基于相关系数的水文趋势变异分级方法

基于Hurst系数法和Bartels检验的水文变异联合分级方法可以从整体上识别与检验时间序列变异及其变异程度,但无法判断序列的具体变异形式(趋势、跳跃、周期等).基于相关系数描述序列与时序的相关性大小以及表征序列趋势变异程度的特性,提出了基于相关系数的水文趋势变异分级方法.该方法首先计算序列的相关系数,然后作假设检验:依据统计学原理和经验选用不同的阈值作为不同变异程度的划分依据,并将相关系数划分成5个区间,对应于无变异、弱变异、中变异、强变异和巨变异5个等级.实际应用中,根据相关系数的大小判断其落在哪个区间,即可确定序列是否发生趋势变异及变异程度的大小.对5个实例序列42年资料的变异分析表明,枝城站年径流序列无趋势变异,兰州站和花园口站年径流分别为趋势弱变异和中变异,荆江三口分流量为趋势强变异,红崖山站年径流为趋势巨变异,上述结果与采用Hurst系数法所得整体变异分级结果是一致的;成因分析表明,不同强度的人类活动导致了序列发生不同程度的变异.

基于相关系数的水文周期变异分级方法及验证

周期成分是非一致性水文时间序列中的一种变异成分,对周期成分大小的定量描述与量化分级具有重要的现实意义。基于相关系数提出了一种周期变异程度分级方法,适用于可识别出简单周期成分的水文序列。首先通过计算水文序列和其含有的周期成分之间的相关系数,然后选定分级阈值,将周期变异程度划分为无、弱、中、强及巨变异5种等级。通过推导相关系数与周期成分半振幅之间的表达式,说明以相关系数作为分级指标的合理性,并分析各变量对相关系数求解结果的影响。将所提方法分别应用于人工生成序列和实测水文时间序列,结果显示该分级方法合理可靠,有助于理解和定量评估流域环境变化及其对水文过程的影响。

基于相关分析的水文趋势变异分级原理及验证

趋势变化是水文过程变异十分重要的表征,目前研究主要侧重于趋势识别方法的改进、比较及实例运用,但针对趋势变异程度分级等研究十分缺乏.为此,提出了一种水文序列趋势变异识别与程度分级的方法.该方法通过计算水文序列和时序的相关系数值,将趋势变异程度划分为无变异、弱变异、中变异、强变异及巨变异.通过推导相关系数与趋势斜率之间的公式,说明两者的正相关关系.统计试验验证了公式的合理性,并说明了序列均值和变差系数对相关系数值的影响.将该方法应用于西江高要站不同时间尺度的平均水位序列进行趋势变异程度分级,引入权重概念分析了各尺度平均水位趋势变异之间的联系.结果表明高要站各尺度平均水位序列均呈下降趋势,但趋势变异程度存在差异;权重较大时期平均水位的趋势变异程度对整体趋势变异程度影响更大,结合物理成因分析验证了结果的合理性与所提方法的有效性,因此将有助于定量评估气候变化和人类活动对水文过程的影响.

基于独立权重和分级变异策略的粒子群算法

针对粒子群优化算法中存在的局部收敛问题,提出一种融合惯性权重调整和群体最佳位置变异两种策略的粒子群优化算法.该算法将个体粒子的状态信息引入惯性权重策略,独立调整每个粒子的惯性权值,体现个体粒子对权重需求的差异.在最佳位置变异策略中采用分级思想,根据粒子群的搜索状态选择相应的极值变异方式,使变异操作更具针对性.实验结果表明,该算法对多个测试函数都表现出良好的优化性能,能有效避免局部收敛问题,提高了粒子群的全局搜索能力.

变化环境下宣恩城区洪水变异及其成因分析

作为调蓄城市洪水的主要工程手段,城市上游水库和城市河道整治工程在保护沿岸居民不受侵害的同时,也改变了天然河道洪水槽蓄关系,再加上气候变化的影响,导致城市洪水的形成、演变及时空分布规律发生了变异。利用水文变异诊断系统和谢才-曼宁公式,分析了宣恩城区变化环境下洪水的变异形式、程度及其成因。结果发现:1956年-2010年面平均年最大月雨量序列在1998年发生了跳跃向下的中变异,说明气候变化影响下降雨呈减少趋势;宣恩站实测年最大日流量序列在1999年发生了跳跃向下的中变异,其洪峰流量呈减少趋势;流域洪水变异是气候变化和人类活动双重影响的结果,但前者影响仅为后者的41%;渠化改造导致宣恩站洪水流量减少,加剧了洪水变异,因此其防洪预警预案需要适应环境变化而进行调整。

求解多目标优化问题的分级变异量子进化算法

分析量子进化算法和免疫算子的特点,提出一种分级变异的量子进化算法,用于求解多目标优化问题.算法主要基于两个策略:首先,利用快速非受控排序和密度距离计算种群抗原-抗体的亲和度;然后,基于亲和度排序将个体进行分级,最优分级中的个体作为算法中的最优个体,大部分实施量子旋转更新和免疫操作,而剩余分级中的个体实施免疫交叉操作以获得新的个体补充种群.求解多目标0/1背包问题的实验结果表明了该算法的有效性.

基于改进克隆选择算法的无功优化

提出一种改进克隆选择算法解决无功优化问题。该算法采用分级的变异策略,对每一代种群中的抗体按亲和力进行分级,根据等级确定变异范围和变异率:较低等级中的抗体(较优秀抗体)采用小范围、小变异率进行变异,较高等级中的抗体(相对较差的抗体)采用大范围、大变异率进行变异,兼顾算法的局部和全局搜索能力;结合均匀设计原理构造初始种群,与随机分布相比,在同样规模下,具有更好的种群多样性,且以较大的概率在全局最优解附近存在抗体,避免陷入局部最优解,提高算法的收敛速度;对IEEE 30节点系统进行仿真,结果表明:该算法具有解的质量高、收敛性能好等优点。

基于Hurst系数与Bartels检验的水文变异联合分析方法

针对Hurst系数法对水文序列周期性及相依性诊断灵敏性弱的问题,新增Bartels检验法予以增强.采用蒙特卡洛方法生成试验序列,依次通过Hurst系数法和Bartels检验法得到了各自的检测性能:Hurst系数法对于序列的趋势性及跳跃性检测效果较强,Bartels检验法对于序列的周期性及相依性检测效果较强.提出了基于Hurst系数与Bartels检验的水文变异联合分级方法:两种方法测出均无变异则可确定为整体无变异;至少一种方法测出强变异则可确定为整体强变异;其它情况一律视为弱变异.对长江中上游重要控制站点寸滩、宜昌和汉口站年径流序列进行变异分析,结果表明寸滩站、宜昌站和汉口站年径流变异显著,变异程度分别为强变异、强变异和弱变异,变异形式可能为周期或相依变异.