【技术实现步骤摘要】
本专利技术涉及径流非一致性变化识别方法，尤其是基于序列重构的径流非一致性变化识别方法。
技术介绍
1、全球气候变化、人口数量持续增长且社会活动不断增强，导致流域降水、蒸发、土地利用/覆被、河道外用水等发生改变，受此影响，流域河川径流时空分布规律发生变异，径流的均值、方差、极值等统计特征均发生了明显改变，水文一致性遭到破坏，加深了水资源及其开发利用的不确定性。
2、水文一致性是传统水资源规划与管理的基本假定，水利工程的设计运行、调度理论方法研究均基于该基本假定，非一致性的出现无疑会对水利工程的运行方式和综合效益产生影响，甚至会威胁到水利工程安全、水资源安全。
3、在径流非一致性识别和预测过程中的各个环节，包括序列分段、参数估计、水文模拟、统计分析和预测等方面，都存在尚未解决的技术问题。因此需要改进创新。
技术实现思路
1、专利技术目的，提供一种基于序列重构的径流非一致性变化识别方法，以解决现有技术存在的上述问题。另一方面提供基于序列重构的径流非一致性变化识别系统。
2、技术方案，基于序列重构的径流非一致性变化识别方法，包括如下步骤：
3、步骤s1、收集研究区历史资料，提取并构建历史径流序列，采用多种突变点识别方法识别历史径流序列，得到历史径流序列突变点集，基于历史径流序列突变点将历史径流序列分为n段，其中每段中的径流具有一致性，n为正整数；
4、步骤s2、构建研究区的swat模型，采用优化的dream算法依次计算得到每一段径
5、步骤s3、基于模型参数的后验概率密度函数对参数抽样得到海量参数方案，依次将每一段径流序列的气象数据、地形数据、土壤特性、土地利用数据、水文参数和海量参数方案输入swat模型，计算得到每一段径流序列对应的径流逐日过程；
6、步骤s4、对每一段径流序列，分别拟合年、月、日边缘分布并构建年、月、日三维联合分布，分别统计各分段年、月、日对应的径流均值、方差和极值，得到年、月、日对应的径流非一致性变化特征；
7、步骤s5、采用多种函数分别拟合年、月、日对应径流均值、方差和极值和历史径流序列分段序号的函数表达式并优选出最优拟合函数及其对应参数，计算第n+1段径流序列对应的年、月、日径流均值、方差和极值，构建未来径流序列分段的年、月、日三维联合分布，得到未来径流序列分段年、月、日对应的径流非一致性变化特征。
8、根据本申请的一个方面，所述步骤s1进一步为：
9、步骤s11、收集研究区历史资料，包括：历史径流数据、气象数据、地形数据、土壤特性、土地利用数据和水文参数；
10、步骤s12、提取历史径流数据构建历史径流序列；
11、步骤s13、分别采用双累积曲线、pettitt检验、m-k检验、滑动t-检验和有序聚类识别历史径流序列的均值、方差和极值的突变点；
12、步骤s14、基于历史径流序列的均值、方差和极值的突变点将历史径流序列分为n段，每一段内的径流具有一致性，n为正整数。
13、根据本申请的一个方面，所述步骤s13进一步为：
14、步骤s13a、分别采用双累积曲线、pettitt检验、m-k检验、滑动t-检验和有序聚类法对历史径流序列的均值、方差和极值进行识别，分别得到若干个突变点；
15、步骤s13b、将所有得到的突变点整理成表格，包括突变点的位置和统计值；
16、步骤s13c、按同一突变点被几种方法识别出将突变点分为高信度突变点、中信度突变点和待筛选突变点，将高信度突变点和中信度突变点识别为突变点，其中，高信度突变点为被所有方法一致识别、中信度突变点为3种或以上方法识别、待筛选突变点为仅被2种方法或单一方法识别；
17、步骤s13d、选取待筛选突变点前后邻近突变点之间的径流序列片段并采用多种趋势检验法进行趋势检验与显著性水平值计算，进一步计算综合显著性水平值，将综合显著性水平值大于阈值的待检验径流片段对应的待筛选突变点识别为突变点。
18、根据本申请的一个方面，所述步骤s13d进一步为：
19、步骤s13d1、选取待筛选突变点前后邻近突变点之间的径流序列片段作为待检验径流片段，分别采用线性回归、m-k检验、spearman检验对待检验径流片段进行趋势检验与显著性水平值计算，得到每个待检验径流片段趋势变化对应的3个显著性水平值；
20、步骤s13d2、基于博弈论以纳什均衡为目标，对对每个待检验径流片段对应的3个显著性水平值赋权，将3个显著性水平值与其权重值乘积的和作为该待检验径流片段趋势性变化的综合显著性水平值；
21、步骤s13d3、依次计算所有待筛选突变点对应的待检验径流片段趋势线变化综合显著性水平值，将综合显著性水平值大于阈值的待检验径流片段对应的待筛选突变点识别为突变点。
22、根据本申请的一个方面，所述步骤s2进一步为：
23、步骤s21、构建研究区的swat模型，将水文模型参数在其取值范围内服从均匀分布作为第一段径流序列的先验分布；
24、步骤s22、采用基于改进采样-更新-抽样过程的优化后的dream算法对第一段径流序列的先验分布进行贝叶斯推断，得到水文模型的后验概率密度函数作为第一段径流序列的模型参数同时作为下一段径流序列的先验分布；
25、步骤s23、以上一段径流序列的后验分布作为本段径流序列的先验分布进行贝叶斯推断，将得到的后验分布作为下一段径流序列的先验分布，依次计算得到每一段径流序列对应的水文模型的后验概率密度函数。
26、根据本申请的一个方面，所述步骤s22进一步为：
27、步骤s22a、提取第一段径流序列的先验分布；
28、步骤s22b、采用混合差分采样法从先验分布中抽取若干个初始样本，采用snooker更新优化的差分进化算法生成新的候选样本；
29、步骤s22c、计算后验概率并基于metropolis准则计算接受概率；
30、步骤s22d、重复迭代直到样本收敛则停止迭代，基于最后的样本提取参数估计和后验分布的置信区间；
31、步骤s22e、将得到水文模型的后验概率密度函数作为第一段径流序列的模型参数同时作为下一段径流序列的先验分布。
32、根据本申请的一个方面，所述步骤s3进一步为：
33、步骤s31、基于每段径流序列的模型参数的后验概率密度函数对参数进行随机抽样得到段径流序列对应的海量参数方案；这里的海量是指大于预定数量，比如大于10000万个。比普通的参数方案要多很多的意思。
34、步骤s32、将每段径流序列对应的海量参数方案、气象数据、地形数据、土壤特性、土地利用数据和水文参数组合依次输入swat模型，计算得到海量径流；
35、步骤s33、将每段径流序列对应的海量径流作为每一段的径流逐日过程。
<本文档来自技高网...【技术保护点】
1.基于序列重构的径流非一致性变化识别方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S1进一步为：
3.如权利要求2所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S13进一步为：
4.如权利要求3所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S13d进一步为：
5.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S2进一步为：
6.如权利要求5所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S22进一步为：
7.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S3进一步为：
8.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S4进一步为：
9.如权利要求8所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S41进一步为：
10.如权利要求9所
11.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤S5进一步为：
12.基于序列重构的径流非一致性变化识别系统，其特征在于，包括：
...【技术特征摘要】
1.基于序列重构的径流非一致性变化识别方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤s1进一步为：
3.如权利要求2所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤s13进一步为：
4.如权利要求3所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤s13d进一步为：
5.如权利要求1所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤s2进一步为：
6.如权利要求5所述的基于序列重构的径流非一致性变化识别方法，其特征在于，所述步骤s22进一步为：
【专利技术属性】
技术研发人员：张宇，廖轶鹏，陈天宇，仇娟娟，杨逸，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。