日径流序列混沌识别中合理长度的确定

混沌理论是进行水文时间序列分析的重要手段。为保证分析结果的可靠,主张充分利用现有资料,但目前缺乏时间序列长度对混沌特性识别影响的研究。以长江上游武隆站和北碚站日径流序列(1951年-2012年)为例,通过对二者进行混沌分析,研究了最大Lyapunov指数对序列长度的响应。结果表明,日径流时间序列长度过小时会影响混沌识别结果,使结果缺乏可靠性;并不是样本序列长度越长混沌识别结果越好;当序列长度达到3 000左右时,序列的混沌特性达到稳定,结果可靠并缩短了计算时间。

高阶概率权重矩法在广义Pareto分布参数估计中的应用

广义Pareto分布常被用作超定量洪水系列频率分析的拟合线型。已有研究表明高阶概率权重矩能够用于广义极值分布和Pearson-III型分布的参数估计,但尚缺少采用高阶概率权重矩法估计广义Pareto分布函数的研究。本文基于广义Pareto分布,推求了广义Pareto分布高阶概率权重矩的计算方法,提供了采用高阶概率权重矩估计其分布参数的方案。统计试验表明,阶数等于0时的高阶概率权重矩法与概率权重矩法的估参效果近似无偏,二者均比传统的矩法具备更高的参数估计精度。对长江宜昌站(1946—2004)超定量洪水系列的分析表明,高阶概率权重矩法估参结果对应的广义Pareto曲线能够较好地拟合经验频率分布,特别是稀遇频率洪水段。