基于核估计的多变量非参数随机模型初步研究.docVIP

基于核估计的多变量非参数随机模型初步研究 王文圣1，丁晶1(1.四川大学 水利水电学院，四川 成都 610065) 摘要：本文基于核估计理论构造了多变量非参数模型。该模型是数据驱动的、不需识别和假定序列相依形式和概率分布形式的一类随机模型，克服了多变量参数模型的不足。实例统计试验表明，建议的多变量非参数模型是有成效的，为随机水文学发展提供了一些新思路。关键词：核估计；多变量非参数模型；随机模拟；实用性检验中图分类号：P333.9??????? 文献标识码：A ??? 流域水资源的开发利用，不仅需要单站水文信息，而且需要流域内各站的水文信息。进行多站水文序列模拟的一个重要手段就是建立多站(变量)随机模型。目前，多变量随机模型[1]比较成熟的有自回归模型和解集模型。这两类模型的共同点是用有限个参数的线性函数关系描述水文现象。因此简便实用，能表征水文序列的统计特性和一般变化规律，但缺点也明显：①水文序列是一时间不可逆过程，而参数模型描述的是可逆过程，因此大多数参数模型难以反映其涨落不对称性；②水文现象受流域下垫面、人类活动、气候等多因素影响而变化错综，是一个高度复杂的非线性系统，而多数参数模型仅能表征变量及变量之间的线性相依结构，忽略了占据重要位置的非线性性；③水文变量概率密度函数复杂且未知，某一指定概率分布与真实分布存在着差异。如图1、2所示，正态分布、P-Ⅲ型分布都与直方图相差甚远，但χ2检验并不拒绝P-Ⅲ型分布和正态分布；而核估计和k最近邻估计与直方图比较接近。即概率分布具有不确定性；④模型参数由于抽样误差和估计方法不同具有不确定性。??? 为克服参数模型之不足，文献[2]提出了单变量非参数模型，径流模拟表明是满意的。在此基础上，本文基于核估计理论构造了多变量非参数模型。该模型避开了序列相依形式和模型结构的假设，不涉及模型参数估计，能反映各种复杂关系，较参数模型优越。以中国金沙江流域屏山站和宜宾—屏山区间两站日流量过程随机模拟为例，对建议模型进行了应用研究。1 核估计理论[3]1.1 多维核估计定义 设X为d维随机变量，X1，X2，……Xn为X的一样本。X的概率密度函数f(X)的核估计定义如下： (1) 式中：X=(x1,x2,…,xd)T,Xi=(xi1,xi2,…，xid)T(i=1,2,…,n)；K(·)为核函数，是一给定概率密度函数；h为带宽系数；n为样本容量；S是X的d×d维对称样本协方差矩阵。1.2? 核估计精度评价? 核估计既同样本有关，又与K(·)和h的选取有关。在给定样本后，核估计的精度取决于K(·)及h的选取是否适当。常采用积分均方误差准则 进行度量。MISE由偏差和方差组成。当K(·)固定时，若h选得过大，偏差较大，但降低了方差，故(X)对f(X)有较大的平滑，使得f(X)的某些特征被掩盖起来；若h选得过小，偏差减小了，但增大了方差，则(X)有较大的波动。显然同时减少偏差和方差是不可能的。 图1 屏山站1月31日流量概率密度估计 图2 宜-屏区间7月径流量概率密度估计(图例见图1) 1.3 K(·)和h的确定 依潘涅契科夫[4]和Scott[5]通过统计试验发现，当给定带宽系数，不同核函数对MISE的影响是很小的。实际工作中，选择满足一定条件的核函数即可[2]。本文采用标准高斯函数。??? h随n增大而减小。h的确定还要考虑数据的密集程度，在数据密集区，h选小一点；在数据稀疏区，h选大一点。h的具体计算方法很多。这里使用LSCV法。LSCV是基于积分平方误差(Integrated Square Error(ISE))最小准则的一种计算方法。对多维随机变量X，ISE为： (2) 式(2)中最后一项与h无关。LSCV就是取式(2)中前两项进行最小化，即 (3) 式中：当LSCV(h)最小时，h即为所求。2? 基于核估计的多变量非参数随机模型2.1 模型建立 所谓多变量，可以是同一测站的几个水文变量，也可以是不同测站上的一种或几种变量。设｛Xt｝n(t可以是年，也可以是季、月、日)为多变量相依时间序列，Xt依赖于前P个值Xt-1,Xt-2,…，Xt-p,取Vt=(Xt-1,Xt-2,…，Xt-p)T，Xt的条件概率密度函数为： (4) (4)式中： ,m为变量个数， 为j变量t时刻水文变量值；f(Xt,Vt)为m(P+1)维联合密度函数，fV(Vt)为mP维边缘密度函数。??? 由多维核估计知 (5) (6) 其中 (7) 式中：S为(Xt,Vt)的样本协方差矩阵；SX为Xt的m×m阶对称样本方差阵；SXV为Xt与Vt的m×mP阶样本协方差阵；SV为Vt的mP×mP阶对称样本方差阵。Vi=(Xi-1,Xi-2,…，Xi-p)T，Xi=(x(1