-
公开(公告)号:CN117421555A
公开(公告)日:2024-01-19
申请号:CN202311382037.0
申请日:2023-10-24
Applicant: 南京大学
IPC: G06F18/20 , G06F18/23 , G06F18/213 , G06Q10/04 , G01W1/10 , G06F123/02
Abstract: 本发明公开了系统聚类的最大熵多窗口滑动趋势检验同频趋势分析方法,属于降水分析技术领域,对预先获取的研究区域的时间序列数据集进行处理,获得局部小气候区的聚类组;基于聚类组中每个降水站的预先记录的水文序列和香农熵,获得每个局部小气候区的代表站;基于时间序列长度,每个代表站均设置若干个代表站的滑动时间窗口长度;响应于代表站的降水时间序列数据集符合预设条件,执行输出代表站的不同时间窗口的滑动降水时间序列数据集有显著的变化趋势。本发明避免不合理的时间划分对趋势变化分析的影响,显示区域降水趋势的特征以及降水强度增减的细节,系统地提取降水变化趋势和同一降水强度下的变化特征。
-
公开(公告)号:CN115081701A
公开(公告)日:2022-09-20
申请号:CN202210659866.8
申请日:2022-06-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于最大熵和高维Copula的水文变量预测方法,包括如下步骤:对所有变量按照时间序列长短及预测时间精度需求划分训练集和测试集,对于所有变量的训练集应用基于矩的最大熵原理进行边际变量的分布推断,进一步筛选基于最优矩最大熵原理的边际变量分布;利用优选的最大熵边际分布建立描述多变量之间依赖关系的C‑vine Copula结构;利用高维条件函数和分位数函数在验证集中生成预测目标。本发明探讨在高维情况下最大熵(POME)和Copula联合应用的适用性,解决了传统的水文概率预测方法在概率密度函数刻画的主观性及高维结构构建的局限性问题,提出一种构建灵活、通用性强的水文概率预测方法。
-