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：2024-04-26

公开（公告）号：CN114840802B

主分类号：G06F17/10

分类号：G06F17/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.08.19#实质审查的生效;2022.08.02#公开

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、AR1过程、AR2过程，可避免AR1过程、AR2过程被误判为长持续过程的错误结果。

主权项：1.一种判别水文气候过程自然演变类型的方法，其特征在于，步骤如下：1分别生成与待分析时间序列TSt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TSt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TSt的突变成分B0和季节成分S0，将剩余成分作为新时间序列TS’t＝TSt-B0-S0；4对新时间序列TS’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，来确定时间序列TSt的具体自然演变类型；所述步骤5具体包括：51当AC_diff1和AC_diff2属于白噪声的95％置信区间内，则时间序列TSt的自然演变类型判定为白噪声过程；52当AC_diff1和AC_diff2属于单位根过程的95％置信区间内，则时间序列TSt的自然演变类型判定为单位根过程；53当AC_diff1和AC_diff2属于AR2过程的95％置信区间内，则时间序列TSt的自然演变类型判定为AR2过程；54若AC_diff1和AC_diff2属于长持续过程或AR1过程的95％置信区间内，则利用DFA方法求解新时间序列TS’t的标度指数α，进一步判别TSt的自然演变类型；所述步骤54具体包括：541利用DFA方法获取新时间序列TS’t的波动函数Fs和时间尺度s的双对数散点图lnFs、lns；542识别双对数散点图的结构突变点B1；543利用最小二乘法对区间B1sL4的lnFs和lns进行线性拟合，线性趋势为标度指数α，L为时间序列TSt的序列长度；544若α＝0.5，则时间序列TSt的自然演变类型判定为AR1过程；545若α0.5，则时间序列TSt的自然演变类型判定为长持续过程。

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 一种判别水文气候过程自然演变类型的方法

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