点源时间序列数据缺失值的估值方法比较——以小流域气象和水文数据为例

摘要：

对点源时间序列数据缺失值进行有效估值能提升其数据质量.为探究不同估值方法对点源时间序列数据缺失值的估值效果及其影响因素,以亚热带典型小流域长期定位观测的每日气象和水文数据(最高气温、最低气温、太阳辐射量、降雨量及地表径流量)为例,以均方根误差(RMSE)、绝对平均误差(MAE)和Pearson 相关系数(r)为性能验证指标,比较了线性内插法(LIM)、K-最近邻插值法(KNNM)、样条插值法(SIM)、多项式插值法(PIM)和核密度估值法(KDEM)5种估值方法的估值性能差异及其主要影响因素.结果表明:(1)LIM、SIM和KDEM的估值性能总体上优于其它2种方法;(2)5种估值方法对气象数据(最高气温、最低气温和太阳辐射量)缺失值估值的RMSE为1.81~6.35,MAE为1.30~4.20,r为0.70~0.98(P<0.05),而对水文数据(降雨量和地表径流量)缺失值估值的RMSE为12.54~26.28,MAE为3.60~14.21,r为0.07~0.72.可见,各估值方法对气象数据的估值性能强于对水文数据;(3)上述数据集的变异系数(CV)与估值评估指标(RMSE、MAE及r)线性相关(P<0.05),是影响估值性能的重要因素.

关键词：缺失值、估值方法、变异系数、时间序列

所属期刊栏目：39

资助基金：国家科技支撑计划项目2014BAD14B02;水利部公益性行业科研专项经费项目201501055;湖南省地理学重点学科建设项目20110101

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：195-204