摘要
传统水文频率分析往往需要大量样本以保证分布的拟合效果,而我国仍有部分站点水文数据记录较少,因此本文提出小样本算法:将Jackknife方法、Bootstrap方法与水文频率分析中传统参数估计方法相结合,得到新的参数估计值,以增强传统水文频率分布的拟合效果.为验证小样本算法的优越性,以泾河流域为例,将8个站点的年最大日降水量作为原样本,利用小样本算法对不同样本量的样本进行多次再抽样,将多组再抽样样本分别进行分布的拟合,得到小样本算法的参数估计值,并通过Kolmogorov-Smirnov检验和RMSE检验结果,验证小样本算法对传统参数估计方法的改进效果.结果表明:1)在小样本情况下,该算法明显优于传统方法的拟合效果,尤其部分站点的Bootstrap方法,使用较少样本量时达到了使用较多样本量的拟合效果;2)随着样本量的减少,某些站点的传统方法所求分布不能通过检验,而小样本算法可以得到较好的结果.
基金项目
水文水资源与水利工程科学国家重点实验室"一带一路"水与可持续发展科技基金资助项目(2020nkms03)
国家自然科学基金资助项目(51879010)
国家自然科学基金资助项目(41875061)
国家科技期刊平台
NSTL
维普
万方数据