基于非线性相关性和复杂网络的径流相似性分区

TV121; 径流相似性分区对径流资料插补移用和区域洪水频率分析具有重要意义.为准确识别水文站网中各站径流特征的相似性和差异性,提高径流相似性分区结果的准确性,引入Copula熵方法估算基于互信息的R统计量,以度量各径流序列间的非线性相关性.在此基础上,应用复杂网络理论构建以水文站为节点、以对应径流序列间R统计量是否大于给定阈值为节点间连边存在判别依据的径流相似性分区模型,采用基于边介数的社团检测算法(GN算法)进行径流相似性分区.以鄱阳湖水系的水文站网为实例,研究结果表明:径流相似性分区模型具有较高的稳定性和效率;R统计量阈值为0.80时,径流相似性分区结果最优,此时水文站网划分为南北两部分...

Full description

Saved in:
Bibliographic Details
Published in水科学进展 Vol. 33; no. 3; pp. 442 - 451
Main Authors 刘磊, 高超, 王志刚, 王晓艳, 章四龙, 陈娜
Format Journal Article
LanguageChinese
Published 北京师范大学系统科学学院,北京 100875%北京师范大学珠海校区政府管理学院,广东 珠海 519087 01.05.2022
北京师范大学珠海校区水安全研究院,广东 珠海519087
北京师范大学水科学研究院,北京100875%北京师范大学复杂系统国际科学中心,广东 珠海 519087
Subjects
Copula熵
径流相似性分区
非线性相关性
复杂网络
Online AccessGet full text
ISSN1001-6791
DOI10.14042/j.cnki.32.1309.2022.03.008

Cover

More Information
Summary:TV121; 径流相似性分区对径流资料插补移用和区域洪水频率分析具有重要意义.为准确识别水文站网中各站径流特征的相似性和差异性,提高径流相似性分区结果的准确性,引入Copula熵方法估算基于互信息的R统计量,以度量各径流序列间的非线性相关性.在此基础上,应用复杂网络理论构建以水文站为节点、以对应径流序列间R统计量是否大于给定阈值为节点间连边存在判别依据的径流相似性分区模型,采用基于边介数的社团检测算法(GN算法)进行径流相似性分区.以鄱阳湖水系的水文站网为实例,研究结果表明:径流相似性分区模型具有较高的稳定性和效率;R统计量阈值为0.80时,径流相似性分区结果最优,此时水文站网划分为南北两部分共12类分区,其中北部仅含1类分区;相比于K均值聚类方法,复杂网络方法表现更优,其最优分区结果更为合理.
ISSN:1001-6791
DOI:10.14042/j.cnki.32.1309.2022.03.008