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。     

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.     

基于 Copula 函数的宜昌水文干旱特征分析

基于宜昌站1951～2014年的实测月径流资料,选用标准化径流指数(SSI),运用游程理论识别干旱,应用Copula函数构建干旱特征变量间的多维联合概率分布,进而对宜昌站的干旱特征进行分析。结果表明:(1)宜昌在1950～1980年代,干旱次数呈现交替变化,自1990年代以来,特别是进入21世纪后,宜昌干旱事件增多、持续时间增大、干旱烈度和峰值增高,干旱情势有加重的趋势;(2)Copula函数可很好地描述宜昌地区干旱特征变量间的联合概率分布,多变量的联合重现期和同现重现期可分别作为实际单变量重现期区间估计的下限和上限,用以评估宜昌地区不同干旱变量值所代表的干旱事件发生的频率;(3)宜昌站近60年出现两次严重的干旱事件,一次发生于1978年9月～1979年7月,该事件的干旱历时和干旱烈度均达到了历史极值,这两个变量的联合重现期约为32a,同现重现期约为110a;该事件的干旱历时、干旱烈度和烈度峰值三个变量的联合重现期为9a,同现重现期约为115a。另一次干旱事件发生于2006年6月～12月,其烈度峰值达到了历史极值,其重现期接近90a;该次事件的干旱历时、干旱烈度和烈度峰值三者的联合重现期只有13a左右,同现重现期则超过了231a。     

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。     

非参数方法在干旱频率分析中的应用

运用非参数核密度估计方法研究干旱发生的联合概率、条件概率和重现期等干旱特征,以宁夏盐池站的月降水为例,应用单变量核概率密度函数估计干旱历时D的边缘分布,进行参数方法和非参数方法的拟合效果比较。在此基础上,采用双变量核概率密度函数估计方法构建了历时D与烈度S、历时D与峰值P的两变量联合概率分布,并计算了联合分布的重现期、条件概率与条件重现期。结果表明:与参数方法相比,非参数核密度估计方法能够描述干旱历时D、烈度S和峰值P两两之间的联合分布,是研究干旱频率的另一种新途径。     

基于Copula函数的组合变量联合概率分布研究及应用

基于Copula函数原理,利用武江流域实测水文资料,以广义GDP为洪峰洪量边缘分布,构建了流域组合变量Copula概率分布模型,分析了洪峰与洪量、洪量与洪水历时、洪峰与洪水历时的联合概率分布,绘制各种变量组合下的联合分布图及重现期等值线图,并比较了同重现期条件下,洪水单变量设计值与多维联合设计值的区别。结果表明:广义GDP分布能很好的描述洪峰、洪量边缘分布,而基于广义GDP分布和指数分布构建的两变量Copula联合概率分布模型不限定变量的边缘分布,对各种类型的水文变量联合分布拟合效果较好;能全面反映洪水各特征属性不同等级下的联合发生频率,对同一频率下联合分布推求的洪水设计值比单变量设计值偏于安全。基于Copula函数的组合变量概率分布模型描述洪峰流量、洪量、洪水历时等特征的联合分布,较为全面地反映组合特征的洪水发生的概率和重现期,进一步反映洪水风险。     

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。     

多变量干旱事件识别与频率计算方法

干旱持续时间久、影响范围大,时空连续性是干旱的基本特征,以往研究大多考虑单变量或双变量。通过给定阈值识别干旱斑块和判断两相邻时间干旱的连续性,提出了时空连续的干旱事件三维识别方法,用干旱历时、干旱面积、干旱烈度、干旱强度和干旱中心位置5个特征变量对一场干旱事件进行度量;提出了基于Copula函数的干旱历时-面积-烈度三变量频率分析方法。以中国西南地区为例,采用SPI(Standard Precipitation Index)干旱指标识别了近52年发生历时等于或大于3个月的干旱事件,一共78场,其中2009年8月至2010年6月最严重干旱事件的重现期为94年一遇。通过比较概率分布函数和Copula函数,表明在干旱频率分析时需要考虑干旱历时、面积、烈度3个特征变量。     

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.     

考虑历史洪水不确定性的多维联合洪水频率分析

洪水过程由多个特征变量组成,各变量之间存在正相关性,应进行多变量联合分析。但随着变量的增多,在相同样本条件下,多维联合分布具有更大的抽样不确定性。将历史洪水纳入多维联合频率分析,以提升各特征变量边缘分布和Copula函数相关性参数的准确性。以分层Archimedean Copulas函数为基础,构建了考虑历史洪水不确定性的多维联合洪水频率分析层次模型,将多维联合分布分解成为若干个二维Copula函数的多级层叠形式,并结合极大似然法,选用遗传算法求解特征变量边缘分布及各层Copula函数的相关性参数。长江流域宜昌站的应用结果表明,考虑历史洪水不确定性的多维联合洪水频率分析层次模型能够完整地描述整个洪水过程,考虑洪水过程特征变量之间的相关性,也能够有效利用历史洪水,改善样本的代表性,Copula函数的相关性参数符合实测序列峰量之间的相关关系。     

Drought characterization using a new copula-based trivariate approach

Meteorological drought is a natural climatic phenomenon that occurs over various time scales and may cause significant economic, environmental and social damages. Three drought characteristics, namely duration, average severity and peak intensity, are important variables in water resources planning and decision making. This study presents a new method for construction of three-dimensional copulas to describe the joint distribution function of meteorological drought characteristics. Using the inference function for margins, the parameters for six types of copulas were tested to select the best-fitted copulas. According to the values of the log-likelihood function, Galambos, Frank and Clayton were the selected copula models to describe the dependence structure for pairs of duration–severity, severity–peak and duration–peak, respectively. Trivariate cumulative probability, conditional probability and drought return period were also investigated based on the derived copula-based joint distributions. The proposed model was evaluated over the observed data of a Qazvin synoptic station, and the results were compared with the empirical probabilities. For measuring the model accuracy, R ², root mean square error (RMSE) and the Nash–Sutcliffe efficiency (NSE) criteria were used. Results indicated that R ², RMSE and NSE were equal to 0.91, 0.098 and 0.668, respectively, which demonstrate sufficient accuracy of the proposed model. Drought probabilistic characteristics can provide useful information for water resource planning and management.     

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.     

基于copula函数的区域干旱分析方法

提出不同网格干旱等级影响下的区域干旱指数。采用copula函数,建立了区域干旱历时和干旱强度的联合分布,计算联合分布的重现期,并对实际重现期作区间估计。所提出的区域干旱指数能够反映研究区域内发生干旱的严重程度和该区内不同干旱等级所影响面积的大小,且联合分布同时考虑了干旱历时和干旱强度,更全面地反映区域的干旱状况。重庆市2006年干旱实证分析表明,区域干旱指数能够较好地描述本次干旱的发生发展过程,并计算出联合分布的重现期为118年。     

Pair-copula函数在多变量干旱特性联合概率中的应用

研究pair-copula在干旱特性联合概率中的应用。以渭河流域咸阳站降雨资料为例,采用游程理论,选取干旱历时、干旱烈度和烈度峰值为干旱特性变量,应用Pearson线性相关系数、Spearman相关系数和Kendall秩相关系数进行相依性度量。采用4种常用的copula函数构造了12种pair-copulas,以RMSE、AIC、BIC为准则选择最优的pair-copula。运用Rosenblatt变换的Bootstrap法进行copula拟合度检验,推导3变量的联合概率分布。与3维对称、非对称阿基米德copulas和椭圆copula比较,表明pair-copula可以描述多变量水文概率分布。     

基于三维copula函数的多水文区丰枯遭遇分析

不同水文区的丰枯遭遇概率分析属于多变量概率分布问题,涉及的水文区越多,变量的维数就越高,问题就越复杂.为找到一种简单通用的多变量(n≥3)水文概率问题的求解方法,以不同水文区丰枯遭遇概率分析为例,引入三维copula函数构建多变量联合概率模型,将其用于分析长江、淮河及黄河流域的径流量的联合概率和条件概率问题。研究结果表明,当变量维数n≥3时,由copula函数可以很容易地构建多变量概率分布模型;对一组水文数据系列,有多个不同copula函数可以选择,可采用拟合优度检验方法择优;copula函数构建的多变量概率模型,可以计算各种条件下的联合概率分布,可以分析各种不同量级水文变量的遭遇概率和条件概率;通过与多维转换为一维方法的比较,三维Frank copula函数具有更优良的拟合优度、无偏性及有效性,且计算更简便。     

Evaluation of risk of hydrological droughts by the trivariate Plackett copula in the East River basin (China)

East River, one of the major tributaries of Pearl River, is the major source of water supply for mega-cites within and in the vicinity of the Pearl River Delta, China. The availability and variability of water resources of the East River basin are therefore of practical importance. This study aims to investigate the probabilistic behavior of hydrological droughts in the East River basin using the trivariate Plackett copula. Daily streamflow data for the period of 1975–2009 from 3 hydrological stations in the East River basin are analyzed. Defining hydrological droughts by drought severity, duration, and minimum flow, secondary return periods are computed. Results show that the Plackett copula satisfactorily models bivariate and trivariate probability distributions of correlated drought variables. Results of risk evaluation show an increasing drought risk from the upper to the lower East River basin. This result is important for basin-scale water resources management in the East River basin.