本發明專利技術公開了一種基于變化檢測與偏差校正的逐日水文序列重構方法，主要步驟如下：首先，將日尺度水文序列轉化為月尺度序列，檢測月尺度序列的突變點及其顯著性；其次，檢驗分析突變點前后的趨勢，確保無顯著趨勢性；然后，基于累積分布函數進行初步校正，使突變點前后的月尺度序列分布特征一致；隨后，將所有突變月份的累計校正總偏差按比例分配到非突變月份的日尺度水文序列中；最后，分別對非突變月份和突變月份的逐日水文序列進行重構，從而得到完整的逐日水文序列。該方法可實現逐日水文序列的還現和還原重構，能有效應對多突變點的情形并保證數據的平滑過渡性，極大提高逐日水文序列重構的精度和適應性。
【技術實現步驟摘要】
本專利技術涉及水文數據分析領域，尤其涉及一種基于變化檢測與偏差校正的逐日水文序列重構方法。
技術介紹
1、逐日水文序列是水資源管理、氣候變化研究、洪水預警等領域的基礎數據，其精度和一致性對于科學研究和實際應用具有重要意義。然而，由于氣候變化、人類活動以及觀測條件變化等因素，逐日水文序列常常受到突變點甚至是多突變點的影響，使水文序列呈現出非平穩性，這種非平穩性對水文序列的分析和預測精度產生了顯著影響。現有針對多突變點逐日水文序列重構的技術主要包括基于線性插值、回歸分析以及比例分配的校正方法，但這些方法在逐日精度和突變點處理的系統性方面存在明顯不足。具體來說，偏差分配大多停留在月尺度上，忽視逐日數據的精細化分配，容易引發數據跳躍或分布不均；突變月份校正大多采用統一調整方法，難以同時兼顧月尺度數據一致性與逐日動態特性；對于多突變點場景的處理更是缺乏系統解決方案，導致多個突變點之間的偏差疊加或分配失衡問題，嚴重影響校正序列的平穩性和一致性。例如，面對多突變點的水文序列，現有方法大多僅能應對單一突變點，或者通過逐次調整的方式進行處理，然而，這種方法容易導致突變點之間的偏差累積或分配不均，進而破壞校正后的數據連續性。
2、因此，本專利技術提出了一種基于變化檢測與偏差校正的逐日水文序列重構方法，旨在有效應對多突變點的情形并保證數據的平滑過渡性。該方法通過系統的突變點檢測與偏差平衡分配機制，不僅能夠精準識別多個突變點，還能實現突變前后數據的有效對齊與動態過渡，極大提升了逐日水文序列重構的精度、適應性和應用價值。
>技術實現思路1、本專利技術提出了基于變化檢測與偏差校正的逐日水文序列重構方法。該方法適用于多突變點的水文序列，主要用于月尺度和逐日尺度的水文序列重構，包含水文序列的還現和還原兩種情境，通過系統的突變點檢測與偏差平衡分配機制，在多突變點場景下實現平穩過渡，避免因累積誤差導致的分布偏差，極大提升了逐日水文序列重構的精度、適應性和應用價值。
2、為實現上述目的，本專利技術采用以下技術方案：一種基于變化檢測與偏差校正的逐日水文序列重構方法，包括以下步驟：
3、步驟s1，突變點診斷：將日尺度水文序列處理為月尺度水文序列，通過pettitt檢驗及wilcoxon秩和檢驗方法對月尺度水文序列中的變異點進行診斷，得到突變點診斷結果；
4、步驟s2，趨勢分析：根據步驟s1得到的突變點診斷結果，采用mann-kendall趨勢檢驗方法分別分析月尺度水文序列突變點前和突變點后趨勢特征，確保突變點前和突變點后的月尺度水文序列均無顯著趨勢性；
5、步驟s3，基于累積分布函數的初步校正：對于無顯著趨勢性的突變月份月尺度水文序列，基于累積分布函數對存在突變點的月尺度水文序列進行校正，使突變點前和突變點后的月尺度水文序列分布特征保持一致，得到初步校正后的突變月份月尺度水文序列；
6、步驟s4，偏差平衡分配：根據步驟s3初步校正后的突變月份月尺度水文序列與原月尺度水文序列之間的累計校正總偏差值，按照原日尺度水文序列值占比，將突變月份累計校正總偏差值分配到非突變月份的日尺度水文序列，得到非突變月份逐日水文序列的偏差平衡分配值；
7、步驟s5，逐日序列重構：將步驟s4的非突變月份逐日水文序列的偏差平衡分配值應用于日尺度水文序列中，得到非突變月份重構后的逐日水文序列；基于步驟s3中突變月份月尺度水文序列初步校正前和初步校正后比值，將突變月份的原日尺度水文序列同比例縮放，得到突變月份重構后的逐日水文序列。
8、進一步的，步驟s1中突變點診斷，具體為：
9、步驟s11，pettitt檢驗：識別月尺度水文序列突變的具體時間，確定突變發生的月份和年份；
10、步驟s12，wilcoxon秩和檢驗：驗證月尺度水文序列突變點的顯著性，確保識別的準確性和科學性。
11、進一步的，步驟s2中趨勢分析，具體為：
12、步驟s21，數據提取：將突變月份的月尺度水文序列分別提取為突變點前和突變點后的月尺度水文序列；
13、步驟s22，趨勢檢驗：使用mann-kendall趨勢檢驗方法分別分析突變點前的月尺度水文序列和突變點后的月尺度水文序列的趨勢特征；若無顯著趨勢，則進入下一步校正過程；反之，則需進一步處理或排除，確保突變點前和突變點后的月尺度水文序列均無顯著趨勢性。
14、進一步的，步驟s3中基于累積分布函數的初步校正，具體為：
15、初步校正后的月尺度水文序列，分為還現和還原兩種情境；
16、步驟s31，還現情境：使突變點前的月尺度水文序列分布特征與突變點后的月尺度水文序列分布特征保持一致，達到突變月份月尺度水文序列還現效果；具體步驟為：
17、步驟s311，累積分布函數定義：令突變點前的月尺度水文序列為x，突變點后的月尺度水文序列為z，突變點前的月尺度水文序列和突變點后的月尺度水文序列的累積分布函數分別記為fx和fz，定義如下：
18、fx（x）=p（x≤x）；
19、fz（z）=p（z≤z）；
20、式中，fx（x）表示突變點前的月尺度水文序列x的累積分布函數；fz（z）表示突變點后的月尺度水文序列z的累積分布函數；p（x≤x）表示突變點前的月尺度水文序列x數據點小于等于x的概率；p（z≤z）表示突變點后的月尺度水文序列z數據點小于等于z的概率；
21、步驟s312，累積分布函數變換：基于累積分布函數的變換，調整突變點前的月尺度水文序列x，使突變點前的月尺度水文序列x分布特征與突變點后的月尺度水文序列z一致，校正公式如下：
22、；
23、式中，fx（xs）表示突變點前的月尺度水文序列x中xs的累積分布值；fz-1為逆累積分布函數，逆累積分布函數將突變點前的月尺度水文序列x中xs的累積分布值fx（xs）映射到突變點后的月尺度水文序列z的分布特征；y還現s表示突變點前的月尺度水文序列x中xs經初步還現校正后的值，符合突變后月尺度水文序列z的分布特征；
24、通過步驟s311和步驟s312，利用累積分布函數校正，消除突變點前月尺度水文序列和突變點后月尺度水文序列的分布差異，得到初步還現校正后的月尺度水文序列y還現；
25、步驟s32，還原情境：使突變點后的月尺度水文序列分布特征與突變點前的月尺度水文序列分布特征保持一致，達到突變月份月尺度水文序列還原；具體步驟為：
26、步驟s321，累積分布函數定義：令突變點前的月尺度水文序列為x，突變點后的月尺度水文序列為z，突變點前的月尺度水文序列和突變點后的月尺度水文序列的累積分布函數記為fx和fz，定義如下：
27、fx（x）=p(x≤x)；
28、fz（z）=p(z≤z)；
29、式中，fx（x）表示突變點前的月尺度水文序列x的累積分布函數；fz（z）表示突變點后的月尺度水文序列z的累積分布函數；p（本文檔來自技高網...
【技術保護點】
1.一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：包括以下步驟：
2.根據權利要求1所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：步驟S1中突變點診斷，具體為：
3.根據權利要求2所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：步驟S2中趨勢分析，具體為：
4.根據權利要求3所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：步驟S3中基于累積分布函數的初步校正，具體為：
5.根據權利要求4所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：步驟S4中偏差平衡分配，具體為：
6.根據權利要求5所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：
【技術特征摘要】
1.一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：包括以下步驟：
2.根據權利要求1所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：步驟s1中突變點診斷，具體為：
3.根據權利要求2所述一種基于變化檢測與偏差校正的逐日水文序列重構方法，其特征在于：步驟s2中趨勢分析，具體為：
4.根...
【專利技術屬性】
技術研發人員：劉業偉，許小華，楊培生，王文，吳曉彬，李斯穎，楊偉峰，李光錦，朱龍輝，
申請(專利權)人：江西省水利科學院江西省大壩安全管理中心，江西省水資源管理中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。