水文時間序列分析

　　結合水文現象的性質與特點，對水文時間序列進行統計分析和推斷的技術。目的是為識別控制該序列隨時間變化的機理。水文時間序列是指某種水文特徵值隨時間而變的一系列觀測值。它們可以是在離散點上的觀測值，也可以是時段上的平均值，或是在時間上連續觀測的記錄經離散化而得的數值。

　　水文時間序列分析的內容包括對各種常用模型的介紹以及對建模型步驟的討論。常用的模型有自回歸模型(AR)、滑動平均模型（MA）、自回歸滑動平均混合模型(ARMA)、、自回歸求和滑動平均模型(ARIMA)、疏系數模型(ARIMA)、分數高斯噪聲模型(FGN)、破壞線模型(BL)和變移水平模型以及分解模型等。建模的步驟，包括選定模型類型、識別模型形式（或模型定價）、參數估計、模型檢驗以及模型與參數不確定性的評價。在模型檢驗中，除重視一般時間序列分析中所應用的檢驗模型殘差的獨立性和正態性模型與歷史資料的相關圖是否相似以外，在水文時間序列分析中，還十分重視保持歷史資料的統計特性，即根據選用模型所生成的資料，應有與歷史資料相近的主要統計特性。由於模型參數的有限型，不可能保持時間序列的所有統計特性。目前遵循的一般規則是，力求保持為表示所研究的水文序列的變化情況所必需的那些統計量，以及對於所要解決的問題十分重要的那些統計量。由於歷史資料一般較短，故由歷史資料所確定的統計特性，有一定的抽樣誤差，對一些重要的統計量，如偏態系數、自相關系數等，其抽樣誤差尤大。這使得保持統計特性的問題變得比較復雜，有待於進一步研究。

　　

參考書目

　C.T.Haan，Statistical Methods in Hydrology，The Iowa State University Press，Iowa，1977.

　R.L.Bras and I.Rodrigues—Iturbe，Random Functions and Hydrology，Addison-Wesley，London，1985.