發(fā)布時間：2018-01-27 01:14

  本文關(guān)鍵詞： 洪水頻率分析 參數(shù)估計 簡單和非簡單樣本 期望矩法 部分和高階線性矩法　出處：《西北農(nóng)林科技大學》2014年碩士論文　論文類型：學位論文

【摘要】：受全球氣候變化和人類活動加劇的影響，洪澇災害帶來的損失越來越嚴重。洪水設(shè)計值的估計精度直接關(guān)系到工程的投資和安全，因而設(shè)計洪水的計算精度研究成為洪水計算的重要問題。洪水頻率分析是推求給定設(shè)計頻率（或重現(xiàn)期）洪水設(shè)計值的關(guān)鍵技術(shù)，合理的洪水設(shè)計值可為洪水管理、大壩溢洪道的設(shè)計和水利工程規(guī)劃決策提供依據(jù)。 本文綜述了近年來國內(nèi)外水文頻率分析的研究進展，探索了常用和新型參數(shù)估計方法在簡單和非簡單樣本中的應用。本文主要的研究內(nèi)容如下。 （1）選定P-III型分布線型，研究新型參數(shù)估計方法——期望矩法（ExpectedMoments Algorithm，簡稱EMA）和常用參估方法（矩法、權(quán)函數(shù)法、概率權(quán)重矩法和線性矩法）在非簡單樣本中的應用。將其運用到陜西省10個水文測站的年最大洪峰流量（加入歷史洪水資料）中，并進行擬合結(jié)果分析和評價。 （2）選定廣義極值分布（Generalized Extreme Value Distribution，簡稱GEV）線型，研究新型參估方法（部分線性矩法和高階線性矩法）在簡單樣本中的應用，并進行研究區(qū)年最大洪峰流量系列的實例應用和分析。 （3）采用蒙特卡洛試驗進行參數(shù)估計方法的統(tǒng)計性能研究。以定量和直觀圖形評判標準為評判依據(jù)，假設(shè)總體統(tǒng)計參數(shù)，構(gòu)建簡單和非簡單樣本（門限模型和個數(shù)模型），借助Matlab2009a計算各組設(shè)計方案的結(jié)果，最后分析和評判相應參數(shù)估計方法的優(yōu)劣。 通過上述研究，可得以下結(jié)論。 （1）實例應用中，非簡單樣本中各參數(shù)估計方法的擬合效果優(yōu)劣各異。其中EMA法對長歷史洪水資料系列的擬合效果較佳，概率權(quán)重矩法和線性矩法的結(jié)果接近，且歷史洪水資料的長度對其擬合效果影響不大，而權(quán)函數(shù)法優(yōu)于矩法。簡單樣本中部分線性矩法和高階線性矩法均能有效改善研究洪峰系列較大流量的擬合效果，可為外延的大重現(xiàn)期設(shè)計值提供有利依據(jù)。 （2）蒙特卡洛試驗中，在各刪失水平下的部分線性矩法和各高階線性矩法均具有良好的統(tǒng)計性能，且隨著刪失水平和階數(shù)的增長，參數(shù)估計值和設(shè)計值的估計偏差隨之降低。但部分線性矩法和高階線性矩法的設(shè)計值估計偏差隨著重現(xiàn)期的增大而相應變大。而非簡單樣本的模擬結(jié)果中，門限值模型和個數(shù)模型結(jié)果相差不大，實測資料和歷史洪水資料越長，各參數(shù)估計方法的統(tǒng)計性能均有所改善，其中期望矩法的效果最為顯著，概率權(quán)重矩法和線性矩法較為穩(wěn)定，，權(quán)函數(shù)法和矩法次之。
[Abstract]:Due to the influence of global climate change and the intensification of human activities, the losses caused by flood and waterlogging are becoming more and more serious. The accuracy of flood design value estimation is directly related to the investment and safety of the project. Therefore, the calculation accuracy of design flood becomes an important problem in flood calculation, and flood frequency analysis is the key technology to calculate the design value of flood given design frequency (or recurrence period). Reasonable flood design value can provide basis for flood management, dam spillway design and water conservancy project planning decision. This paper reviews the recent advances in hydrologic frequency analysis at home and abroad, and explores the application of common and new parameter estimation methods in simple and non-simple samples. The main contents of this paper are as follows. 1) the P-III type distribution line is selected to study the new parameter estimation method, the expected moments method, and the expected moments Algorithm. EMA) and commonly used parameter estimation methods (moment method, weight function method). The application of probabilistic weighted moment method and linear moment method in non-simple samples is applied to the annual maximum Hong Feng discharge (including historical flood data) of 10 hydrological stations in Shaanxi Province. The fitting results were analyzed and evaluated. 2) selecting generalized Extreme Value distribution. The application of new parameter estimation methods (partial linear moment method and high order linear moment method) in simple samples is studied, and the application and analysis of the annual maximum Hong Feng flow series in the study area are carried out. The statistical performance of the parameter estimation method is studied by Monte Carlo test. Based on the quantitative and visual graph evaluation criteria, the statistical parameters of the population are assumed. The simple and non-simple samples (threshold model and number model) were constructed, and the results of each group design scheme were calculated by Matlab2009a. Finally, the advantages and disadvantages of the corresponding parameter estimation methods were analyzed and evaluated. Through the above research, we can draw a conclusion. In the application of the example, the fitting effect of each parameter estimation method in the non-simple sample is different, among which the EMA method is better for the long history flood data series. The results of probabilistic weighted moment method and linear moment method are close, and the length of historical flood data has little effect on the fitting effect. But the weight function method is superior to the moment method. The partial linear moment method and the high order linear moment method in the simple sample can effectively improve the fitting effect of studying Hong Feng series large flow rate, and can provide a favorable basis for the design value of the extension of large recurrence period. 2) in Monte Carlo test, the partial linear moment method and the higher order linear moment method have good statistical performance under each censored level, and with the increase of deletion level and order. The deviation between the parameter estimation and the design value decreases, but the partial linear moment method and the higher order linear moment method estimate the deviation of the design value with the increase of the recurrence period, but not in the simulation results of simple samples. The results of the threshold model and the number model are not different. The longer the measured data and the historical flood data, the better the statistical performance of each parameter estimation method, among which the expected moment method is the most effective. The probabilistic weight moment method and linear moment method are more stable than the weight function method and moment method.
【學位授予單位】：西北農(nóng)林科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：P333.2

【相似文獻】

相關(guān)期刊論文 前10條

1 段忠東,周道成;極值概率分布參數(shù)估計方法的比較研究[J];哈爾濱工業(yè)大學學報;2004年12期

2 傅衍;雜交參數(shù)估計方法的研究[J];遺傳;1997年S1期

3 吳達,吳柏林;模糊回歸參數(shù)估計方法及應用于景氣對策信號分析[J];系統(tǒng)工程理論與實踐;2001年11期

4 劉義;王國玉;柯宏發(fā);張哲峰;;一種應用于外場實驗數(shù)據(jù)處理的非概率參數(shù)估計方法[J];信號處理;2009年01期

5 高云柱;確定基尼系數(shù)的參數(shù)估計方法[J];松遼學刊(自然科學版);1999年04期

6 萬玉成,盛昭瀚;廣義加權(quán)函數(shù)平均組合預測模型參數(shù)估計方法(英文)[J];Journal of Southeast University(English Edition);2004年01期

7 陳玉東;施頌椒;翁正新;;關(guān)于一類具有有界不確定性數(shù)據(jù)的參數(shù)估計方法的誤差分析[J];應用數(shù)學與計算數(shù)學學報;2007年02期

8 高飛;阿氏公式參數(shù)估計方法的分析與改進[J];合肥工業(yè)大學學報(自然科學版);1993年02期

9 黃心曄,施嶸,富煜清,陸佶人;音素基隨機軌跡模型的理論機制和參數(shù)估計方法[J];聲學技術(shù);2000年02期

10 冉慶鵬;;平行數(shù)據(jù)模型的參數(shù)估計方法及應用[J];科技信息;2012年09期

相關(guān)會議論文 前2條

1 肖懷鐵;李艷;付強;;低信噪比下快速多目標分辨與參數(shù)估計方法研究[A];第十二屆全國信號處理學術(shù)年會（CCSP-2005）論文集[C];2005年

2 韓英華;汪晉寬;宋昕;;分布式信源參數(shù)估計方法的研究現(xiàn)狀[A];第七屆青年學術(shù)會議論文集[C];2005年

相關(guān)碩士學位論文 前10條

1 李雪梅;IRT框架下的多級評分模型的參數(shù)估計方法及其應用[D];東北師范大學;2007年

2 張繼超;邏輯斯蒂克模型中項目參數(shù)估計方法的研究[D];東北師范大學;2013年

3 劉文忠;近場源多維參數(shù)估計方法研究[D];西安電子科技大學;2005年

4 張喜良;拓展的隱馬氏模型和基于遺傳算法的參數(shù)估計方法[D];國防科學技術(shù)大學;2010年

5 張國紅;基于項目反應理論模型能力參數(shù)估計方法的研究[D];東北師范大學;2013年

6 宋揚;空間錐體目標的成像與參數(shù)估計方法研究[D];西安電子科技大學;2014年

7 石芳;偏差補償最小二乘參數(shù)估計方法研究[D];長沙理工大學;2011年

8 王志巍;移動終端定位參數(shù)估計方法研究[D];北京交通大學;2009年

9 曹雪;正弦非線性切普鍵控技術(shù)及參數(shù)估計方法[D];哈爾濱工程大學;2013年

10 莫t涇;供水管網(wǎng)實驗模擬及管網(wǎng)參數(shù)估計方法初探[D];西南交通大學;2014年

本文編號：1467136