Archimedean族Copulas函数在多变量干旱特征分析中的应用

以甘肃省陇西站月降水资料为例,应用9种3维Archimedean Copulas函数构造了干旱历时、干旱烈度和烈度峰值的联合概率分布,并进行了多变量的拟合优度评价,利用优选出的3维非对称型M12 Copula函数,计算联合分布的重现期以及不同组合下的条件概率与条件重现期。结果表明,M12Copula函数可以描述干旱历时、干旱烈度和烈度峰值间的联合分布。由于Copula函数能够用来构建不同边缘分布的联合分布,可以获得变量间不同组合下的重现期,因而能够更全面客观地反映干旱的特征,是描述干旱多变量分布的一种有效途径。     

基于非对称Archimedean Copula的三变量洪水风险评估

分析洪峰、洪量和历时三变量联合分布与风险概率及其设计分位数,为水利工程规划设计和风险评估提供参考依据。以珠江流域西江高要站52年洪水数据为例,采用非对称阿基米德M6 Copula函数与Kendall分布函数计算三变量洪水联合分布的“或”重现期、“且”重现期和二次重现期及其最可能的设计分位数。结果表明:“或”重现期的风险率偏高,“且”重现期的风险率偏低,二次重现期更准确地反映了特定设计频率情况下三变量洪水要素遭遇的风险率;按三变量“或”重现期或三变量同频率设计值推算的洪水设计值偏高,以最大可能概率推算的三变量洪水要素的二次重现期设计值可为防洪工程安全与风险管理提供新的选择。     

椭圆型Copulas函数在西安站干旱特征分析中的应用

本文研究了干旱发生的联合概率、条件概率和重现期等干旱特征.以陕西省西安站月降水为例,应用Meta-Gaussian Copula和Student t Copula构造了干旱历时、干旱烈度和烈度峰值的联合概率分布,并进行了多变量分布拟合优质评价及拟合检验,在此基础上计算了联合分布的重现期以及2变量和3变量情形下的条件概率与条件重现期.研究表明,Meta-Gaussian Copula可以描述干旱历时、干旱烈度和烈度峰值三者的联合分布.由于多元联合分布可以考虑到多个变量之间的不同组合,能够求得不同干旱历时、干旱烈度或烈度峰值下的条件概率和条件重现期,因而能够更加全面客观地反映干旱的特征.     

应用超阈值抽样及Copula函数推求水库设计洪水

按照超阈值理论对洪水资料进行抽样,应用Copula函数分别建立了超阈值洪水洪峰、3d洪量和7d洪量与其发生时间的联合分布,得到了不同量级洪水在发生时间上的概率分布图,对水库汛期防洪调度运用具有一定的指导意义。同时,应用Copula函数建立了年最大超阈值洪水洪峰、3d洪量和7d洪量的联合分布,以此得到设计标准和校核标准的设计洪水,并通过同频率放大法得到了设计洪水过程线,该洪水过程线更符合水文现象的内在规律,展现了超阈值理论和Copula函数在水文洪水频率分析计算领域的良好应用前景。     

不同历时设计暴雨组合的风险率分析

基于Copula理论与方法,以广州1951~2010年的日降水为例,以最大日降水量为基准,构建最大日降水量(W1)与历时3日(W3)降水量,最大日降水量(W1)与历时7日(W7)降水量两个组合的联合概率分布模式。经择优检验建立了边缘分布为广义极值和P-III型的Gumbel-Hougaard Copula两变量联合分布。随之,推算了两个组合降水的同现重现期和设计暴雨值。最后,依据条件分布计算了在大于或小于年最大日降水量特定设计暴雨条件下超过历时3日或7日降水设计值的风险率。     

水文双变量重现期分析及在干旱中应用

单变量水文统计中一些广为接受的概念在多变量环境下尚缺乏深入分析,也易被误解,如N年内重现期大于等于T的多变量事件发生的次数与N/T的关系。实践中,多变量联合重现期与其边缘分布变量重现期的一些经验关系被发现并通过了案例验证分析,但缺乏解释和推导。基于GH Copula推导了双变量联合重现期与边缘分布变量重现期的关系以及双变量事件发生次数与其重现期、变量相关程度间的定量关系。以昆明56年的逐月SPI(Standardized Precipitation Index)和SRI(Standardized Runoff Index)识别了干旱事件,采用GH Copula构建了干旱历时和烈度的联合分布函数,验证了双变量联合重现期与边缘分布变量重现期的关系以及多变量事件发生次数与其重现期的定量关系。表明不宜以“and”第1重现期是否接近于比该干旱事件的旱情更重的干旱发生的平均时间间隔来说明干旱特征值重现期分析的合理性。变量的相关性不强时,需谨慎采用边缘分布变量重现期的较大值近似代替“and”事件的第1重现期。     

滨海城市雨潮遭遇联合分布模拟与设计

滨海城市河流常常遭受暴雨和潮汐顶托双重影响导致洪涝灾害,需要重视雨潮遭遇联合分布模拟与设计。以深圳市西乡河为例,采用年最大值法（AM）和超定量序列法（POT）两种选样方法,基于Copula方法模拟24 h暴雨遭遇日高潮位的联合分布特征,对比雨潮遭遇传统重现期和二次重现期差异,根据同频法和权函数法反推计算雨潮设计组合值。结果表明:雨潮边缘分布最优模型均为广义正态分布（GNO）,不同选样方法雨量分布模型参数差异明显。雨潮之间呈现较弱的正相依性,Archimedean Copulas均能较好地模拟雨潮遭遇联合分布特征,最优模型为Gumbel-Hougaard Copula。同频法反推雨潮设计组合值,二次重现期雨量和潮位均大于传统联合重现期,POT选样的潮位大于AM。权函数法选出的雨潮设计组合值,偏重于较高的潮位,雨量设计值较小。当明确了选样方法、联合分布模型和重现期类型,给定联合重现期的雨潮设计组合值是个此消彼长的过程,若选择较大的雨量设计值,则潮位值变小,反之亦然。从防洪潮设计安全角度考虑,POT选样方法及二次重现期设计更为安全。     

Copula函数在分期设计洪水中的应用研究

分期设计洪水既要满足防洪标准,又能反映洪水的季节性变化特征.现行分期设计洪水模式假定各分期频率均等于防洪标准T的倒数,使得分期设计洪水值不能满足防洪标准的要求.本文选择合适的Copula函数构建汛期分期为三分期、边缘分布为PIII分布的分期设计洪水的联合分布.在假定分期设计洪水的联合重现期等于防洪标准T的前提下,推导基于Copula函数的分期设计洪水频率和防洪标准的关系,进而推求分期洪水设计值,并与现行分期设计洪水模式的计算成果相比较,分析论证了基于Copula函数分期设计洪水的合理性,从理论和方法上回答和解决现行分期设计洪水中存在的问题,为分期设计洪水研究提供了一种新的途径.     

变化环境下东江流域水文干旱特征及缺水响应

在干旱事件不确定性和枯期径流变异性的双重影响下,水文干旱特征时序非一致性问题为其联合分布模拟带来困难。基于东江干流测站日径流过程数据,采用游程理论提取水文干旱事件,并结合干旱特征均值变化、时序一致性分析及边缘分布模拟,以确定干旱事件融合及剔除评判标准的合理取值。基于Rosenblatt变换Cramer-von Mises检验统计量拟合方法,构建水文干旱特征两变量联合分布Copula模型,并根据同频法设计两变量组合值。通过对比枯期径流变点分隔子序列干旱特征,分析变化环境下东江流域水文干旱特征及缺水响应。结果表明:水文干旱事件融合和剔除的评判标准值分别取0.1和0.3比较合理。干旱特征两变量之间具有较高的正相关性,但不同时间系列不同变量之间的联合分布及边缘分布最优模型并不一致。流域水库尤其是新丰江水库的径流调节作用,对于缓解东江中下游水文干旱效果明显,超阈联合重现期为2年的设计干旱持续时间、总缺水量和最大日缺水量分别减少了63%~71%、71%~84%和30%~47%,但如果要满足东江河道内最小管理流量目标,其依然分别达到了12~18 d、6 114万~9 030万m3和715.0万~929.0万m3。     

基于二次重现期的城市两级排涝标准衔接的设计暴雨

使用珠海市1984—2015年R_1h-R_6h、R_1h-R_12h、R_1h-R_24h3个历时暴雨组合推算排水排涝两级标准衔接的设计暴雨水平。应用阿基米德极值Copula与Kendall分布函数构建不同历时暴雨组合的联合概率分布模式。分析各历时暴雨组合的遭遇概率、"或"重现期、"且"重现期和二次重现期,以出现最大可能概率的方法推算各组合的设计暴雨值。结果表明:二次重现期所对应的累积频率更准确地代表了特定设计频率情况下不同历时暴雨组合的风险率;重现期分别为2年、3年、5年、10年、20年、50年、100年推算的二次重现期设计值介于"或"重现期和"且"重现期设计值之间,小于相应的边缘分布重现期设计值,R_1h-R_{6 h}组合推算的设计值相对误差为3.1%~7.1%;R_1h-R_12h组合推算的设计值相对误差为3.3%~9.3%;R_{1 h}-R_{24 h}组合推算的设计值相对误差为3.9%~12.0%。二次重现期推算的不同历时暴雨组合的设计暴雨分位值为内涝工程的风险管理和管渠尺寸提供了优选标准和设计参考。     

沙尘暴灾害致灾因子三维联合分布与重现期探索

探讨多致灾因子对Copula联合分布模型在三维多致灾因子综合分析中的扩展.针对沙尘暴形成的3个基本条件:大风、丰富的沙尘源和不稳定的大气层结,以内蒙古镶黄旗1990-2008年的强沙尘暴灾害事件为案例,建立了经向环流指数、地面平均最大风速和地表土壤湿度3个基本特征变量的联合分布,计算了基于联合分布的联合重现期.研究表明,镶黄旗强沙尘暴事件的三维致灾因子符合Frank Copula函数构建条件,该函数能够很好地描述强沙尘暴灾害3个基本特征变量的联合分布,具备扩展到三维的能力.相对于二维Copula函数拟合效果,三维Frank Copula在中高尾部分的拟合有很大提高.三变量联合重现期的计算结果更加贴近实际情况.     

基于Copula函数的入库洪水与坝址洪水关系研究

采用频率分析法计算入库设计洪水时,需要通过相关分析将坝址洪水系列插补得到对应的入库洪水系列。常用的线性回归法假设两者满足线性关系且入库洪水系列服从正态分布,可能与实际情况并不相符。引入Copula函数构建坝址洪水与入库洪水的联合概率分布和条件概率分布,计算给定坝址洪水时入库洪水的条件最可能值和置信区间,提出了一种基于Copula函数的入库洪水插补新方法。三峡水库的应用实例表明:线性回归法得到的入库洪水值在坝址洪水量级较大时明显偏小,甚至稀遇洪水时不在90%置信区间内。所提方法能较好地反映坝址洪水与入库洪水的内在关系,不仅可以计算入库洪水的各种点估计值,而且能够定量评价估计的不确定性。     

基于Copula函数的基桩荷载-位移双曲线概率分析

提出了基于Copula函数的基桩荷载-位移双曲线概率分析方法。首先将基桩标准化荷载-位移双曲线模型不确定性转化为双曲线参数不确定性,然后在Copula理论框架下建立了双曲线参数的联合分布函数。最后以钻孔现浇灌注桩试验数据为例证明了所提方法的有效性,并进行了基桩正常使用极限状态可靠度分析。结果表明：Copula函数是构造基桩标准化荷载-位移双曲线参数联合分布函数一种有效的方法,它能够更加准确地实现基桩荷载-位移双曲线的随机模拟,从而得到更为合理的可靠度结果。钻孔现浇灌注桩双曲线模型中两个参数间具有较强的负相关关系,忽略了这种负相关性将会高估基桩的失效概率。此外,常用的Gaussian Copula函数并不是拟合双曲线模型中两个参数间相关结构最优的Copula函数,采用Gaussian Copula函数将会明显低估基桩的失效概率。     

黄河中游汛期水沙联合分布模型及其应用

为在宏观上对黄河中游水沙运动的变化规律从随机过程的角度予以揭示,以黄河中游潼关水文站1952-1998年期间流量超过6 000m3/s的次洪过程中的洪峰流量和相应的沙峰含沙量系列为基础,运用Copula函数方法构建了黄河中游汛期水沙联合分布模型并对其应用进行了探讨.结果表明:在水沙丰枯同步频率中,同丰的频率略大于同枯的...     

年最大洪水两变量联合分布研究

采用Von Mises分布拟合年最大洪水发生时间的概率分布,采用皮尔逊Ⅲ型分布拟合年最大洪水量级的概率分布,选用能够较好反映年最大洪水发生时间和量级之间相关结构的Gumbel Archimedean Copula函数,建立两变量联合分布,并定义和分析条件频率、联合频率和两变量重现期.实例分析表明年最大洪水的两变量分布拟合较好,可挖掘更多信息,为洪水设计分析提供了一条新的途径.     

3维干旱变量联合概率分布研究

研究多变量干旱特性联合分布的推求方法。选择干旱历时、干旱烈度和烈度峰值为水文干旱特性变量。单变量的边际分布参数分别采用矩法、概率权重法、极大似然法和遗传算法进行计算和优化。应用检验、Kolmogorov-Smirnov等6种检验法进行单变量分布的拟合度检验。采用Pearson’s古典相关系数,Spearman秩相关系数,Kendall’s,Chi-Plots和K-Plots进行变量间的相依性度量。选择4种常用的3维Archimedean Copula函数进行干旱特性变量联合分布拟合。根据RMSE、AIC和BIC准则选择最优copula。在此基础上,采用基于Rosenblatt变换的Bootstrap法进行3维copula的拟合度检验。模型应用于渭河流域北洛河状头站径流序列,结果表明:Gumbel-Hougaard copula拟合效果最好,可以描述洛河状头站3维干旱变量的联合分布。     

基于Copulas函数的二维干旱变量联合分布

通过构建干旱变量的联合分布揭示干旱演变规律,可作为干旱分析的重要手段。基于8种单参数族的Copulas函数进行新疆乌鲁木齐和石河子气象站二维干旱变量的联合分布。经拟合优度评价:Frank Copula对干旱历时和干旱烈度、干旱历时和烈度峰值的拟合度最好;Clayton Copula对于干旱烈度和烈度峰值的拟合效果最好。二维变量联合超越概率值随单变量值的减小而增大;单变量的重现期介于二维变量联合重现期与同现重现期之间。表明Copulas函数能够描述二维干旱特征变量的联合分布。     

Assessing the copula selection for bivariate frequency analysis based on the tail dependence test

The flood characteristics, namely, peak, duration and volume provide important information for the design of hydraulic structures, water resources planning, reservoir management and flood hazard mapping. Flood is a complex phenomenon defined by strongly correlated characteristics such as peak, duration and volume. Therefore, it is necessary to study the simultaneous, multivariate, probabilistic behaviour of flood characteristics. Traditional multivariate parametric distributions have widely been applied for hydrological applications. However, this approach has some drawbacks such as the dependence structure between the variables, which depends on the marginal distributions or the flood variables that have the same type of marginal distributions. Copulas are applied to overcome the restriction of traditional bivariate frequency analysis by choosing the marginals from different families of the probability distribution for flood variables. The most important step in the modelling process using copula is the selection of copula function which is the best fit for the data sample. The choice of copula may significantly impact the bivariate quantiles. Indeed, this study indicates that there is a huge difference in the joint return period estimation using the families of extreme value copulas and no upper tail copulas (Frank, Clayton and Gaussian) if there exists asymptotic dependence in the flood characteristics. This study suggests that the copula function should be selected based on the dependence structure of the variables. From the results, it is observed that the result from tail dependence test is very useful in selecting the appropriate copula for modelling the joint dependence structure of flood variables. The extreme value copulas with upper tail dependence have proved that they are appropriate models for the dependence structure of the flood characteristics and Frank, Clayton and Gaussian copulas are the appropriate copula models in case of variables which are diagnosed as asymptotic independence.