相依结构和边际分布对水文多变量概率分布的影响

以Gumbel-logistic模型和阿基米德Copula族中的Gumbel-Hougard Copula模型为例研究了不同相关性描述方法和边际分布型式对多变量联合概率的影响。拟合优度检验结果表明,基于变量秩相关系数构建的Copula函数模型优于基于变量的线性相关关系而建立的其他各类模型,如Gumbe-llogistic模型等,其原因在于秩相关系数既可以度量变量的线性关系,又可以度量变量间非线性的相关关系,而线性相关系数仅能度量变量之间的线性相关关系。边际分布的优劣影响了联合概率分布模型结果的准确性,边际分布与数据的拟合效果越好,得到的联合概率也越准确。构建多变量概率分布模型时,需要准确描述变量之间相关关系,并选择适宜的边际分布型式,这是保证多变量概率分布模型准确性的重要基础。

感潮河段洪潮遭遇概率研究

以位于珠江三角洲感潮河网地区的洪潮遭遇概率问题为实例,对当前应用较多的各种二变量联合概率模型进行了比较研究,包括混合Gumbel分布、Gumbel-Logistic分布、以及阿基米德族Copula函数中的Gumbel-Hougard Copula模型、Clayton Copula模型、Genest-Ghoudi Copula模型等。结果表明,不同的二变量概率分布模型对于变量之间的相关性都有不同程度的限制,实际应用时需要首先根据水文变量的相关性特点选择适宜的模型。Copula函数模型则不限定边际分布型式,比混合Gumbel模型和Gumbel-Logistic模型具有更强的灵活性。多种拟合优度检验方法对各模型的检验结果表明,虽然各模型都能通过K-S检验,但其拟合优度有显著不同,实际应用时需进行拟合优度检验以择优。