随机水文学(五)

前面我们讨论了水文时间序列的特性,对于其变化的重要特性,可以用水文随机模型来表征。换言之,水文随机模型是以数学表达式对水文时间序列统计变化特性的概括。所以也可将水文随机模型理解为水文时间序列的估计总体。因此,只要对讨论的水文时间序列建立了随机模型,那么该序列的重要统计特性,不仅可通过模型获得,而且还可模拟出各种可能出现的水文时间序列样本。这在水资源规划设计中非常有用。 当水文时间序列中的趋势成分和周期成分排除以后,其余下的随机成分多应用简单的一阶自回归模型和最简单的自回归滑动平均模型来表征。当序列中无趋势成分和周期     

随机水文学(四)

若水文系列按式(2·1)组成,即系列中包括确定成分、随机相依成分和纯随机成分,欲生成水文系列,需先生成水文系列中的纯随机成分(系列),再依时序将其叠加在其他成分(采用有关确定性模型和随机相依模型计算)之上,即生成的水文系列。 在这一讲里,只讨论纯随机系列的生成,涉及其他成分的生成问题将在以后各讲逐一讲述。先看一个例子:拟生成某站符合皮尔逊Ⅲ型(PⅢ型)分布的年最大流量(Qm)系列。先由实测(还包括历史洪水)年最大流量系列,并考虑其他信息(如地区内洪水规律),按常规水文计算方法确定其频率曲线(即为估计的总体概率分布曲线)Qm～P     

水文、水环境工作中的相关分析问题

在相关分析中,现行的零相关检验法,只能判断二变量是否相关,不能判断它们关系的好坏,这常常不能满足水文、水环境工作的要求。本文建议用由样本相关系数按一定置信概率估计的总体相关系数区间中,取绝对值最低的相关系数“ρmin”或相关指标“β”去衡量二变总量体关系最可靠的密切程度.根据蒙特卡罗试验结果,推荐由样本按p=95%估计的pmin>0.4或β>0.35作为二变量总体具有可靠的良好关系标准.     

沱江枯水序列非一致性的统计分析

沱江干流的枯水序列,因受都江堰等水利工程的影响,存在着严重的非一致问题。我们用了十多种统计方法并结合成因分析研究了枯水序列样本中的趋势或跳跃,提出将序列样本划分成两个具有一致性的段提供应用,攻克了枯水水文计算中所碰到的难关。文中介绍了比较成功的十一种统计方法,这些方法可以在水文计算中广泛应用。     

随机水文学

(一)随机水文学的含义 大家知道,水文现象随时间而变化,一般称之为水文过程。大量实测资料表明:实际的水文过程既受到确定因素的作用,又受到随机因素的作用,是非常错综复杂的过程。但是不管如何复杂,一般而言,水文过程中总包含两种成分:一是确定成分,二是随机成分。前者常常表现为水文现象的趋势变化和周期性变化;后者常常表现为水文现象的相依性(相关性)和纯随机的变化(白噪声)。这种包含有随机性成分和确定性成分的水文过程,就称之为随机水文过程,人们常常依据随机水文过程理论研究这样的水文过程。随着高速电子计算机的应用和各种随机过程理论及分析技术引入水文学中,研究随机学这个领域,逐渐形成了一门新的学科,这就是“随机水文学”。因此,所谓“随机     

水文随机模型的应用

《随机水文学》技术讲座,讲述了随机水文的基本知识,着重介绍了水文随机模型。本文略谈水文随机模型在水利水电工程规划设计,水质预报等诸方面的具体应用。 水资源系统的规划设计和运用中所采用的历史水文资料,通常都不长,这种特定的系列又不会以相同的形式在未来运行中重现,因此这种资料很难满足这方面的要求。由于水文气象现象的随机性,在中长期水文气象预报中,较难采用确定性模型。在水文统计中,常遇到不少理论上的问题,由于这些问题在理论上的复杂性和数学解析上的不     

随机水文学(三)

对水文变量(如江河的流量,湖泊及井中水位等)进行观测,得到以时间为自变量(一般取等距时间)的系列观测值,称为水文时间系列(简称水文系列)。例如,年平均流量系列等。 我们把水文变量随时间而变化的系列观测值看作水文随机过程的一个现实,通过对它的统计分析,估计水文随机过程的总体特性和建立最佳水文随机模型,以便于各方面的实际应用。 本讲从组成水文系列的成分出发,分别讲述各种成分的概念、统计特征以及识别和描述方法。有关的其他内容,放在以后有关讲中介绍。     

推求小流域设计洪水过程线的一种数学模型

现在推求小流域设计洪水过程线的方法,多采用三角形法、梯形法及典型模型缩放法等。这些方法不便于用常用的数学形式表示,而参数又不能按流域的特性指标确定,灵活性比较大。本文提出一种比较固定的计算小流域设汁洪水过程线的方法。这个方法是根据暴雨洪水形成的基本概念,将一场洪水割去表层流求得地表流过程,并以正弦型曲线表示。这个数学模型通过四川24条中小河流300多场洪水验证基本符合实际。模型中的参数是根据分析其中较大洪水按流域特性综合的,使用方便,不会因人而异,便于非专业水文人员使用。