| 基于季节长记忆双自回归模型的日径流模拟 |
| |
| 引用本文： | 王慧敏,宋松柏,张更喜.基于季节长记忆双自回归模型的日径流模拟[J].水利学报,2023,54(6):686-695. |
| |
| 作者姓名： | 王慧敏 宋松柏 张更喜 |
| |
| 作者单位： | 西北农林科技大学 水利与建筑工程学院, 陕西 杨凌 712100;西北农林科技大学 旱区农业水土工程教育部重点实验室, 陕西 杨凌 712100;扬州大学 水利科学与工程学院, 江苏 扬州 225009 |
| |
| 基金项目： | 国家自然科学基金项目(52079110);江苏省自然科学青年基金项目(BK20220590) |
| |
| 摘 要： | 传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性，且模型参数限制严格，从而使日径流序列模拟受到限制，影响径流模拟预测精度。本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比，选取渭河流域4个水文站日径流序列进行模拟验证。结果表明：WOA-SFIDAR模型的模拟能力优于SFIAR-GARCH模型，模拟结果很好地保持了日径流过程的统计特性。7、8月份模拟均值误差相对较大，WOA-SFIDAR模型的误差范围(5.72～32.56)低于SFIAR-GARCH模型(7.42～48.02)。WOA-SFIDAR模拟逐月变差系数(Cv)和偏态系数(Cs)与实测序列统计值间偏差范围为0～0.51和0.02～1.31,优于SFIAR-GARCH模型(0.02～0.56和0.06～1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势，且随滞时的增加，实测序列与模拟序列的ACF差距减小。文中模型扩展了水文随机模拟方法，可为日径流模拟...
|
| 关 键 词： | 长记忆性 时变波动性 径流模拟 双自回归模型 渭河流域 |
| 收稿时间： | 2022/12/4 0:00:00 |
Daily runoff simulation based on seasonal long-term memory DAR model |
| |
| WANG Huimin,SONG Songbai,ZHANG Gengxi.Daily runoff simulation based on seasonal long-term memory DAR model[J].Journal of Hydraulic Engineering,2023,54(6):686-695. |
| |
| Authors: | WANG Huimin SONG Songbai ZHANG Gengxi |
| |
| Affiliation: | College of Water Resources and Architectural Engineering, Northwest A & F University, Yangling 712100, China;Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Northwest A & F University, Yangling 712100, China; College of Hydraulic Science and Engineering, Yangzhou University, Yangzhou 225009, China |
| |
| Abstract: | |
| |
| Keywords: | long-term memory|time-varying volatility|runoff simulation|double autoregressive model|Weihe River basin |
|
| 点击此处可从《水利学报》浏览原始摘要信息 |
|
点击此处可从《水利学报》下载全文 |
|
