中国科技论文在线
水文时间序列长度对混沌识别的影响分析
The Influential Analysis of Hydrological Time Series Length to Chaotic Identification
于新伟 刘东
摘要
为了保证计算分析的准确性，各种混沌特性分析方法对于所需数据长度都有一定要求。针对这一现象，本文采用建三江分局七星农场1957-2010年648个月的降水观测资料，基于相空间重构技术、G-P算法等分别对72个月、216个月以及648个月等不同长度序列的关联维数及Kolmogorov熵进行了计算，结果表明：（1）七星农场月降水时间序列存在混沌特性；（2）延迟时间τ =3，嵌入维数m =7，序列长度对延迟时间τ及最小嵌入维数m的选取影响较小；（3）饱和关联维法不适合小数据量时间序列的混沌性识别，且序列长度越长，关联维数越容易达到饱和；（4）Kolmogorov熵法可以对不同长度时间序列进行处理，且序列长度越长，Kolmogorov熵越容易趋于稳定。本研究为混沌理论的进一步完善及其在水文学方面的应用提供了科学依据，同时对于建三江分局降水时间序列的分析具有一定的指导意义。
关键词
农业水土工程/相空间重构/关联维/Kolmogorov熵/降水序列Key words
Agricultural water and soil engineering/The phase space reconstruction/Correlation dimension/Kolmogorov entropy/Precipitation time series引用本文复制引用
学科分类
水利工程(水利工程基础科学)