水文频率分析中最大熵法的数学特性.docxVIP

水文频率分析中最大熵法的数学特性 singhvp。 1 概率密度函数 Shannon定义的信息熵为: 式中:H(x)为熵;x为随机变量;f(x)为概率密度函数;R为积分区间。 Jaynes E T 对于概率密度函数f(x)代入式(1)分解有: 式中:G 现用Lagrange乘子法求解。引入Lagrange不定乘子λ 令L对f(x)的变分为零，即: 最大熵分布概率密度函数的解析式: 将式(6)代入式(2)得: 由式(7)得: 式中:g(λ 比较最大熵分布与概率密度函数，可建立Lagrange乘子与概率密度函数参数之间的关系。还必须建立概率密度函数参数与约束条件之间的关系。将式(7)对λ 再将式(8)对λ 式中:q 式(12)共有N个关系式，可联立求解λ 若G 式中:Var[ 式中:z 式(15)共有N个关系式。当r≤N时，则在式(15)中选择r个关系式，联同式(12)的N个关系式求解r+N个未知数。当rN时，此种情况很少，还需导出另一补充关系式。 将式(7)对λ 式中:Cov[ 式中:u 在式(18)中选择r-N个关系式，与式(12)、(15)的2N个关系式一起，联立求解r+N个未知数。 从上述推导过程可以看出，通过Lagrange乘子分别构建了与参数和约束条件之间的关系，消去Lagrange乘子后，建立了参数与统计特征之间的关系。 需要注意的是，最大熵法不适用所有的概率密度函数，但是对常用的水文频率分布均适用。 2 传统矩类矩 在最大熵法的推导中，重要结果为式(12)、(15)、(18)，实质上归结为建立了在信息熵约束条件下概率密度函数参数与统计特征的关系，这种关系是概率密度函数自身性质决定的，与在信息熵约束条件下直接用概率统计方法建立的关系是等价的。根据式(1)的性质，概率密度函数f(x)取对数后，使G 梅林变换定义为: 式中:Φ 式(19)中当s=n+1时，可以得出传统矩(第一类矩)为: 式中:n为自然数;m 根据梅林变换的性质可得对数矩(第二类矩)为 式中: 可导出对数累积量，有: 式中:k珓 应用梅林变换推导概率密度函数参数估计最大熵法的步骤如下: (1)由已知的概率密度函数分布，根据最大信息熵原理反求约束条件，即式(3); (2)确定概率密度函数分布参数的个数，依照参数个数选择参数估计统计特征方程式，保证统计特征方程式个数与参数个数相等，取舍规则:首先选择信息熵约束条件下的均值特征方程式，即式(12)，均值特征方程式不够参数个数时再选择方差特征方程式，即式(15)，再不够时还需要选择协方差特征方程式，即式(18); (3)分析判断其约束条件的边界是否符合梅林变换的要求，对不符合的，做数学处理达到要求; (4)用梅林变换推导已选取的统计特征方程式，建立参数与统计特征的关系，组成参数估计的统计特征方程组，即最大熵法。 3 ．p-型分布的12 为了实证用梅林变换推导最大熵法的有效性和合理性，本文选取了5大类13种水文频率分布线型 下面以表1中所列的P-Ⅲ型分布参数估计最大熵法推导为例说明。 第一步:将P-Ⅲ型分布代入式(1)，有: 得约束条件为: 第二步:P-Ⅲ型分布有3个参数，分别为a、b、c，按照规则分别选取约束条件的均值特征方程式E[x-c]、E[ln(x-c)]和补充关系式中的方差特征方程式Var[x-c]等3个方程式。 第三步:式(26)、(27)可以看出，边界条件不符合式(19)的要求，做变换，令 第四步:将f(y)代入式(19)，用梅林变换推导得: 式(32)中s分别取2、3，推导有: 将式(32)代入式(21)，取n=1，有: 结果表明，基于梅林变换的最大熵法推导既简单又易懂。 4 建立与参数和约束关系 (1)最大熵法是以最大信息熵原理为基础，在已知概率密度函数前提下，反求约束条件，通过Lagrange乘子分别构建与参数和约束条件之间的关系，消去Lagrange乘子后，建立参数与统计特征之间的关系。 (2)梅林变换可以作为推导最大熵法的一种新方法，阐述了推导步骤和注意问题。 (3)对5大类13种水文频率分布线型进行了参数估计最大熵法的推导，结果证明，该推导过程既简单又易懂。 将式(28)代入式(33)、(34)、(35)逆变换得: