基于季节长记忆双自回归模型的日径流模拟
传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性,且模型参数限制严格,从而使日径流序列模拟受到限制,影响径流模拟预测精度.本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比,选取渭河流域 4 个水文站日径流序列进行模拟验证.结果表明:WOA-SFIDAR模型的模拟能力优于 SFIAR-GARCH模型,模拟结果很好地保持了日径流过程的统计特性.7、8 月份模拟均值误差相对较大,WOA-SFIDAR 模型的误差范围(5.72~32.56)低于 SFIAR-GARCH模型(7.42~48.02).WOA-SFIDAR 模拟逐月变差系数(Cv)和偏态系数(Cs)与实测序列统计值间偏差范围为 0~0.51 和 0.02~1.31,优于SFIAR-GARCH模型(0.02~0.56 和 0.06~1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势,且随滞时的增加,实测序列与模拟序列的 ACF差距减小.文中模型扩展了水文随机模拟方法,可为日径流模拟和预报提供一种新途径.
长记忆性、时变波动性、径流模拟、双自回归模型、渭河流域
54
P338+.9(水文科学(水界物理学))
国家自然科学基金;江苏省自然科学青年基金项目
2023-07-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
686-695