论文部分内容阅读
水文事件频率分析在防洪抗旱、水资源规划管理和水利工程建设等发挥着巨大作用,但实际应用中常因为观测数据有限,难以满足水文事件分析的要求。因此需要构建充分长的水文序列,以期对工程管理及规划设计提供数据支持。由于单变量水文事件不足以完整地考虑水文事件的多种因素间的相互关系,本文在总结了单变量水文事件的研究基础上,利用多变量联合频率的计算方法对月径流量进行分析研究。传统意义的多变量水文事件计算方法均存在一定的缺点,故本文利用Copula函数灵活、适用性好、方法简便的特点将相邻月份径流量大小构成联合分布,随机模拟生成多年月径流量。两变量联合分布指的是对两个已构建边缘(边际)分布的函数进行联合分布函数的一系列过程,包括参数估计,拟合优度评价分析,误差分析等。两变量联合概率分布研究属于多变量联合概率分布研究的一种特殊情况,在干旱频率研究分析已取得不错的成果。本文以淮河流域蚌埠站以及美国St.Marys河流域Moniac站为研究对象,利用两站日平均流量历史观测资料模拟生成长序列月径流量。基于Copula函数并采用Gibbs抽样的方法随机模拟月径流。本文的主要研究内容及结论有:(1)结果表明,服从P-Ⅲ分布函数的月份居多。由K-S检验法计算拟合优度可知,所有月份的K-S统计量均小于临界值,且P值均大于0.05。表明假设检验通过5%的置信水平,即理论值与实测值没有显著不同,拟合效果较好。(2)利用两变量经验频率公式计算相邻月份的经验频率,选取三种Copula函数对两变量联合概率分布进行拟合。通过图形评价法和AIC准则法计算得到的最优Copula函数,通过假设检验,即认为选择的Copula函数合理有效。(3)基于两变量Copula函数与Gibbs抽样法,利用条件概率对月径流量进行随机模拟,结果显示:Moniac站4、6、12月份均值及均方根误差最大未超过30%,其他月份的相对误差较小,误差均不超过5%,拟合值与实测值统计特征基本一致。蚌埠站1、5、1 1月份均值及均方根误差最大未超过30%,其他月份的相对误差较小,均未超过5%,拟合值与实测值统计特征基本一致。且两站相关系数误差均较小。