汾河上游径流时间序列成分分析和特性研究

汾河上游径流时间序列成分分析和特性研究

论文摘要

在气候变化和人类活动的影响下,流域的水文循环过程和水资源系统正不断地发生着改变。水文循环速率和路线的改变同时也改变了物质输送和能量交换的途径,进而改变了水资源系统的结构和功能,这些改变日积月累,将对流域内局部地区甚至整个流域的水文循环过程和水资源系统产生深刻的影响。那么,这个影响和变化过程有着怎样的特征和规律,以及如何定性和定量的去识别和这挖掘些特征和规律,已经引起了国内外水文学者的普遍关注。汾河是黄河的第二大支流,是山西的母亲河,几千年来养育着三晋人民。汾河流域是全省人口最为密集、生产力布局最为集中的区域,在全省经济社会中占有十分重要的地位。近些年来,在气候变化和人类活动的双重作用影响下,汾河流域的水资源和水环境状况已经发生了巨大的变化,出现了河道断流、地下水水位下降、泉水干涸、水质污染等现象,严重制约着流域经济社会的可持续发展和生态环境建设。本文针对汾河流域上游径流演变过程主要进行了以下研究:应用随机水文理论方法坎德尔秩次相关检验法、有序聚类法、秩和检验法、方差分析法和自相关分析法对汾河上游月径流量时间序列的趋势成分、跳跃(突变)成分、周期成分和随机成分分别进行了识别;应用分形理论方法重标度极差法挖掘汾河上游月径流量时间序列的长程相关特性;应用混沌理论方法饱和关联维数法挖掘汾河上游月径流量时间序列的混沌特性;最后从气候变化和人类活动影响这两个方面对汾河上游段径流量时间序列演变成因做出了初步地判断和分析。本文取得的研究成果主要有:首先,汾河上游段月径流时间序列具有下降的趋势成分、明显的跳跃成分、显著的周期成分,以及剔除这些成分后剩余时间序列是平稳随机序列;其次,汾河上游段月径流时间序列具有长程相关性和混沌特性。这些结论表明了,汾河上游段月径流时间序列在未来的一段时期内将继续保持下降的趋势,且水文系统是由确定成分与随机成分统一组成的具有混沌特征的系统;最后,汾河上游段月径流时间序列的演变从长期的过程来看主要是受气候变化影响控制的,而从短期的过程来看主要是受人类活动影响控制的。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 研究目的和研究意义
  • 1.3 国内外研究现状
  • 1.3.1 随机水文学的发展及研究现状
  • 1.3.2 分形理论的发展及在时间序列中应用的研究现状
  • 1.3.3 混沌理论的发展及在时间序列中应用的研究现状
  • 1.4 研究内容
  • 1.5 本文的研究特色
  • 第二章 汾河流域概况和水文特征
  • 2.1 自然地理
  • 2.1.1 气象
  • 2.1.2 水文
  • 2.1.3 地质
  • 2.1.4 地貌
  • 2.2 汾河流域水资源状况
  • 2.3 汾河水文资料
  • 2.3.1 水文资料的“三性”审查
  • 2.3.2 径流变化过程及特征
  • 第三章 基于随机水文理论的径流时间序列成分分析
  • 3.1 水文时间序列的确定性和随机性
  • 3.2 随机水文理论基础
  • 3.2.1 趋势性成分
  • 3.2.2 跳跃性和突变性成分
  • 3.2.3 周期性成分
  • 3.2.4 随机性成分
  • 3.3 汾河上游径流时间序列成分分析
  • 第四章 基于分形理论的径流时间序列分析
  • 4.1 前言
  • 4.2 分形理论基础
  • 4.2.1 分形的定义
  • 4.2.2 分形的基本特征
  • 4.2.3 分形的特征量
  • 4.3 径流时间序列的长程相关性
  • 4.3.1 长程相关性
  • 4.3.2 重标度极差分析法
  • 4.4 汾河径流时间序列长程相关性分析
  • 第五章 基于混沌理论的径流时间序列分析
  • 5.1 前言
  • 5.2 混沌理论基础
  • 5.2.1 混沌的定义
  • 5.2.2 时间序列的相空间重构
  • 5.2.3 时间序列的混沌特性识别
  • 5.3 汾河径流时间序列的混沌特性分析
  • 第六章 汾河流域气候和人类活动对径流量的影响分析
  • 6.1 气候变化和人类活动对径流影响的分离方法
  • 6.2 气候变化和人类活动对径流影响的计算分析
  • 6.3 演变成因的判断和分析
  • 第七章 结论和展望
  • 7.1 结论
  • 7.2 展望
  • 参考文献
  • 攻读学位期间发表的学术论文目录
  • 致谢
  • 相关论文文献

    • [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
    • [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
    • [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
    • [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
    • [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
    • [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
    • [7].王嵬作品[J]. 当代油画 2017(07)
    • [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
    • [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
    • [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
    • [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
    • [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
    • [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
    • [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
    • [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
    • [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
    • [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
    • [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
    • [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
    • [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
    • [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
    • [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
    • [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
    • [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
    • [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
    • [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
    • [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
    • [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
    • [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
    • [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

    标签:;  ;  ;  ;  ;  ;  ;  

    汾河上游径流时间序列成分分析和特性研究
    下载Doc文档

    猜你喜欢