， 主要是 因为序列 自 究［ Ｊ ］ ． 水文， ２ ０ １ ２ （ ２ ） ． 身的原始状态及其一致性条件通常会受到暂态成分的影响 ， 而后 者 ［ ４ 】 王栋， 朱元 牲 ． 最大熵原理在 水文水资源科 学中的应 用【 Ｊ ］ ． 水科 学 通 常会受 到人类的各种活动影响。 进展， ２ ０ １ １ （ ３ ） ． 基于以上分析可知 ，在 当前 的水文时间序列周期识别过程 中 ， 由于传统 的识别方法 已经不能适应新时期 的发展要求 ， 因此应 当创 新思路 ， 探寻新的识别 方法 。