随机水文学-第2章课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《随机水文学-第2章课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 随机 水文学 课件
- 资源描述:
-
1、波尔说:如果谁第一次学习波尔说:如果谁第一次学习量子力学时,不觉得糊涂,量子力学时,不觉得糊涂,那么他就一点也没有懂。那么他就一点也没有懂。随机水文学随机水文学基础部分基础部分 讲述随机讲述随机水文学的水文学的概念、方概念、方法和发展法和发展 第第1 1章章随机模型随机模型 应应 用用绪论绪论介绍随机过程的介绍随机过程的基本理论、水文基本理论、水文随机过程分析方随机过程分析方法和随机模拟技法和随机模拟技术,同时介绍水术,同时介绍水文序列组成分析。文序列组成分析。第第23章章介绍随机介绍随机水文模型水文模型第第48章章介绍随机介绍随机模型的选模型的选择及应用择及应用 第第9章章平稳平稳随机随机模
2、型模型季节性季节性随机模随机模型型随机水文学以随机水文随机水文学以随机水文过程为研究对象,以随过程为研究对象,以随机理论及分析技术为基机理论及分析技术为基本理论和方法的学科。本理论和方法的学科。2.1 随机过程的概念随机过程的概念 2.3 随机过程的数字特征随机过程的数字特征 2.2 随机过程的分布函数随机过程的分布函数 2.4 随机过程的分类随机过程的分类第二章第二章 随机水文学的基本理论随机水文学的基本理论 2.5 平稳随机过程平稳随机过程 2.6 马尔科夫过程马尔科夫过程 水文站每年由自记水水文站每年由自记水位计连续记录每个时刻的位计连续记录每个时刻的水位形成每一年的瞬时水水位形成每一年
3、的瞬时水位过程。一次(一年)试位过程。一次(一年)试验的结果是时间验的结果是时间t的某种函的某种函数数(并非某一确定的函数并非某一确定的函数),而且事先无法确切地进行而且事先无法确切地进行预测。由于水位变化的随预测。由于水位变化的随机性,每次机性,每次(每年每年)试验的试验的结果是不相同的。每年观结果是不相同的。每年观测的水位过程将反映出水测的水位过程将反映出水位与时间位与时间t的不同函数形式。的不同函数形式。2.1 随机过程的概念随机过程的概念 1 1实例实例 显然,可以用观测到的一族水位与时间的函数来描述和研究多年水位显然,可以用观测到的一族水位与时间的函数来描述和研究多年水位变化过程。变
4、化过程。某水文站某水文站n年的日流量过程年的日流量过程 如果水文站以上流域如果水文站以上流域影响流量的诸因素各年不影响流量的诸因素各年不变或相对稳定,可把各年变或相对稳定,可把各年观测到的观测到的日流量日流量过程作为过程作为相同条件下进行随机试验相同条件下进行随机试验的结果。的结果。一次试验的结果一次试验的结果是时间是时间t的某种函数的某种函数(并非并非确定的数确定的数)。某水文站一年的日某水文站一年的日流量过程为一次随机试流量过程为一次随机试验的结果,验的结果,n年试验的年试验的结果就是结果就是n条日流量过条日流量过程。程。显然,可以用观测到的一族日平均流量与时间的函数来描显然,可以用观测到
5、的一族日平均流量与时间的函数来描述和研究多年日平均流量变化过程。述和研究多年日平均流量变化过程。二二 随机函数随机函数 1 函数的概念函数的概念 y=f(x)2 随机函数的概念随机函数的概念 在相同的试验条件下,独立地重复多次随机试验,每一次试验结果在相同的试验条件下,独立地重复多次随机试验,每一次试验结果是时间是时间t的某种函数,其函数形式各次不同,且事先无法确定。我们称这的某种函数,其函数形式各次不同,且事先无法确定。我们称这族时间族时间t的函数为的函数为随机函数随机函数。每次试验结果,即族中的每一个函数称为随机函数的一个现实每次试验结果,即族中的每一个函数称为随机函数的一个现实(Real
6、ization)或样本函数或样本函数(sample function)。可见,随机函数就是所有。可见,随机函数就是所有现实或样本函数的集合。现实或样本函数的集合。当随机函数随时间当随机函数随时间t连续地取有限区间内的值时,即称之为随机过程连续地取有限区间内的值时,即称之为随机过程(stochastic process)。而随机函数随时间。而随机函数随时间t取离散值,则称为随机序列取离散值,则称为随机序列(stochastic sequences)或时间序列或时间序列(time series)。在实际应用时在实际应用时,两者不加以区分。两者不加以区分。时间序列随时间变化是一些离散点(或柱状图),
7、但为时间序列随时间变化是一些离散点(或柱状图),但为了方便,常常将离散点用线连接起来表示时间序列。了方便,常常将离散点用线连接起来表示时间序列。金沙江石鼓站月平均流量序列金沙江石鼓站月平均流量序列 3 随机过程(随机序列)的描述随机过程(随机序列)的描述 随机过程用随机过程用X(t)表示,各个现实用表示,各个现实用xi(t)(i=1,2,)表示。随机序列用表示。随机序列用Xt(t=1,2,)表示,各个现实用表示,各个现实用xit(i=1,2,)表示。下图表示的是一个水位随机过表示。下图表示的是一个水位随机过程程X(t),第,第i年观测的瞬时水位随时间年观测的瞬时水位随时间t而变化的函数即为第而
8、变化的函数即为第i个现实个现实xi(t)。三三 随机过程与随机变量的关系随机过程与随机变量的关系 1 随机变量随机变量 随机试验结果发生变化的变量,一般用大写变量表示,如随机试验结果发生变化的变量,一般用大写变量表示,如 X,Y,Z等。等。水文统计研究的是水文随机变量。水文统计研究的是水文随机变量。2 随机过程与随机变量的关系随机过程与随机变量的关系 对于每一个固定时刻,如对于每一个固定时刻,如t=t1,X(t1)是一个随机变量。右图中的是一个随机变量。右图中的x1(t1),x2(t1),xm(t1)是随机变是随机变量量X(t1)在在m次试验中的取值。当次试验中的取值。当t取取不同值时,就有一
9、串随机变量不同值时,就有一串随机变量X(t1),X(t2),。习惯上称随机变量。习惯上称随机变量X(t1)是是随机过程随机过程X(t)在时刻在时刻tt1的截口或称的截口或称为随机过程在为随机过程在t=t1时的状态。时的状态。随机过程是随机变量随机过程是随机变量X(t1),(t2),所所构成的。或者说,随机过程构成的。或者说,随机过程X(t)是是依赖于时间依赖于时间t的一族随机变量。的一族随机变量。必须说明的是必须说明的是 (1)随机过程随机过程X(t)或时间序列或时间序列Xt中的中的t通常表示时间,但也通常表示时间,但也可以代表空间、长度等其他变量。可以代表空间、长度等其他变量。(2)随机过程
10、和时间序列存在相互平行的理论,但两者随机过程和时间序列存在相互平行的理论,但两者不完全相同,在实际工作有时没有加以严格区分。不完全相同,在实际工作有时没有加以严格区分。(3)不管是随机过程还不管是随机过程还是时间序列,它的一个显是时间序列,它的一个显著特征是记录的相依性。著特征是记录的相依性。因此,数据的时间顺序是因此,数据的时间顺序是重要的。重要的。1.2 随机过程的分布函数随机过程的分布函数 概率论告诉我们,随机变量的概率论告诉我们,随机变量的统计特性统计特性由随机变量的概率分布函数确由随机变量的概率分布函数确定。随机过程在任意一时刻的状态是随机变量,由此可利用随机变量定。随机过程在任意一
11、时刻的状态是随机变量,由此可利用随机变量的统计描述方法来描述随机过程的统计特性。的统计描述方法来描述随机过程的统计特性。也就是说,也就是说,随机过程的随机过程的统计特性由随机过程的概率分布函数确定。统计特性由随机过程的概率分布函数确定。1 1、一维分布函数(、一维分布函数(one dimension distribution function)对任一固定对任一固定tT,X(t)是一个随机变量,其分布函数为是一个随机变量,其分布函数为 F1(x,t)=PX(t)x若若 存在,则有存在,则有 。称。称F1(x,t)、f1(x,t)分别叫做随分别叫做随机过程机过程X(t)的一维分布函数和一维概率密度
12、函数。的一维分布函数和一维概率密度函数。一维分布函数(一维分布函数(F1(x,t)、f1(x,t))描述了随机过程)描述了随机过程X(t)在各个孤立在各个孤立时刻的统计特性。但它不能反映随机过程在不同时刻(截口)之间的联时刻的统计特性。但它不能反映随机过程在不同时刻(截口)之间的联系。系。如,对于日流量序列,它的一维分布函数(或概率密度)描述了如,对于日流量序列,它的一维分布函数(或概率密度)描述了1年年365天天各日流量截口的统计特性。各日流量截口的统计特性。xtxF/),(1xtxFtxf/),(),(11)21(2402CsCvxaCvCsxCs222)(21)(Uxexf)(100)(
13、)()(axeaxxf 随机过程随机过程X(t)在任意两时刻在任意两时刻t1、t2 之间的统计特性可由二维分布函之间的统计特性可由二维分布函数来表征。随机过程数来表征。随机过程X(t)在任意两时刻在任意两时刻t1、t2 的两个随机变量(的两个随机变量(X(t1),X(t2))被称为)被称为X(t)的二维随机变量。其二维分布函数定义为:的二维随机变量。其二维分布函数定义为:F2(x1,x2;t1,t2)=PX(t1)x1;X(t2)x2 对应的二维概率密度函数为对应的二维概率密度函数为 212121221212),;,(),;,(xxttxxFttxxf 二维分布函数的意义为:二维分布函数的意义
14、为:反映了任意二时刻反映了任意二时刻t1、t2状态状态间的统计关间的统计关系。如,对于日流量序列,它的二维分布函数(或概率密度)描述了系。如,对于日流量序列,它的二维分布函数(或概率密度)描述了1年年365天任意两个截口之间日流量的联系。天任意两个截口之间日流量的联系。二、二维分布函数(二、二维分布函数(two dimension distribution function)三、三、n维分布函数维分布函数同样可引入随机过程同样可引入随机过程X(t)的的n维分布函数和维分布函数和n维概率密度函数维概率密度函数:)(,)(,)(),;,(22112121nnnnnxtXxtXxtXPtttxxxF
15、nnnnnnxxxtttxxxFtttxxxf21212122121),;,(),;,(意义:当意义:当n趋于无穷大时,趋于无穷大时,n维分布函数能够近似地描述随机过程维分布函数能够近似地描述随机过程X(t)的的统计特性。对于日流量序列,统计特性。对于日流量序列,n(n365)维分布函数(或概率密度),则描述维分布函数(或概率密度),则描述了任意了任意n个日流量截口之间的联系。一维、二维、个日流量截口之间的联系。一维、二维、n维日流量分布函数族维日流量分布函数族(或概率密度族)就完全描述了年内日流量序列的全部统计特性。(或概率密度族)就完全描述了年内日流量序列的全部统计特性。如掌握了随机过程的
16、如掌握了随机过程的分布函数,就能了解分布函数,就能了解随机过程随机过程X(t)的统计特性。的统计特性。虽然随机过程的分布函数族(虽然随机过程的分布函数族(F1,F2,)能完善地描述随机过程的统)能完善地描述随机过程的统计特性,但要具体分析确定它,往往既复杂又困难,使用也不方便。在实际计特性,但要具体分析确定它,往往既复杂又困难,使用也不方便。在实际应用中,常常并不需要确定随机过程的分布函数,而只需要掌握随机过程的应用中,常常并不需要确定随机过程的分布函数,而只需要掌握随机过程的一些数字特征就足够了。这些数字特征既便于刻画随机过程的重要统计特征,一些数字特征就足够了。这些数字特征既便于刻画随机过
17、程的重要统计特征,又便于进行实际计算。又便于进行实际计算。1.3 随机过程的数字特征随机过程的数字特征 1 1随机变量的数字特征随机变量的数字特征 1 均值均值(数学期望值数学期望值)或或E(X)a.离散型随机变量离散型随机变量 b.b.连续型随机变量连续型随机变量xniiixpXEx1)(dxxxfXEx)()(niinxnnxxxx1211 c c.均值表征的意义均值表征的意义 均值为分布的中心,表示对象的平均情况,即总体水平的高低。均值为分布的中心,表示对象的平均情况,即总体水平的高低。提问:提问:均匀分布、指数分布、正态分布的均值是多少?均匀分布、指数分布、正态分布的均值是多少?设有水
18、文随机变量观测序列:设有水文随机变量观测序列:x1,x2,x3,xn,则均值为:,则均值为:b.b.指数分布指数分布(XE())0 0 0 1)(xxexfx 0 0 0 e-1)(-xxxFx 0 1)(其他bxaabxfbxbxaabaxaxxF 1 0 )(abab1xxF(x)f(x)xf(x)xF(x)1a.均匀分布(均匀分布(XU(a,b))222)(21)(Uxexf c.c.正态分布正态分布(XN(U,2))xf(x)xF(x)UU0.51.0a.离散型随机变量离散型随机变量 b.连续型随机变量连续型随机变量 c.水文随机变量水文随机变量 设有水文随机变量观测序列:设有水文随机
展开阅读全文