[发明专利]一种判定水文时间序列趋势类型的方法

权利要求书

1.一种判定水文时间序列趋势类型的方法，其特征在于，包括步骤如下：

1)利用广义最小二乘方法估计时间序列线性趋势的斜率a，并评估其显著性；

2)根据序列的自相关特性建立自回归模型，结合序列线性趋势的显著性，确定KPSS和PP检验方法的具体表达形式：

TS(t)＝A(m)+a*t+u(t)

其中，A(m)为m阶自回归模型，a*t为线性趋势项，u(t)为平稳噪声；

3)利用确定的KPSS检验方法和PP检验方法判定序列TS(t)的趋势类型，记为第一次判定结果：若两种方法同时判定为确定性趋势，则说明序列包含确定性趋势；若两种方法同时判定为随机趋势，则说明序列包含随机趋势；若两种方法的结果相互矛盾，初步判定趋势类型未知，并进入步骤4)分析；

4)选择突变检验方法识别序列TS(t)中的突变成分B₀；

5)利用小波函数对序列TS(t)进行离散小波分解，剔除序列TS(t)的低频成分L(t)和突变成分B₀，将剩余成分作为重构序列TS’(t)；

TS’(t)＝TS(t)-L(t)-B₀

6)重复步骤1)到3)，识别重构序列TS’(t)的趋势类型，记为第二次判定结果；若两种方法结果仍然相互矛盾，进入步骤7)分析；

7)分析重构序列TS’(t)的自相关系数图和偏相关系数图，认识其统计特性；若两种系数图同时表现为截尾特性，则判定序列包含确定性趋势；若两种系数图同时表现为拖尾特性，则判定序列包含随机趋势；若两种系数图的结果相互矛盾，则最终判定序列的趋势类型未知。

2.根据权利要求1所述的判定水文时间序列趋势类型的方法，其特征在于，所述的步骤2)具体包括：

21)应用赤池信息量准则和贝叶斯信息准则识别序列TS(t)自回归模型的滞后阶数，结果分别记为m₁和m₂；

22)若m₁和m₂相近，取其小值作为确定的自回归模型滞后阶数m；若m₁远大于m₂，则设定m₂为确定的自回归模型滞后阶数m；

23)建立描述序列TS(t)的自回归模型：

A(m)＝C₁*x_t-1+C₂*x_t-2+…+C_m*x_t-m+u_t

其中，C_i表示第i阶自回归模型参数，i＝1,2,…,m；x_t表示序列的数值；u_t表示平稳随机项；

24)若利用广义最小二乘方法估计的时间序列线性趋势显著，线性趋势项记为a*t；若线性趋势不显著，设定a＝0，即不考虑线性趋势。

3.根据权利要求1所述的判定水文时间序列趋势类型的方法，其特征在于，所述的步骤5)具体包括：

51)根据序列TS(t)的长度l确定离散小波分解最大时间尺度L＝log₂(l)-2；

52)对序列TS(t)进行离散小波分解，得到各尺度上的序列成分TS_n(t),n＝1,2,…,L；

53)将最大时间尺度上的成分TS_L(t)作为低频成分L(t)，即TS_L(t)＝L(t)。