基于遗传熵谱估计的年径流周期识别.pdfVIP

第20卷第3期 水科学进展 v01．20．No．3 2009年5月 IN ADvANCESWATERSCIENCE May，2009 基于遗传熵谱估计的年径流周期识别 张 明1,2，张建云2，一，金菊良4 (1．河海大学水文水资源与水利工程科学国家重点实验室。江苏南京210098；2．水利部应对气候变化研究中心．江苏南京210029； 3．南京水利科学研究院，江苏南京210029；4．合肥工业大学土木与水利工程学院，安徽合肥230009) 摘要：为识别年径流量序列的隐含周期．提出基于加速遗传算法的熵谱估计算法，与传统的方差谱和Burg谱相比， 该方法由熵谱分析的4个等价条件构建多目标函数．并以加速遗传算法作为优化算法，谱估计结果不依赖于初始值 的选取，对数据长度、信噪比和初相位有较强的适应1啦在三川河流域后大成站1956—2000年径流量序列周期识 别中的应用结果表明，在95％的置信检验水平下，序列中存在着12．29年和2．67年的显著隐含周期，为三川河流 域年径流的变化规律和变化的阶段性研究提供了一条新的定量研究手段。 关键词：年径流；时间序列；周期识别；最大熵谱估计；加速遗传算法 中图分类号：P333．6 文献标识码：A 文章编号：100l柳9l(2009)03．0337-06 降水、径流在演变过程中受到大气环流、太阳黑子变化等多因素的综合影响，具有某种变化规律或变化的 阶段性，降水、径流序列的周期性研究在水资源管理中具有十分重要的意义，但是水文序列受众多影响因素的 作用，严格的周期成分难以获得，只能获得近似的隐含周期成分¨_5J。判断降水、径流序列是否具有周期成 分，通常采用谱分析技术。相关分析是从时间域上探讨时间序列的内部结构，有时不能分辨出时间序列周期上 的细微变化，谱分析技术则是从频率域上研究时间序列的内部结构，根据谱密度函数即可确定序列能量随频率 的变化过程，进而清晰地显示出隐藏在降水、径流时间序列中的周期性特征【I2J。常见的谱分析方法包括，方 期分析的工具，但需借助于谱窗函数对粗谱加以平滑，其统计稳定性和分辨率与选择的窗函数有关，有时会得 出虚假的结论【6,7 J。Burg熵谱估计以信息论中熵的概念为基础，以未知点取最大不确定性为原则外推时间序列 的自相关函数，将谱估计研究推进了一个阶段【引。但Burg谱估计仅采用前向、后向预测误差最小作为目标函 数，分辨结果对数据长度、信噪比和初相位的选择依赖性较大，且若初始熵谱参数选取不当则易导致谱线偏 移、分裂等现象的发生【8,9]。吴嗣亮等证明熵谱分析存在前、后向预测误差期望等于零且满足正交性的4个等 价条件¨oI，但当观测数据较短时，最大熵谱的4个等价条件并不完全等价，优良的估计方法应确保同时近似 满足。笔者认为Burg算法存在的缺陷的解决方案，应是构建4个等价条件同时满足的多目标优化函数，以非 线性优化算法进行全局优化，求解最优的熵谱参数，从而得到估计出的时间序列频谱图。基于模拟生物自然选 择与优胜劣汰过程的遗传算法是解决多目标优化、进行全局寻优的有效算法，在许多领域获得了广泛应用[11]。 本文在上述成果的基础上，提出基于遗传熵谱估计算法(Genetic estimation EntropySpectral 周期识别方法，该方法以加速遗传算法作为优化算法，优化满足4个等价条件的多目标优化函数，估计结果不 依赖于初始值的选取，对数据长度、信噪比和初相位有较强的适应性。 收稿日期：2008-08-30 (2006BABl4BO2)；中国气象局成都高原气象开放实验室基金课题(LPM2(DS018) 作者简介：张明(1983一)．男，安徽巢湖人，博士研究生。主要从事水文水资源不确定性方面的研究。 E-mail：ahzhnfing@163．coin 338 水科学进展 第20卷 1数据