基于多重分形DFA和粗糙集理论的河川径流特性分析

采用多学科交叉研究方法,对影响河川径流复杂的自然-人类活动二元循环耦合影响因素开展深入研究,系统分析河川径流演变规律。针对河川径流的复杂演变过程,本项目以粗糙集和复杂性理论为基础,选用长江干流不同水文站的径流资料为样本,研究以下内容:依据粗糙集理论对径流进行不确定性刻画及影响因素分析;采用多重分形去趋势波动分析方法探测河川径流序列的波动长记忆特性,并对径流序列的变结构动力学特性进行检验、诊断和统计分析,进而构建面向变结构的分整增广自回归条件异方差径流预报模型,同时探求差分演化智能算法解算径流预报模型参数的适定性.本项目研究兼具前瞻性、基础性和应用性,为科学合理描述径流规律、准确预报径流、实现水资源综合利用管理及可持续发展提供先进理论与方法,并具有重要理论意义和工程应用价值,同时亦能丰富水文学与水资源研究的相关理论,推动水科学的发展.

项目围绕河川径流时间序列动力学特性核心问题，采用多学科交叉研究方法，对影响河川径流复杂的自然-人类活动二元循环耦合影响因素进行了较为深入研究,系统分析了河川径流序列的演变规律。针对河川径流的复杂演变过程,项目以粗糙集和复杂性理论为基础,选用长江水文站历史径流资料为研究样本，对河川径流时间序列不确定性自然因素和人类活动影响因素进行分析，并采用粗糙集理论对径流影响因素进行属性约简建模，同时研究了基于混沌理论的改进拟文化差分智能优化算法，对算法求解具有复杂约束条件的非线性约束优化问题的性能进行了探讨，并将其应用于径流序列影响因素属性约简模型的求解，从而挖掘出影响河川径流时间序列的最小影响因素集。项目以去趋势波动分析方法（DFA）、非对称去趋势波动分析方法（A-DFA）、改进的多重分形消除趋势波动分析法（MF-DFA）为工具，对河川径流时间序列长期演化的波动长记忆性和多时间尺度分布规律进行了研究，对径流序列的多重分形特征及强度进行了定量分析，并利用径流的重排序列和替代序列，探讨了径流时间序列的长程相关性和胖尾概率分布特性与径流序列多重分形特征的内在关联性，揭示出二者对径流多重分形特征形成的贡献大小。进而对径流序列的变点及变结构特性进行检验、诊断和统计分析，通过对径流序列的ARCH效应检验，建立起面向变结构的分整增广自回归条件异方差径流预报分析模型，利用提出的差分演化智能优化算法解算变结构分整增广自回归条件异方差径流预报模型参数，找到影响径流序列变化的变结构点，为提高径流预报精度提供了新方法。