申请/专利权人：中国科学院地理科学与资源研究所

申请日：2022-06-09

公开（公告）日：2024-04-16

公开（公告）号：CN114970187B

主分类号：G06F30/20

分类号：G06F30/20;G06F111/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.09.16#实质审查的生效;2022.08.30#公开

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。

主权项：1.一种实现水文气候时间序列趋势无偏估计的方法，其特征在于，步骤如下：1分别生成与待分析时间序列St长度相同的白噪声、AR1过程、AR2过程、单位根过程、长持续过程五种类型的时间序列，对生成的各时间序列进行差分处理后求解各自对应的一阶自相关系数和二阶自相关系数；2重复上述步骤1，直至各类型的时间序列差分处理后的一阶自相关系数和二阶自相关系数的统计特征趋于稳定，进而获取各类型的时间序列差分处理后的一阶自相关系数和二阶自相关系数对应的95％置信区间；3识别出时间序列St中的突变成分B0，求解多年平均的季节成分S0，剔除时间序列St的突变成分B0和季节成分S0，将剩余成分作为新时间序列S’t＝St-B0-S0；4对新时间序列S’t做差分处理后，求解其一阶自相关系数AC_diff1和二阶自相关系数AC_diff2；5将一阶自相关系数AC_diff1和二阶自相关系数AC_diff2与步骤2中得到的各类型的时间序列差分处理后的一阶自相关系数和二阶自相关系数对应的95％置信区间进行对比，来判定时间序列St的具体自然演变类型；6当时间序列St的自然演变类型为白噪声过程时，利用广义最小二乘方法估计时间序列St的线性趋势斜率β1，并利用t检验方法评估其显著性：若通过显著性检验，则判定时间序列St存在确定性趋势，趋势斜率的无偏估计结果β＝β1；7当时间序列St的自然演变类型为AR1或AR2过程时，利用Newey-West方法处理该时间序列的异方差和自相关性后求得趋势斜率为β2；若通过显著性检验，则判定时间序列St存在确定性趋势，趋势斜率的无偏估计结果β＝β2；8当时间序列St的自然演变类型为单位根过程时，则时间序列St呈现明显的随机性趋势，不存在确定性线性趋势，β＝0；9当时间序列St的自然演变类型为长持续过程时，依次取不同的长持续特性di值，再利用长持续特性模型拟合新时间序列S’t的长持续成分Mit，得到剩余成分Sit＝S’t-Mit；分别估计剩余成分Sit的趋势斜率βi与对应的残差Rit；当残差最小时对应的剩余成分Sit趋势斜率记为β3，进而得到最终的趋势斜率的无偏估计结果β＝β3；10得到时间序列St的趋势斜率无偏估计结果β，利用广义最小二乘方法估计时间序列St的线性趋势斜率β0；对比β0与β的差别，得到时间序列St的自然演变特征对其趋势无偏估计结果的影响程度λ＝|β0-β|。

全文数据：

权利要求：

百度查询： 中国科学院地理科学与资源研究所 一种实现水文气候时间序列趋势无偏估计的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD