-
公开(公告)号：CN114840802B
公开(公告)日：2024-04-26
申请号：CN202210650070.6
申请日：2022-06-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/10
摘要： 本发明公开了一种判别水文气候过程自然演变类型的方法，步骤如下：求解五种自然演变类型的时间序列进行差分处理后各自对应的一阶自相关系数和二阶自相关系数，并通过蒙特卡罗试验估计其各自对应的95%置信区间；识别出待分析时间序列中的突变成分，剔除该时间序列的突变成分和季节成分，将剩余成分作为新时间序列；对新时间序列做差分处理后，求解其一阶自相关系数和二阶自相关系数，并与上述各种类型对应的95%置信区间对比，确定待分析时间序列的具体自然演变类型。本发明利用蒙特卡罗试验确定各种自然演变类型统计特征的置信区间，以此为依据准确区分白噪声、单位根过程、AR(1)过程、AR(2)过程，可避免AR(1)过程、AR(2)过程被误判为长持续过程的错误结果。
-
公开(公告)号：CN114970187B
公开(公告)日：2024-04-16
申请号：CN202210650692.9
申请日：2022-06-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F30/20 , G06F111/08
摘要： 本发明公开了一种实现水文气候时间序列趋势无偏估计的方法，包括：利用蒙特卡罗试验获取五种自然演变类型的时间序列差分后各自对应的一阶和二阶自相关系数的95%置信区间；剔除待分析时间序列的突变成分和季节成分，对剩余成分进行差分后求解一阶和二阶自相关系数，与上述各种类型对应的95%置信区间对比，确定其自然演变类型：若为白噪声，利用广义最小二乘法直接评估趋势显著性；若为AR过程，利用Newey‑West方法消除异方差和自相关性后评估趋势显著性；若为长持续过程，拟合并去除长持续成分后再评估趋势显著性。本发明针对不同自然演变类型采取针对性的方法检测趋势类型并评估显著性，消除自然演变特征的影响，实现对水文气候时间序列趋势的无偏估计。
-
公开(公告)号：CN117851978A
公开(公告)日：2024-04-09
申请号：CN202410046113.9
申请日：2024-01-12
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F18/27 , G06F18/10 , G06F123/02
摘要： 本发明公开了一种耦合预白化处理的水文时间序列创新趋势识别方法，步骤如下：求解原始水文时间序列的趋势斜率；使用方差校正预白化方法对原始水文时间序列进行预白化处理，得到预白化时间序列；对预白化时间序列长度进行二等分，并对每个等分序列进行升序排列，在笛卡尔坐标系中绘制散点图；根据散点图，识别原始水文时间序列的趋势所属的类型；计算散点图绘制的直线趋势斜率；计算检验统计量判断趋势的显著性。本发明的方法消除了序列相关性对趋势识别与显著性评估的影响，实现对水文气候时间序列趋势的准确识别和评估，从而为水文气候时间序列分析与模拟预测等工作提供科学依据。
-
公开(公告)号：CN105205217B
公开(公告)日：2018-04-03
申请号：CN201510526387.9
申请日：2015-08-25
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/50
摘要： 本发明公开一种判别水文时间序列非平稳性的方法，包括：确定具体的集合经验模态分解方法；对序列进行分解；利用白噪声的能量扩散函数，识别出原序列中所有的周期成分；去除原序中的周期成分，将剩余成分作为新序列；选择合适的模型方程进行拟合；利用选择的模型方程对新序列进行单位根检验；利用自相关系数图和偏相关系数图，进一步分析新序列的统计特性；比较自（偏）相关系数结果与单位根检验结果的一致性；若所述的新序列表现出良好的相关性，且单位根检验特征统计量接受原假设，则表明序列具有非平稳性；若二者的结果存在不一致，则认为序列不具有非平稳性。本发明克服了序列周期项对单位根检验结果的影响，得到准确的序列非平稳性检验结果。
-
公开(公告)号：CN102542169B
公开(公告)日：2014-10-22
申请号：CN201210003630.5
申请日：2012-01-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F19/00
摘要： 本发明公开了一种在水文频率计算过程中进行线型选择的方法，首先依据已知的地区先验信息，分别选择合理的参数先验分布类型、参数初始样本和似然函数，应用AM-MCMC方法进行参数后验分布采样，得到各线型对应的参数后验分布采样结果；利用POME对各参数的后验分布采样结果的概率分布进行分析和定量描述，得到不同线型中各参数的后验分布表达式，应用参数区间近似求和的方法代替线型边缘分布积分过程，根据下式求解水文线型Mj相对于线型Mi的贝叶斯因子Bji；在求得贝叶斯因子Bji的基础上，即可进行水文线型选择和综合分析。本发明合理地分析和描述参数不确定性，使得分析计算结果得到明显改善。
-
公开(公告)号：CN117808288A
公开(公告)日：2024-04-02
申请号：CN202311818914.4
申请日：2023-12-27
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06Q10/0635 , G06Q50/26 , G06F30/28 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种铁路桥山洪风险评价方法及系统，属于自然灾害风险评估技术领域。本发明基于二维水动力模型，模拟溃坝、暴雨山洪的动力演进过程；基于铁路桥所在及周边栅格的水深、流速等模拟结果，计算山洪对铁路桥冲击力，计算桥墩可抗力；参考水泥标号、钢筋标号、桥墩整体高度与淹没水深的比例，基于冲击力和桥墩可抗力确定风险等级。本发明利用二维水动力学模型在无资料地区山洪模拟方面所需资料少且可模拟动力过程的优势，综合考虑多种影响因素的基础上增加了动力因素山洪冲击力及桥墩可抗力对铁路桥的影响分析，提高风险评估的可靠性。
-
公开(公告)号：CN105069309B
公开(公告)日：2017-10-24
申请号：CN201510518852.4
申请日：2015-08-21
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F19/00
摘要： 本发明公开了一种识别水文时间序列非线性趋势的方法，包括：根据序列长度计算最大小波分解水平，确定具体的离散小波变换方法；得到不同分解水平上对应的子序列；计算各子序列的小波能量密度值，得到待分析水文时间序列的小波能量密度函数；利用离散小波变换方法对白噪声序列进行分解得到子序列；将各白噪声序列小波能量密度函数的均值作为标准小波能量密度函数，得到标准小波能量密度函数的置信区间；对比最大时间尺度上待分析水文序列子序列的小波能量密度值与标准小波能量密度函数置信区间的位置关系。本发明解决了小波分析方法在水文时间序列趋势识别方面缺乏可靠的水文物理基础，也无法有效估计水文序列非线性趋势的显著性和不确定性的问题。
-
公开(公告)号：CN105205217A
公开(公告)日：2015-12-30
申请号：CN201510526387.9
申请日：2015-08-25
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/50
摘要： 本发明公开一种判别水文时间序列非平稳性的方法，包括：确定具体的集合经验模态分解方法；对序列进行分解；利用白噪声的能量扩散函数，识别出原序列中所有的周期成分；去除原序中的周期成分，将剩余成分作为新序列；选择合适的模型方程进行拟合；利用选择的模型方程对新序列进行单位根检验；利用自相关系数图和偏相关系数图，进一步分析新序列的统计特性；比较自（偏）相关系数结果与单位根检验结果的一致性；若所述的新序列表现出良好的相关性，且单位根检验特征统计量接受原假设，则表明序列具有非平稳性；若二者的结果存在不一致，则认为序列不具有非平稳性。本发明克服了序列周期项对单位根检验结果的影响，得到准确的序列非平稳性检验结果。
-
公开(公告)号：CN118152719A
公开(公告)日：2024-06-07
申请号：CN202311845507.2
申请日：2023-12-29
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/18 , G06F18/214 , G06F18/20
摘要： 本发明公开了一种实现非一致性年最大洪水频率分析的方法，包括：运用年最大值选样法从日径流序列中生成年最大洪水序列；运用Mann‑Kendall趋势检验法识别年最大洪水序列及其方差序列的非一致性；若其中一个序列存在趋势或两个序列同时存在趋势，则选择对数正态分布作为母分布拟合日径流序列，运用高阶概率权重矩法估计对数正态分布的尺度参数和位置参数；利用上述两个参数计算母分布为对数正态分布时的中心化常数和标准化常数；根据年最大洪水序列的最小AIC值确定有效中心化常数和有效标准化常数；根据年最大洪水序列的最小DET值确定最优中心化常数和最优标准化常数；基于耿贝尔分布、最优中心化常数和最优标准化常数实现非一致性年最大洪水频率分析。
-
公开(公告)号：CN117033872A
公开(公告)日：2023-11-10
申请号：CN202311000235.6
申请日：2023-08-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/15 , G06Q10/063 , G06Q50/02
摘要： 本发明公开了一种确定农业干旱受灾面积的叶面积指数相对阈值方法，包括：选择某一物候期，计算夏收/秋收作物该物候期平均叶面积指数时间序列；确定基准年，以该年份夏收/秋收作物该物候期平均叶面积指数作为基准值，用于判断农业干旱程度；确定夏收/秋收作物叶面积指数相对阈值不同取值组合，模拟得到相应的农业干旱受灾面积并评价其模拟精度；综合对比所有物候期不同夏收/秋收作物叶面积指数相对阈值取值得到的模拟精度，确定最优模拟结果及对应的夏收/秋收作物最优叶面积指数相对阈值。本发明通过确定考虑农业干旱指数空间差异性的农业干旱灾害叶面积指数有效阈值，实现了符合实际情况的农业干旱灾害面积提取。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.039 秒)
