-
公开(公告)号：CN114840802B
公开(公告)日：2024-04-26
申请号：CN202210650070.6
申请日：2022-06-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/10
摘要： 本发明公开了一种判别水文气候过程自然演变类型的方法，步骤如下：求解五种自然演变类型的时间序列进行差分处理后各自对应的一阶自相关系数和二阶自相关系数，并通过蒙特卡罗试验估计其各自对应的95%置信区间；识别出待分析时间序列中的突变成分，剔除该时间序列的突变成分和季节成分，将剩余成分作为新时间序列；对新时间序列做差分处理后，求解其一阶自相关系数和二阶自相关系数，并与上述各种类型对应的95%置信区间对比，确定待分析时间序列的具体自然演变类型。本发明利用蒙特卡罗试验确定各种自然演变类型统计特征的置信区间，以此为依据准确区分白噪声、单位根过程、AR(1)过程、AR(2)过程，可避免AR(1)过程、AR(2)过程被误判为长持续过程的错误结果。
-
公开(公告)号：CN114970187A
公开(公告)日：2022-08-30
申请号：CN202210650692.9
申请日：2022-06-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F30/20 , G06F111/08
摘要： 本发明公开了一种实现水文气候时间序列趋势无偏估计的方法，包括：利用蒙特卡罗试验获取五种自然演变类型的时间序列差分后各自对应的一阶和二阶自相关系数的95%置信区间；剔除待分析时间序列的突变成分和季节成分，对剩余成分进行差分后求解一阶和二阶自相关系数，与上述各种类型对应的95%置信区间对比，确定其自然演变类型：若为白噪声，利用广义最小二乘法直接评估趋势显著性；若为AR过程，利用Newey‑West方法消除异方差和自相关性后评估趋势显著性；若为长持续过程，拟合并去除长持续成分后再评估趋势显著性。本发明针对不同自然演变类型采取针对性的方法检测趋势类型并评估显著性，消除自然演变特征的影响，实现对水文气候时间序列趋势的无偏估计。
-
公开(公告)号：CN114840802A
公开(公告)日：2022-08-02
申请号：CN202210650070.6
申请日：2022-06-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/10
摘要： 本发明公开了一种判别水文气候过程自然演变类型的方法，步骤如下：求解五种自然演变类型的时间序列进行差分处理后各自对应的一阶自相关系数和二阶自相关系数，并通过蒙特卡罗试验估计其各自对应的95%置信区间；识别出待分析时间序列中的突变成分，剔除该时间序列的突变成分和季节成分，将剩余成分作为新时间序列；对新时间序列做差分处理后，求解其一阶自相关系数和二阶自相关系数，并与上述各种类型对应的95%置信区间对比，确定待分析时间序列的具体自然演变类型。本发明利用蒙特卡罗试验确定各种自然演变类型统计特征的置信区间，以此为依据准确区分白噪声、单位根过程、AR(1)过程、AR(2)过程，可避免AR(1)过程、AR(2)过程被误判为长持续过程的错误结果。
-
公开(公告)号：CN112149296B
公开(公告)日：2023-06-20
申请号：CN202010980380.5
申请日：2020-09-17
申请人： 中国科学院地理科学与资源研究所
摘要： 本发明公开了一种判定水文时间序列平稳性类型的方法，包括：检验序列S(t)的确定性程度；若检验为确定性过程，评估序列S(t)的线性趋势显著性：若线性趋势显著，则判定为趋势平稳序列，若趋势不显著，则判定为随机平稳序列；若检验为随机过程，计算序列S(t)的分数差分参数d：若d>0.5，则判定为差分平稳序列；若d
-
公开(公告)号：CN112149296A
公开(公告)日：2020-12-29
申请号：CN202010980380.5
申请日：2020-09-17
申请人： 中国科学院地理科学与资源研究所
摘要： 本发明公开了一种判定水文时间序列平稳性类型的方法，包括：检验序列S(t)的确定性程度；若检验为确定性过程，评估序列S(t)的线性趋势显著性：若线性趋势显著，则判定为趋势平稳序列，若趋势不显著，则判定为随机平稳序列；若检验为随机过程，计算序列S(t)的分数差分参数d：若d>0.5，则判定为差分平稳序列；若d
-
公开(公告)号：CN110321518B
公开(公告)日：2020-09-04
申请号：CN201910514748.6
申请日：2019-06-14
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/10
摘要： 本发明公开了一种判定水文时间序列趋势类型的方法，包括：利用广义最小二乘方法评估序列TS(t)线性趋势的显著性；利用确定的KPSS和PP检验方法判定序列TS(t)的趋势类型：若两种方法结果一致，给出趋势类型结果；若二者矛盾，选择Pettitt方法识别序列TS(t)的突变成分B0，对序列TS(t)进行离散小波分解；剔除序列TS(t)的低频成分L(t)和突变成分B0，将剩余成分作为重构序列TS’(t)，利用确定的KPSS和PP检验方法识别序列TS’(t)的趋势类型；若两种方法结果一致，给出趋势类型结果；若二者仍然矛盾，分析重构序列TS’(t)的自相关系数图和偏相关系数图；若两者均表现截尾特性，则判定为确定性趋势；若两者均表现拖尾特性，则判定为随机趋势；若两者结果矛盾，则最终判定序列的趋势类型未知。
-
公开(公告)号：CN110321518A
公开(公告)日：2019-10-11
申请号：CN201910514748.6
申请日：2019-06-14
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F17/10
摘要： 本发明公开了一种判定水文时间序列趋势类型的方法，包括：利用广义最小二乘方法评估序列TS(t)线性趋势的显著性；利用确定的KPSS和PP检验方法判定序列TS(t)的趋势类型：若两种方法结果一致，给出趋势类型结果；若二者矛盾，选择Pettitt方法识别序列TS(t)的突变成分B0，对序列TS(t)进行离散小波分解；剔除序列TS(t)的低频成分L(t)和突变成分B0，将剩余成分作为重构序列TS’(t)，利用确定的KPSS和PP检验方法识别序列TS’(t)的趋势类型；若两种方法结果一致，给出趋势类型结果；若二者仍然矛盾，分析重构序列TS’(t)的自相关系数图和偏相关系数图；若两者均表现截尾特性，则判定为确定性趋势；若两者均表现拖尾特性，则判定为随机趋势；若两者结果矛盾，则最终判定序列的趋势类型未知。
-
公开(公告)号：CN114970187B
公开(公告)日：2024-04-16
申请号：CN202210650692.9
申请日：2022-06-09
申请人： 中国科学院地理科学与资源研究所
IPC分类号： G06F30/20 , G06F111/08
摘要： 本发明公开了一种实现水文气候时间序列趋势无偏估计的方法，包括：利用蒙特卡罗试验获取五种自然演变类型的时间序列差分后各自对应的一阶和二阶自相关系数的95%置信区间；剔除待分析时间序列的突变成分和季节成分，对剩余成分进行差分后求解一阶和二阶自相关系数，与上述各种类型对应的95%置信区间对比，确定其自然演变类型：若为白噪声，利用广义最小二乘法直接评估趋势显著性；若为AR过程，利用Newey‑West方法消除异方差和自相关性后评估趋势显著性；若为长持续过程，拟合并去除长持续成分后再评估趋势显著性。本发明针对不同自然演变类型采取针对性的方法检测趋势类型并评估显著性，消除自然演变特征的影响，实现对水文气候时间序列趋势的无偏估计。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.038 秒)
