小波分析在水文系统多时间尺度分析中的应用

___Y1

已于 2024-08-11 18:35:07 修改

阅读量114

点赞数 1

文章标签：算法

于 2024-08-11 13:37:16 首次发布

本文链接：https://blog.csdn.net/weixin_44259522/article/details/141104676

版权

8.1 水文系统多时问尺度分析的小波分析法

大量研究表明，天气系统变化不仅是全球性的，而且具有局地特征，存在多层次时间结构，是多时间尺度系统[11,28,109]，时间尺度短到季节，长到千年万年。受天气系统影响的水文系统是否具有多时间尺度呢？这个问题的回答将为水资源合理开发、利用和有效配置提供依据。

所谓多时间尺度（multiple time scales），指系统变化并不存在真正意义上的周期性，而是时而以这种周期变化，时而以另一种周期变化，并且同一时段中又包含各种时间尺度的周期变化，即系统变化在时域中存在多层次时间尺度结构和局部化特征。多时间尺度研究将为系统提供不同时间尺度下的演变规律和发展趋势，从而为系统中、长期预测提供背景分析依据。

对水文系统的多时间尺度分析的传统方法有滑动平均、滤波、Fourier分析[110]等，但它们具有自身的缺陷：

①在时域和频域上不具有局部化性质；

②对突变点的诊断缺乏数学上的严谨性。20世纪80年代初发展起来的小波分析在时域和频域上同时具有良好的局部化功能，可以对时间序列进行局部化分析，剖析其内部精细结构。因此，小波分析十分有利于研究水文系统的多时间尺度变化特征。

本章以水文系统中常用的水文序列为例，应用小波分析探讨水文系统多时间尺度变化特征。多时间尺度小波分析的关键在于绘制小波变换系数图、不同尺度下的小波变换系数序列和小波方差图。通过对上述三种图形的变化识别多时间尺度特征。

8.1.1小波变换系数图

目前有很多小波函数可选用，如 Morlet 小波、Marr 小波函数。如前所述，对于给定的小波函数 $\psi(t)$ ，本文时间序列 $f(t) \in L^2(R)$ 的连续小波变换为

$W_f(a, b) = a^{-\frac{1}{2}} \int_{-\infty}^{\infty} f(t) \psi \left(\frac{t - b}{a}\right) dt \quad (8.1)$

式中， $a$ 为尺度因子，反映小波的周期长度； $b$ 为时间因子，反映时间上的平移；
$W_f(a, b)$ 称为小波变换系数。

实际工作中，时间序列常常是离散的，如 $f(k\Delta t)$ $k = 1, 2, \cdots, N$ ； $\Delta t$ 为取样时间间隔)，则式 (8.1) 的离散形式为

$W_f(a, b) = |a|^{-\frac{1}{2}} \sum_{k=1}^{N} f(k\Delta t) \psi \left(\frac{k\Delta t - b}{a}\right) \quad (8.2)$

$W_f(a, b)$ 能同时反映时域参数和频域参数的特性，它是时间序列 $f(t)$ 或 $f(k\Delta t)$
通过单位脉冲响应的波形函数的输出。当 $a$ 缩小时，对频域的分辨率高，对时域的分辨率低；
当 $a$ 增大时，对频域的分辨率高，对时域的分辨率低。因此，小波变换实现在窗口的大小固定、形状可变的时频局部化。

$W_f(a, b)$ 随参数α和b变化，可作出以b为横坐标，α为纵坐标的关于 $W_f(a, b)$ 的二维等值线图，称为小波变换系数图。通过小波变换系数图可得到关于时间序列变化的小波变化特征。在尺度α相同情况下，小波变换系数随时间的变化过程反映了系统在该尺度下的变化特征：正的小波变换系数对应于偏多期，负的小波变换系数对应于偏少期，小波变换系数为零对应着突变点；小波变换系数绝对值越大，表明该时间尺度变化越显著。
通过小波变换系数的分析，可识别水文系统多时间尺度演变特性和突变特征。

8.1.2小波方差

将时间域上的关于 $a$ 的所有小波变换系数的平方进行积分，即为小波方差

$Var(a) = \int_{-\infty}^{\infty} | W_f(a, b) |^2 \, db \quad (8.3)$

小波方差随尺度 $a$ 的变化过程称为小波方差图。它反映了波动的能量随尺度的分布。通过小波方差图，可以确定一个水文序列中存在的主要时间尺度，即主周期。

当使用 Morlet 小波 $\psi(t) = e^{ict} e^{-t^2/2}$ 时，取常数 $c = 6.2$ 。Morlet 小波伸缩尺度 $a$ 与周期 $T$ 有如下关系[11]:

$T = \left[\frac{4\pi}{\sqrt{2 + c^2}}\right] \times a \quad (8.4)$

而使用 Marr 小波时，周期 $T$ 与尺度 $a$ 没有一个明确的关系。

8.2降水量时间序列的多时间尺度变化特征[28]

本节尝试将小波分析应用于降水量时间序列多时间尺度分析，以了解其不同时间尺度的详细结构和变化趋势。

8.2.1 基本资料及处理

新安江流域黄山地区有64年（1930~1993年）主汛期（5~7月）及全年降水量资料。为处理方便，将降水量距平（中心化）处理。距平过程见图8.1。以此降水量资料来分析多时间尺度，小波函数用Morlet小波。

图8.1 新安江流域黄山地区主汛期降水量距平过程（a）和全年降水量距平过程（b)

8.2.2 主汛期降水量时间序列变化的小波特征

Morlet小波为复数小波，其小波变换的模和实部是两个重要的变量。模的大小表示特征时间尺度信号的强弱，实部表示不同特征时间尺度信号在不同时间上的分布和位相两方面的信息。将主汛期距平降水过程f(n△t)(n=1,2,…,64; △t=1)和Morlet小波函数代入式(8.2)，取不同的α和b，计算小波变换的模平方和实部，绘制成图8.2。

图8.2 黄山地区主汛期距平降水量的小波变换的模平方（a）和实部（b）的时频分布

图8.2（a）绘制了主汛期降水量距平序列Morlet小波变换模平方的时频变化。从图中可以看出不同时段各时间尺度的强弱分布，其中5~9年时间尺度变化较强，主要发生在1930~1963年，振荡中心在1954年。14~27年时间尺度也十分强，主要发生在20世纪30年代初至70年代末，振荡中心在1955年左右；其次，2~4年时间尺度分别在1932~1944年、1946~1958年及1968~1976年期间表现明显；其余则较弱。

图8.2（b）为主汛期降水量距平序列Morlet小波变换实部的时频变化。图中清晰地显示了主汛期降水量时间尺度变化、突变点分布及其位相结构。

其中5~9年尺度表现十分明显，其中心时间尺度为8年左右，正负位相交替出现。

图8.3（a）（实线）给出了8年尺度的小波变换实部变化过程，降水量旱涝变化和突变点可准确地给出。

14~28年时间尺度则非常突出，其尺度中心分别在16年和20年左右。

图8.3（b）（实线）给出了16年时间尺度的小波变换系数变化过程，可以发现，1933~1941年、1949~1958年、1967~1974年及1983~1991年各时段为正位相，表示降水量偏多；而1932年以前、1942~1948年、1959~1966年、1975~1982年及1992年以后各时段为负位相，表示降水偏少；突变点在1932年、1941年、1949年、1958年、1966年、1974年、1983年和1991年。1992年后在16年尺度下降水量将偏少。图8.3（c）（实线）给出了22.6年尺度的小波变换系数变化过程：有4个多水期（1937年以前、1948~1959年、1970~1980年和1991年以后）和3个少水期（1938~1947年、1960~1969年及1981~1990年），旱涝突变点在1937年、1948年、1959年、1970年、1980年和1991年。图8.3（d）（实线）给出了32年尺度的小波系数，但很弱。90年代以后32年尺度降水量偏多，一直会持续到2000年。

图8.3 主汛期和年降水量距平序列各时间尺度Morlet小波变换宴部变化过程

图8.2说明，主汛期降水量时间序列的时间尺度在时间域上分布不均匀，具有显著的局部化特征。图8.3表明，不同尺度下的干湿交替变化不同，干湿变化与时间尺度大小有紧密联系，从而在不同时间尺度下对未来作趋势预测，再次印证了干湿变化趋势与时间尺度有紧密关系。另外，还能识别出对应尺度下的突变点。

8.2.3年降水量时间序列变化的小波特征

年降水量距平过程和Morlet小波函数代入式(8.2)，分别计算出Morlet小波变换的模平方和实部，见图8.4。年降水量距平序列Morlet小波变换的模平方的时频变化见图8.4(a)。从图中可以看出，不同时段各时间尺度的强弱分布，其中14～27年时间尺度十分强，主要发生在20世纪30年代至80年代中，振荡中心在1956年左右；4～7年时间尺度变化较强，主要发生在1930～1960年，振荡中心在1942年；8年左右时间尺度在20世纪70年代初至80年代中较突出；其次，2～4年时间尺度在1966～1982年也有表现，其余则较弱。

年降水量距平序列Morlet小波变换实部的时频变化见图8.4(b)。图中清晰地显示了年降水量周期变化、突变点分布及其位相结构。其中，4～7年周期表现十分明显，其中心时间尺度为6年，正负位相交替出现。图8.3(a)（虚线）给出了周期为5.6年时间尺度的小波变换实部变化过程，降水量旱涝变化和突变点可准确地给出。14～27年时间尺度则非常突出，其尺度中心在20年左右。图8.3(b)（虚线）和图8.3(c)（虚线）分别给出了16.5年、22.6年时间尺度的小波变换系数变化过程，与主汛期变化十分接近，这里不再重复。图8.3(d)（虚线）给出了32年时间尺度的小波变换系数变化过程，可以看出强度很弱，说明不含有32年时间尺度。

图8.4年降水距平过程小波变换的模平方（a））和实部（b）的时频分布

图8.4说明。年降水量时间序列的各时间尺度在时间域上分布不均匀，具有显著的局部化特征。图8.3中的虚线变化进一步说明年降水量干湿变化趋势与时间尺度有着密切关系。

8.2.4降水量的小波方差图

图8.5给出了主汛期降水量时间序列和年降水量时间序列的小波方差图。从图中可知，主汛期降水量序列存在8年和19年左右的主周期;年降水量序列存在6年和19年左右的周期。

图8.5黄山地区主汛期降水过程（a）和年降水过(b）小波方差图

通过上述小波分析不难发现，它不仅具有Fourier变换的功能，而且还能同时给出时间序列时频局部结构，很容易识别出降水量时间序列的各种尺度强弱变化、分布和突变点﹔同时，由图8.2~图8.4发现，主汛期降水与年降水在时域上的分布有很大的相似性，即主汛期降水完全控制着全年降水。

8.2.5小结

小波分析作为一种数学工具不但实用且具有时频局部化特性，可以利用这种“调焦”性质来展现水文时间序列的精细结构，为分析其多时间尺度变化及分布和突变点情况提供了—种新途径。
由新安江流域黄山地区主汛期和年降水量过程 Morlet 小波变换所获得的成果知，小波变换不仅能将降水量时间序列的频率特征在时间域上展现出来，清晰地给出了各种时间尺度的强弱和分布情况以及旱涝变化趋势和突变点;而且能分析出其主要周期:主汛期降水具有8年、19年左右的主周期;年降水存在6年、19年左右的主周期。研究还表明，主汛期降水与年降水的周期变化比较接近。
小波变换为分析水文系统多时间尺度的变化提供了科学武器，进一步为水文计算、预测奠定了基础。

8.3年径流量的多时间尺度变化特征

8.3.1长江宜昌站年径流量序列多时间尺度分析

8.3.2金沙江流域屏山站年径流量序列多时间尺度分析

8.3.3黄河青铜峡站年径流量序列多时间尺度分析

8.3.4 小结

8.4月径流量的多时间尺度变化分析

8.5年最大洪峰流量的多时间尺度变化分析

8.5.1基本资料及处理

8.5.2年最大洪峰流量序列多时间尺度的小波分析

8.5.3年最大洪嶂峰流量序列的小波方差

8.6旱涝等级资料的多时间尺度分析

8.6.1全国旱涝等级资料的多时间尺度分析「11]

8.6.2北京早涝等级史料的多尺度分析[1]

8.6.3上海旱涝等级史料的多尺度分析]

8.6.4贵州旱涝等级史料的多尺度分析[111]

___Y1

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
打赏
0
评论
小波分析在水文系统多时间尺度分析中的应用

大量研究表明，夭气系统变化不仅是全球性的，而且具有局地特征，存在多层次时问结构，是多时间尺度系统[11,28,109]，时间尺度短到季节，长到千年万年。受天气系统影响的水文系统是否具有多时间尺度呢?这个问题的回答将为水资源合理开发、利用和有效配置提供依据。所谓多时间尺度〈 multiple time scales)，指系统变化并不存在真正意义上的周期性，而是时而以这种周期变化，时而以另一种周期变化、并且同一时段中又包含各种时间尺度的周期变化，即系统变化在时域中存在多层次时间尺度结构和局部化特征。
复制链接

扫一扫