论文部分内容阅读
为了充分利用水资源缓解用水矛盾,人们通过各种各样的工程或非工程措施来开发利用水资源,如兴建水库、电站、灌区等。径流特性分析及预报,在水利工程的整个生命周期都是必不可少的。本文针对条件异方差特性在水文时间序列研究中常被忽略的现象,在分析径流序列波动性、非平稳性的基础上,检验其中的月径流时间序列中的条件异方差效应,并分析条件异方差效应产生的原因,探讨差分进化算法求解分整增广GARCH-M模型参数的可行性和步骤,并利用该模型对时间序列波动性和长记忆性刻画的优势及其包容性和概括性,使用其对径流序列建模并进行变点诊断和分析,探讨径流时间序列变结构点产生的自然和人为原因。本文的工作和研究成果体现在以下几个方面:1)使用LM方法证明了月径流序列中存在条件异方差效应,并通过对模型残差的季节性标准化处理,得出径流时间序列的条件异方差性是由于季节性波动引起的;采用滑动平均方法去除月径流时间序列中的季节性,然后建立AR-GARCH模型,发现模型二次残差中的ARCH效应得到很好的消除。2)利用分整增广GARCH-M模型拟合月径流时间序列中的条件异方差。由于该模型参数众多,表达式和约束条件复杂,本文采用差分进化算法对其进行参数估计,探讨了差分进化算法求解模型参数的可行性和步骤,通过和EViews软件拟合结果对比,发现由差分进化算法估计的分整增广GARCH-M模型的拟合效果较好,相对传统的极大似然估计更有优势。并且利用该模型对实际径流数据进行预报,效果较好。3)利用分整增广GARCH-M模型的概括性和包容性对月径流时间序列进行变点诊断和分析,实证计算中探测出两个变点,并从降雨丰枯变化的角度分析了变结构点产生的原因,讨论了变点对径流序列条件异方差性的影响。