1) approximate yearly hydrologic series
年水文序列
2) hydrological series
水文序列
1.
Variance tendency in the 50-year annual meteorological and hydrological series of Hexi region of Gansu Province;
甘肃河西地区近50年气象和水文序列的变化趋势
2.
In order to compare and analyze the performance of hydrological time variation series change-point testing method,three types of hydrological series are generated by hydrological variation series generator,and statistical experiment is used to analyze the performance of the 10 variation series testing methods.
通过设计的水文变异序列生成器生成满足P-型分布及统计参数,用统计实验的方法比较分析了10种常用水文序列变异点检验方法对3类变异序列的性能检验。
3) hydrological time series
水文序列
1.
In order to describe the detail structure of the complicated hydrological system, the statistic characteristics of hydrological time series have been probed based on the multi-resolution of wavelet analysis and fractal theories.
为揭示复杂水文现象中的精细结构,应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。
4) hydrological sequence
水文序列
1.
Effect of urbanization on hydrological sequence of water supplying rivers;
城市化对供水河流水文序列的影响分析
2.
Using it,the period that is implied in hydrological sequence can be detected.
将小波变换引入随机水文过程的研究领域，根据水文现象的物理成因，通过对水文序列进行小波变换，借以测定水文序列隐含的近似周期，并利用Ｆ检验最终确定水文序列隐含的近似周期。
5) hydrologic sequence
水文序列
1.
By use of wavelet transform ,the hidden period of hydrologic sequence is detected.
根据水文现象的物理成因,通过对水文序列进行小波变换,借以测定水文序列隐含的近似周期,并利用F检验最终确定水文序列隐含的近似周期。
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