1) hydrological time series
水文时间序列
1.
Application of spectrum method in the analysis of hydrological time series;
频谱分析方法在水文时间序列代表性分析中的应用
2.
Analysis of future trend characteristics of hydrological time series based on R/S and Mann-Kendall methods;
R/S和Mann-Kendall法综合分析水文时间序列未来的趋势特征
3.
New idea and two new methods for identifying periodicities of hydrological time series;
水文时间序列周期识别的新思路与两种新方法
2) hydrologic time series
水文时间序列
1.
Application of prediction model for stochastic combination of stepwise regression of hydrologic time series;
水文时间序列逐步回归随机组合预测模型及其应用
2.
Some issues on the characterization of chaotic properties of hydrologic time series;
对水文时间序列混沌特征参数估计问题的讨论
3.
The identifying and ascertaining of cryptic period,includes simple period,complex period and approximate period,of hydrologic time series is a rather important and hard issue.
水文时间序列的隐含周期(本文将简单周期、复合周期及近似周期等统称为隐含周期)的识别、判定是一个重要而又较为困难的问题,相对成熟和有效的做法是对其进行频谱分析。
3) hydrology time series
水文时间序列
1.
A new prediction method of hydrology time series;
一种水文时间序列预报的新方法
2.
Chaos and support vector machine theory has opened up a new route to study complicated and changeable non-linear hydrology time series.
混沌和支持向量机理论为研究复杂多变的非线性水文时间序列开辟了新的途径。
4) hydrological time series with seasonality
季节性水文时间序列
1.
The results show that the model to forecast the hydrological time series with seasonality can not only reflects the year by year general trend,but also predicts the characteristics of the seasonal fluctuation in year and the ex.
模型计算结果表明,提出的季节性水文时间序列预测模型,不仅反映了水文系统的年际总体变化趋势,而且对于年内各月的波动特征及极值情况也能作出有效的预报。
5) time series of water consumption
用水量时间序列
6) flood time sequence
洪水时间序列
1.
fundamental method and advantage of the approach to flood prediction from a phase space of flood time sequence.
本文简要论述洪水时间序列相空间预测途经的理论背景。
补充资料：水文时间序列分析
结合水文现象的性质与特点，对水文时间序列进行统计分析和推断的技术。目的是为识别控制该序列随时间变化的机理。水文时间序列是指某种水文特征值随时间而变的一系列观测值。它们可以是在离散点上的观测值，也可以是时段上的平均值，或是在时间上连续观测的记录经离散化而得的数值。
水文时间序列分析的内容包括对各种常用模型的介绍以及对建模型步骤的讨论。常用的模型有自回归模型(AR)、滑动平均模型（MA）、自回归滑动平均混合模型(ARMA)、 自回归求和滑动平均模型(ARIMA)、疏系数模型(ARIMA)、分数高斯噪声模型(FGN)、破坏线模型(BL)和变移水平模型以及分解模型等。建模的步骤，包括选定模型类型、识别模型形式（或模型定价）、参数估计、模型检验以及模型与参数不确定性的评价。在模型检验中，除重视一般时间序列分析中所应用的检验模型残差的独立性和正态性模型与历史资料的相关图是否相似以外，在水文时间序列分析中，还十分重视保持历史资料的统计特性,即根据选用模型所生成的资料,应有与历史资料相近的主要统计特性。由于模型参数的有限型，不可能保持时间序列的所有统计特性。目前遵循的一般规则是，力求保持为表示所研究的水文序列的变化情况所必需的那些统计量，以及对于所要解决的问题十分重要的那些统计量。由于历史资料一般较短，故由历史资料所确定的统计特性，有一定的抽样误差，对一些重要的统计量，如偏态系数、自相关系数等，其抽样误差尤大。这使得保持统计特性的问题变得比较复杂，有待于进一步研究。
参考书目
C.T.Haan,Statistical Methods in Hydrology,The Iowa State University Press,Iowa,1977.
R.L.Bras and I.Rodrigues-Iturbe, Random Functions and Hydrology, Addison-Wesley，London，1985.
水文时间序列分析的内容包括对各种常用模型的介绍以及对建模型步骤的讨论。常用的模型有自回归模型(AR)、滑动平均模型（MA）、自回归滑动平均混合模型(ARMA)、 自回归求和滑动平均模型(ARIMA)、疏系数模型(ARIMA)、分数高斯噪声模型(FGN)、破坏线模型(BL)和变移水平模型以及分解模型等。建模的步骤，包括选定模型类型、识别模型形式（或模型定价）、参数估计、模型检验以及模型与参数不确定性的评价。在模型检验中，除重视一般时间序列分析中所应用的检验模型残差的独立性和正态性模型与历史资料的相关图是否相似以外，在水文时间序列分析中，还十分重视保持历史资料的统计特性,即根据选用模型所生成的资料,应有与历史资料相近的主要统计特性。由于模型参数的有限型，不可能保持时间序列的所有统计特性。目前遵循的一般规则是，力求保持为表示所研究的水文序列的变化情况所必需的那些统计量，以及对于所要解决的问题十分重要的那些统计量。由于历史资料一般较短，故由历史资料所确定的统计特性，有一定的抽样误差，对一些重要的统计量，如偏态系数、自相关系数等，其抽样误差尤大。这使得保持统计特性的问题变得比较复杂，有待于进一步研究。
参考书目
C.T.Haan,Statistical Methods in Hydrology,The Iowa State University Press,Iowa,1977.
R.L.Bras and I.Rodrigues-Iturbe, Random Functions and Hydrology, Addison-Wesley，London，1985.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条