基于相对关联距离熵的水文变异点识别*

杜 建，陈晓宏，陈志和

(中山大学 水资源与环境研究中心∥广东省高校水循环和水安全重点实验室，广东 广州 510275)

受人类活动和气候变化的影响，水文特征的时间变异是客观存在的，认识一个区域水文要素变化规律，修正区域水文时间序列长序列变化的非一致性，从而可为洪水预报、水资源开发以及水利工程设计施工和管理提供科学依据。目前在水文时间序列中用于确定可能变异点的方法，如有序聚类法、Mann-Kendall检验法、秩和检验法、R/S分析法［1］、贝叶斯方法［2］、启发式分割算法［3］和信息测度模型［4］等，这些方法大多数是从概率统计方面来研究，却很少有从系统内部的特征变化来识别水文变异点。

由于降雨、径流等水文过程受众多因素的影响而造成强烈的变异性，表现出伪随机特征，致使传统确定性数学模型对这些水文过程的模拟遇到了很大的困难，而混沌理论的出现为研究这种高度复杂的系统提供了新的思路［5］，所以从20世纪80年代开始，混沌理论和方法在降雨、径流、洪涝、地下水、水质以及降雨－径流分析及预测等水文水资源领域的应用研究快速发展［6－7］。

水文变异点在水文系统状态发生改变时表现出来，如何提取系统内部状态变化的信息成为识别水文变异点的关键。由时间序列重构相空间的过程可知:重构相空间中点的轨迹是原时间序列动力性质的一种反映。如果系统的状态发生了变化，轨迹的形状及大小必然发生相应的变化。……