基于FARIMA模型的日流量过程随机模拟研究

被引：4

作者：

郭辉

齐梅兰

刘春光

魏金

机构：

[1] 北京交通大学土木建筑工程学院

来源：

水力发电学报 | 2012年 / 31卷 / 06期

基金：

高等学校博士学科点专项科研基金;

关键词：

水文学; 随机模拟; FARIMA模型; 日流量过程; PWM-NQT; 实用性检验;

D O I：

暂无

中图分类号：

P333.1 [水量平衡];

学科分类号：

摘要：

本文采用能反映时间序列长相关性的自回归分数整合滑动平均(FARIMA)模型,建立了日流量过程的随机模拟方法。首先提出概率权重矩-正态分位数变换(PWM-NQT)法进行日流量预处理,将预处理后得到的平稳、正态时间序列用于FARIMA模型的辨识和参数估计。基于FARIMA模型得到正态化日流量模拟值,并由正态分位数逆变换及逆标准化分别得到标准化日流量模拟值及日流量过程模拟值。将建立的模型应用于长江流域宜昌水文站日流量过程随机模拟,统计检验表明,建立的随机模拟方法能合理考虑日流量过程的季节性周期和长相关性,同时也能很好地保持日流量过程的其它统计特性。

引用

页码：22 / 27

页数：6

共 12 条

[1]

随机水文学[M]. 中国水利水电出版社 , 王文圣, 2008

[2]

Fractionally differenced ARIMA models applied to hydrologictime series: identification estimation, and simulation. Montanari A,Rosso R,Taqqu. Water Resources Research . 1997

[3] 径流过程随机模拟的混合模型及其应用 [J].

张明 ;

廖松 ;

谷兆祺 .

水力发电学报, 2005, (03) :1-5

[4]

STL:A Seasonal-Trend Decomposition Procedure Based on Loess. Cleveland R B,Cleveland W S,Mcrae J E,et al. Journal of OfficialStatistics . 1990

[5]

STL:A Seasonal-Trend Decomposition Procedure Based on Loess. Cleveland R B,Cleveland W S,Mcrae J E,et al. Journal of OfficialStatistics . 1990

[6]

Frequency analysis of extreme events. Stedinger JR,Vogel RM,Foufoula-Georgiou E. Handbook of hydrology . 1993

[7]

Space-time modeling with long-memory dependence: Assessing Ireland’’s wind power resource (with discussion). Haslett, J,Raftery, A. E. Appl. Statistics . 1989

[8]

R: A language for data analysis and graphics. Ihaka R,Gentleman R. Journal of Computational and Graphical Statistics . 1996

[9]

Deseasonalisation of hydrological time series through the normal quantile transform. Montanari A. Journal of Hydronautics . 2005

[10]

A statistical approach to evaluate the scour vulnerability of river bridges in cohesive soils. Brandimarte L. . 2005

← 1 2 →