基于Copulas函数的二维干旱变量联合分布

通过构建干旱变量的联合分布揭示干旱演变规律,可作为干旱分析的重要手段。基于8种单参数族的Copulas函数进行新疆乌鲁木齐和石河子气象站二维干旱变量的联合分布。经拟合优度评价:Frank Copula对干旱历时和干旱烈度、干旱历时和烈度峰值的拟合度最好;Clayton Copula对于干旱烈度和烈度峰值的拟合效果最好。二维变量联合超越概率值随单变量值的减小而增大;单变量的重现期介于二维变量联合重现期与同现重现期之间。表明Copulas函数能够描述二维干旱特征变量的联合分布。     

椭圆型Copulas函数在西安站干旱特征分析中的应用

本文研究了干旱发生的联合概率、条件概率和重现期等干旱特征.以陕西省西安站月降水为例,应用Meta-Gaussian Copula和Student t Copula构造了干旱历时、干旱烈度和烈度峰值的联合概率分布,并进行了多变量分布拟合优质评价及拟合检验,在此基础上计算了联合分布的重现期以及2变量和3变量情形下的条件概率与条件重现期.研究表明,Meta-Gaussian Copula可以描述干旱历时、干旱烈度和烈度峰值三者的联合分布.由于多元联合分布可以考虑到多个变量之间的不同组合,能够求得不同干旱历时、干旱烈度或烈度峰值下的条件概率和条件重现期,因而能够更加全面客观地反映干旱的特征.     

Archimedean族Copulas函数在多变量干旱特征分析中的应用

以甘肃省陇西站月降水资料为例,应用9种3维Archimedean Copulas函数构造了干旱历时、干旱烈度和烈度峰值的联合概率分布,并进行了多变量的拟合优度评价,利用优选出的3维非对称型M12 Copula函数,计算联合分布的重现期以及不同组合下的条件概率与条件重现期。结果表明,M12Copula函数可以描述干旱历时、干旱烈度和烈度峰值间的联合分布。由于Copula函数能够用来构建不同边缘分布的联合分布,可以获得变量间不同组合下的重现期,因而能够更全面客观地反映干旱的特征,是描述干旱多变量分布的一种有效途径。     

非参数方法在干旱频率分析中的应用

运用非参数核密度估计方法研究干旱发生的联合概率、条件概率和重现期等干旱特征,以宁夏盐池站的月降水为例,应用单变量核概率密度函数估计干旱历时D的边缘分布,进行参数方法和非参数方法的拟合效果比较。在此基础上,采用双变量核概率密度函数估计方法构建了历时D与烈度S、历时D与峰值P的两变量联合概率分布,并计算了联合分布的重现期、条件概率与条件重现期。结果表明:与参数方法相比,非参数核密度估计方法能够描述干旱历时D、烈度S和峰值P两两之间的联合分布,是研究干旱频率的另一种新途径。     

多变量干旱事件识别与频率计算方法

干旱持续时间久、影响范围大,时空连续性是干旱的基本特征,以往研究大多考虑单变量或双变量。通过给定阈值识别干旱斑块和判断两相邻时间干旱的连续性,提出了时空连续的干旱事件三维识别方法,用干旱历时、干旱面积、干旱烈度、干旱强度和干旱中心位置5个特征变量对一场干旱事件进行度量;提出了基于Copula函数的干旱历时-面积-烈度三变量频率分析方法。以中国西南地区为例,采用SPI(Standard Precipitation Index)干旱指标识别了近52年发生历时等于或大于3个月的干旱事件,一共78场,其中2009年8月至2010年6月最严重干旱事件的重现期为94年一遇。通过比较概率分布函数和Copula函数,表明在干旱频率分析时需要考虑干旱历时、面积、烈度3个特征变量。     

水文双变量重现期分析及在干旱中应用

单变量水文统计中一些广为接受的概念在多变量环境下尚缺乏深入分析,也易被误解,如N年内重现期大于等于T的多变量事件发生的次数与N/T的关系。实践中,多变量联合重现期与其边缘分布变量重现期的一些经验关系被发现并通过了案例验证分析,但缺乏解释和推导。基于GH Copula推导了双变量联合重现期与边缘分布变量重现期的关系以及双变量事件发生次数与其重现期、变量相关程度间的定量关系。以昆明56年的逐月SPI(Standardized Precipitation Index)和SRI(Standardized Runoff Index)识别了干旱事件,采用GH Copula构建了干旱历时和烈度的联合分布函数,验证了双变量联合重现期与边缘分布变量重现期的关系以及多变量事件发生次数与其重现期的定量关系。表明不宜以“and”第1重现期是否接近于比该干旱事件的旱情更重的干旱发生的平均时间间隔来说明干旱特征值重现期分析的合理性。变量的相关性不强时,需谨慎采用边缘分布变量重现期的较大值近似代替“and”事件的第1重现期。     

基于Copula函数的组合变量联合概率分布研究及应用

基于Copula函数原理,利用武江流域实测水文资料,以广义GDP为洪峰洪量边缘分布,构建了流域组合变量Copula概率分布模型,分析了洪峰与洪量、洪量与洪水历时、洪峰与洪水历时的联合概率分布,绘制各种变量组合下的联合分布图及重现期等值线图,并比较了同重现期条件下,洪水单变量设计值与多维联合设计值的区别。结果表明:广义GDP分布能很好的描述洪峰、洪量边缘分布,而基于广义GDP分布和指数分布构建的两变量Copula联合概率分布模型不限定变量的边缘分布,对各种类型的水文变量联合分布拟合效果较好;能全面反映洪水各特征属性不同等级下的联合发生频率,对同一频率下联合分布推求的洪水设计值比单变量设计值偏于安全。基于Copula函数的组合变量概率分布模型描述洪峰流量、洪量、洪水历时等特征的联合分布,较为全面地反映组合特征的洪水发生的概率和重现期,进一步反映洪水风险。     

3维干旱变量联合概率分布研究

研究多变量干旱特性联合分布的推求方法。选择干旱历时、干旱烈度和烈度峰值为水文干旱特性变量。单变量的边际分布参数分别采用矩法、概率权重法、极大似然法和遗传算法进行计算和优化。应用检验、Kolmogorov-Smirnov等6种检验法进行单变量分布的拟合度检验。采用Pearson’s古典相关系数,Spearman秩相关系数,Kendall’s,Chi-Plots和K-Plots进行变量间的相依性度量。选择4种常用的3维Archimedean Copula函数进行干旱特性变量联合分布拟合。根据RMSE、AIC和BIC准则选择最优copula。在此基础上,采用基于Rosenblatt变换的Bootstrap法进行3维copula的拟合度检验。模型应用于渭河流域北洛河状头站径流序列,结果表明:Gumbel-Hougaard copula拟合效果最好,可以描述洛河状头站3维干旱变量的联合分布。     

不同历时设计暴雨组合的风险率分析

基于Copula理论与方法,以广州1951~2010年的日降水为例,以最大日降水量为基准,构建最大日降水量(W1)与历时3日(W3)降水量,最大日降水量(W1)与历时7日(W7)降水量两个组合的联合概率分布模式。经择优检验建立了边缘分布为广义极值和P-III型的Gumbel-Hougaard Copula两变量联合分布。随之,推算了两个组合降水的同现重现期和设计暴雨值。最后,依据条件分布计算了在大于或小于年最大日降水量特定设计暴雨条件下超过历时3日或7日降水设计值的风险率。     

Pair-copula函数在多变量干旱特性联合概率中的应用

研究pair-copula在干旱特性联合概率中的应用。以渭河流域咸阳站降雨资料为例,采用游程理论,选取干旱历时、干旱烈度和烈度峰值为干旱特性变量,应用Pearson线性相关系数、Spearman相关系数和Kendall秩相关系数进行相依性度量。采用4种常用的copula函数构造了12种pair-copulas,以RMSE、AIC、BIC为准则选择最优的pair-copula。运用Rosenblatt变换的Bootstrap法进行copula拟合度检验,推导3变量的联合概率分布。与3维对称、非对称阿基米德copulas和椭圆copula比较,表明pair-copula可以描述多变量水文概率分布。