随机水文学-第2章.pptVIP

2、方差平稳 方差函数 平稳随机过程 X(t) 的方差函数σ2与时间t无关，为常数， 称为方差平稳，又称二阶平稳。 同理标准差函数σ(x)也是平稳的。 3、偏态系数平稳 平稳随机过程 X(t) 的偏态系数与时间t无关，为常数， 称为偏态系数平稳。 4、协方差平稳 根据平稳过程的定义，当n=2时，对任意 k 有 令k= - t1， t2-t1= τ时， 即平稳过程 X(t) 的二维分布函数与时间t无关，只与时间间隔τ有关 。 自协方差函数　　　　　　　　　　　　　 与时间t无关，只与时间间隔τ有关。称自协方差平稳。 5、自相关函数平稳 　平稳随机过程 X(t) 的自相关函数与时间位置无关，只与时间间隔τ有关，称自相关函数平稳。 三、平稳随机过程的分类 平稳随机过程可分为两类： 　严平稳随机过程：即满足定义的平稳随机过程，又称狭义平稳过程或高阶平稳过程。现实中不存在 　宽平稳随机过程：即均值和协方差平稳的过程，也称广义平稳过程或二阶平稳过程。一般平稳过程如没加特别说明都是指宽平稳过程。 　水文水资源系统中，当影响它的主要因素（气候、下垫面及人类活动等）相对稳定时，以年为时间尺度的水文序列可近似作为平稳随机序列。年降水量序列、年径流序列、年蒸发量序列等。 四、平稳随机过程的各态历经性 　通过大量的样本函数计算的各截口数字特征，能真实反映随机过程的统计特性。 　在水文学中，经常难以获取大量的样本函数，实际上仅仅有其中一个样本函数。在这种情况下，能否用一个样本函数来分析随机过程的统计特性？ 1、平稳随机过程的各态历经性 【定义】　在一定条件下，平稳随机过程的一个相当长的样本资料可以用来分析计算平稳随机过程的统计特性。这样的随机过程称为具备各态历经性或遍历性。该随机过程称为各态历经过程。 　在样本容量很大的情况下，每个样本函数能够代表过程的所有可能样本函数。因而任何一个样本函数都可以代表平稳过程的统计特性，可以由任何一个样本函数估计平稳过程的统计特征。非平稳随机过程不具备各态历经性，平稳随机过程也不全具备各态历经性。 　水文水资源系统，假定平稳随机过程具有各态历经性。 2、基于时间域的数字特征计算 设平稳随机过程X(t)的任意一个样本函数x(t)(0≤t≤T) 当 T 或 n 足够长时，平稳过程计算的数字特征，时间平均等于统计平均。 2.6 马尔柯夫过程 一、马尔柯夫过程的定义及特征 若随机过程 X(t) 满足： 则X(t) 被称为马尔柯夫过程。 称为马尔柯夫过程从时刻 tn 状态 Xn，转移到时刻 tn+k 状态 Xn+k 的概率，简称转移概率。 在 tn 时刻所处的状态已知的条件下， 马尔柯夫过程在时刻 tn+k 所处的状态只与其在 tn 时刻所处的状态有关，而与其在tn 时刻以前所处的状态无关。这种特性称为马尔柯夫过程的无后效性。 　过程“现在”的状态已知，其“将来”的状态与“过去”的状态无关。 　马尔柯夫过程的统计特性完全由它的初始分布和转移概率确定，因此，研究马尔柯夫过程，只需确定初始分布和转移概率。 　　马尔柯夫过程可以分为三类： 时间和状态都连续的马尔柯夫过程 　　维纳过程 时间连续、状态离散的马尔柯夫过程 　　散粒噪声过程 时间和状态都离散的马尔柯夫过程——马尔柯夫链 　马尔柯夫链是最简单的马氏过程，在水文学中广泛应用 二、马尔柯夫链 　设马尔柯夫链有m个状态　　　　　　（如径流的特丰、丰、中、枯、特枯），记转移时刻为　　　　　。某一时刻的状态为m个状态之一。 　　　　　　　　　　　　　　为过程从时刻 tn状态 ai 经过 k 步转移到状态 aj 的概率。 一般情况下，pij(n,k)与 i, j, k和 n 有关，当pij(n,k) 与n (初始时刻)无关时，称为齐次马尔柯夫链。 　实际工作中，一般考虑齐次马尔柯夫链。 取k=1，则 称为一步转移概率。 由一步转移概率可构成一步转移概率矩阵 　　　　　　　　　　　　　　 式中： 　当k≥2时变成多步转移概率矩阵。 一步转移概率矩阵与多步转移概率矩阵关系： 令时刻t的无条件概率分布或边际概率分布为 Pt=[pt(1), pt(2), …, pt(m)] 若时刻t已发生，则Pt 已知，t+1时刻的条件分布为 382 303 335 314 480 434 445 386 395 386 499 466 年径流 1987 1986 1