CEM模型和KCEM模型在水文站网优化中的应用

发布时间：2020-04-16 07:31

【摘要】：准确完整的水文数据对于水利工程项目设计、规划和施工是至关重要的。水文站网可以为水资源管理、水库运行、洪水预报等提供必要和实时的水文数据信息。现代水文站网应在满足不同的用户需求同时具备高效节约的特征。因此,水文站网的优化可以采用信息量最优与估计误差最小的原则对已有站网进行增删。站网优化目标的不同导致研究方法的差异性。本研究着重从站网信息量和站网估计精度两个优化目标分别建立了两种站网评价模型:CEM模型和KCEM模型。其中CEM模型代表了基于Copula熵的多目标水文站网优化模型,其充分发挥Copula熵(copula entropy,CE)理论在多维信息量准确刻画的优势,降低了站网优化的难度,弱化了常用的直方图法在互信息估计时的参数敏感性问题。该模型具体归纳为以下两个阶段:(1)通过对两站点的Copula信息熵传递导向指标的定量计算对已有站点进行分类;(2)对已分类的站点重新进行Copula熵为主导的多目标最优站点组合选取。模型应用到伊洛河流域水文站网的优化布置中,借助模型评价指标(NSC,MNCE和MNCE)的定量分析,结果表明模型优选出的站点组合是客观合理的。基于Copula熵的站网优化模型仅仅是从站网信息总量最优角度进行评价的,没有考虑站网估计精度的影响。为此本文又建立了基于克里金和Copula熵结合(KCEM)的雨量站网优化模型并将其应用到上海地区雨量站网优化设计中。一方面利用了克里金空间插值法对于新增站点雨量数据的估计优势,另一方面率先提出了NI-K E准则(NI-KSE based criterion),将以上两个目标函数(最大化信息总量和最小化克里金标准误差值)统一成了单目标函数,从而能够综合考虑站网系统的信息相关的统计指标和站网估计精度两个站网优化目标。对于站网空间变异性的刻画,采用了 4种潜在的变异函数模型,包括指数模型(exponential),球模型(spherical),高斯模型(Gaussian)和Matern模型。交叉检验结果显示,模拟区域所有样本数据的空间特征和模式均可以通过选定的变异函数模型来描述。最终站点组合评判结果表明,基于克里金和信息熵耦合的模型能够获得准确的雨量估计和最优的水文信息量,能够为水文决策者提供有价值的参考信息。综合本文研究内容,主要得出了以下创新性的研究成果:(1)基于Copula熵的两阶段多目标优化模型有效量化了站点间的互信息和总相关量。其中,两阶段的评估方法很好地避免了维度过于复杂的问题并简化了评估过程。CDIT(Copula entropy-based directional information transfer)指标的提出对流域内的站点进行了很好地聚类分析,量化了站点之间的信息传递量。在Copula熵计算之前,采用了半参数(semiparametric approach,SP)估计方法得出Copula函数的参数θ值,并通过Cramer-von Mises数据(5n)对潜在的阿基米德Copula函数可以准确得到最优的Copula函数,并同样适用于高维的情形。(2)基于NI-KSE准则的雨量站网优化模型,不仅利用克里金插值法对数据缺乏地区进行数据补充,同时考虑克里金标准误差值(kriging standard Error,KSE)和站网信息量(net information,NI)指标两个目标函数,最终模型效果的评价结果证实了克里金和信息熵相耦合方法的合理性。
【图文】：

分析图,自相关过程,分析图

但是考虑到数据的长度会因为间隔的增大而减小从而增加了后续Ｃｏｐｕｌａ函数参逡逑数估计时不确定性，本文采用了时间间隔为３天。为了直观地显示自相关的变化，逡逑又显示了时间间隔由２天变为３天的自相关函数分析图（见图３．２）。由图中可知，，逡逑当时间间隔为２天的情形下，站点１、４和５对应的ＡＣＦ值在ｌａｇ＝ｌ时是大于各逡逑自的阈值（图中的蓝色虚线），间接表明了这三个站点的样本是自相关的，无法通逡逑过独立同分布假设的。而当时间间隔定为３天时，在ｌａｇ＝ｌ时各个站点对应的逡逑ＡＣＦ值都是小于阈值的，这样所有站点的选定样本是可以满足独立同分布假设逡逑的。逡逑表３．１数据处理后的Ｌｊｕｎｇ－Ｂｏｘ检验结果逡逑逦时间间隔逦逡逑站点逦Ｉｄ邋２ｄ邋３ｄ邋４ｄ邋５ｄ邋６ｄ邋７ｄ邋８ｄ邋９ｄ邋１０邋ｄ逡逑１逦ＦＦＴＦＦＦＦＴＴＦ逡逑２逦ｐ邋丁丁丁邋丁丁丁邋丁丁丁逡逑３ＦＦＴＦＴＦＴＴＴＴ逡逑４ＦＦＴＦＦＦＦＴＴＴ逡逑５逦ｐｔｔｔｔｔｔｔｔｔ逡逑６ＦＦＴＦＴＦＦＴＴＴ逡逑７ＦＦＴＦＦＦＦＴＴＦ逡逑８ＦＦＴＦＴＦＴＴＴＦ逡逑９ＦＦＴＦＦＦＦＴＴＦ逡逑注：表中Ｔ代表Ｂｏｘ检验的ｐ．ｖａｌｕｅ值２邋Ｓ％，即在９５％的置信水平下是满足独立性假设的。逡逑３６逡逑

流程图,流程图,模型建立

3Copula模型建立流程图
【学位授予单位】：南京大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：P336

【参考文献】