有序聚类分析法的改进及其在水文序列突变点识别中的应用

有序聚类分析法是水文学中识别突变点的有效方法,但该法只考虑了同类之间的离差较小原则,忽略了类与类之间的离差较大原则。基于此,提出了改进的有序聚类分析法,改进法同时考虑了同类之间的离差较小和类类间的离差较大原则。将改进的有序聚类分析法应用于年平均流量序列突变点识别中,并与传统有序聚类分析法进行对比分析,研究结果表明,改进的有序聚类分析法原理明确,识别突变点更加有效。

不同相似指标下最近邻抽样回归模型在径流中长期预测中的应用比较

根据水文相似性建立的最近邻抽样回归模型(NNBR)是一种较优的中长期预测模型,模型的关键在于相似指标选择。在介绍欧氏距离、余弦距离、耦合序位值等现有相似指标的基础上,构建了一种新的相似指标——欧氏—余弦耦合距离,并将基于欧氏距离、余弦距离、耦合序位值、欧氏—余弦耦合距离四种不同相似指标的NNBR模型应用于长江宜昌站、雅砻江小得石站、黄河唐乃亥站、珠江梧州站年径流预测中。实例分析表明,基于欧氏距离的NNBR模型预测准确性最佳,其次为基于欧氏—余弦耦合距离的NNBR模型,基于余弦距离和耦合序位值的NNBR模型预测准确性次于前两者。