專利名稱：：水文序列分析中基于信息熵理論的消噪方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種水文時(shí)間序列分析方法，具體是一種水文序列分析中基于信息熵理論的消噪方法。
背景技術(shù)：
：不確定性現(xiàn)象是水文水資源系統(tǒng)中不可否認(rèn)和忽視的客觀存在，因此長期以來一直是隨機(jī)水文學(xué)中十分重要的研究內(nèi)容。信息熵理論(如POME(principleofmaximumentropy)等)是研究和解決不確定性問題的有效方法。自1957年E.T.Jaynes(JaynesET.Informationtheoryandstatisticalmechanics[J].Phys.Rev.，1957,106:620-630;108:171-190.)首次明確提出POME以來，國內(nèi)外的許多學(xué)者致力于信息熵理論在水文水資源學(xué)中的應(yīng)用研究，并取得令人矚目的成果。水文時(shí)間序列是研究和解決隨機(jī)水文學(xué)問題的重要基礎(chǔ)和依據(jù)。隨機(jī)水文學(xué)理論認(rèn)為，實(shí)測水文數(shù)據(jù)中含有噪聲成分，使真實(shí)水文序列受到"污染"，造成其真實(shí)性和可靠性降低，并對(duì)序列成分識(shí)別和變化特性分析、水文參數(shù)識(shí)別和模擬預(yù)測等工作產(chǎn)生干擾和影響。因此，深入研究合理有效的水文序列消噪方法具有重要的意義。實(shí)際中，若真實(shí)水文序列或水文物理演變機(jī)制可獲知，即可方便地識(shí)別并分離噪聲成分。然而，目前主要的時(shí)間序列模型(隨機(jī)水文學(xué)模型、混沌動(dòng)力學(xué)模型等)都是對(duì)真實(shí)水文演變機(jī)制的一種近似描述，無法準(zhǔn)確代表客觀現(xiàn)實(shí)。因此將實(shí)測水文序列和模型模擬序列之間的差作為噪聲的處理方式并不合理。另一類重要的消噪方法主要基于波譜分析方法。傳統(tǒng)方法中的維納濾波、卡爾曼濾波等，只適用于線型系統(tǒng)，且嚴(yán)格依賴于狀態(tài)空間函數(shù)的建立；Fourier變換僅適用于平穩(wěn)時(shí)間序列。具有復(fù)雜特性的水文序列顯然無法滿足這些消噪方法所要求的適用條件。小波分析方法(waveletanalysis,WA)是揭示和研究時(shí)間序列多時(shí)間尺度變化特性的有效工具，但在應(yīng)用WA進(jìn)行水文序列消噪的過程中，也存在以下幾個(gè)主要問題(l)水文噪聲成分服從的分布類型。與信號(hào)小波分析中的噪聲不同，將水文噪聲成分看作水文獨(dú)立隨機(jī)變量時(shí)，一般服從偏態(tài)分布；(2)小波系數(shù)閾值的選擇。目前闞值選擇方法主要有固定閾值法(FT)、Stein無偏風(fēng)險(xiǎn)閾值法(SURE)、極大極小原理閾值法(MAXMIN)等，但實(shí)際中各種方法互有優(yōu)缺點(diǎn)，且閾值選擇結(jié)果也不盡相同；(3)應(yīng)用這些方法分離出的噪聲成分常具有較好的自相關(guān)性，這不符合噪聲自身的特性。水文序列中的噪聲成分是隨機(jī)水文過程中許多不確定性因素綜合作用的體現(xiàn)和反映。在實(shí)際水文序列消噪過程中，需要針對(duì)水文問題的特殊性探討相應(yīng)適用的消噪方法。
發(fā)明內(nèi)容本發(fā)明所要解決的技術(shù)問題是應(yīng)用信息熵理論及相關(guān)原理，并結(jié)合小波消噪思路，建立一種更為合理有效的水文時(shí)間序列消噪方法。本發(fā)明所述的水文序列分析中基于信息熵理論的消噪方法，包括以下步驟1)依據(jù)待分析的水文時(shí)間序列的基本特性選擇小波函數(shù)和小波分解層數(shù)，然后對(duì)水文序列進(jìn)行離散小波變換，得到不同時(shí)間尺度水平上的小波系數(shù)《W2)應(yīng)用小波系數(shù)閾值優(yōu)選熵準(zhǔn)則，確定各層的小波系數(shù)閾值；3)對(duì)各層高頻小波系數(shù)進(jìn)行硬或軟閾值量化處理，之后再對(duì)處理后的小波系數(shù)進(jìn)行重構(gòu)，得到實(shí)測水文序列中的重構(gòu)主序列；4)實(shí)測水文序列與重構(gòu)主序列之差為噪聲成分，即實(shí)現(xiàn)噪聲成分的分離。上述步驟2)應(yīng)用小波系數(shù)閾值優(yōu)選熵準(zhǔn)則，確定各層的小波系數(shù)閾值的過程是5)首先給定一個(gè)較小的第一層小波系數(shù)閾值，其余各層的閾值依次按2—1/2倍的速率遞減而確定，然后對(duì)各層高頻小波系數(shù)&*進(jìn)行硬或軟閾值量化處理；6)利用閾值量化處理之后的小波系數(shù)^w，求解對(duì)應(yīng)重構(gòu)主序列在各尺度水平J'下的能量《M為小波變換的最大尺度水平，重構(gòu)主序列在各尺度水平_/下的能量概率分布為/V.y=i，u(2)根據(jù)信息熵的定義，將重構(gòu)主序列各尺度水平下能量概率分布的熵值稱為信息量系數(shù)ICF，/C尸一^^lg^(3)乂=17)對(duì)閾值量化處理之后的小波系數(shù)進(jìn)行重構(gòu)得到主序列，其與原序列之差作為噪聲成分，再根據(jù)水文物理成因機(jī)制選擇水文分布線型計(jì)算噪聲成分的不確定度H值；8)依次不斷增大第一層小波系數(shù)閾值的取值，其增大幅度最好取1%，最大值取小波系數(shù)中的絕對(duì)值最大值。然后確定其余各層閾值，并應(yīng)用其分別對(duì)各層下的高頻小波系數(shù)進(jìn)行硬或軟閾值量化處理和噪聲成分分離，從而得到對(duì)應(yīng)的一系列噪聲成分不確定度/Z值和主序列復(fù)雜度/CF值；9)當(dāng)小波系數(shù)閥值逐漸增大時(shí)，噪聲成分的/Z值逐漸增大并趨于穩(wěn)定，且隨著噪聲成分的分離，主序列的復(fù)雜度會(huì)逐漸降低，/CF值也會(huì)逐漸減小并趨于穩(wěn)定；10)將最終噪聲成分/f值和主序列/CF值穩(wěn)定時(shí)各層的小波系數(shù)閾值作為最優(yōu)的小波系數(shù)閾值。本發(fā)明的有益效果是水文資料的真實(shí)性和可靠性是準(zhǔn)確研究水文問題的前提和基礎(chǔ)，本發(fā)明基于信息熵理論和小波消噪思路，建立了小波系數(shù)閾值優(yōu)選熵準(zhǔn)則，從而利用小波分析方法可有效地分離出水文序列中的噪聲成分，提高了水文數(shù)據(jù)的真實(shí)性和準(zhǔn)確性。算例分析結(jié)果顯示了該方法有較好的適用性。圖1含正態(tài)隨機(jī)成分模擬序列消噪結(jié)果，圖2含正態(tài)隨機(jī)成分模擬序列對(duì)應(yīng)的H和ICF變化曲線，圖3含偏態(tài)隨機(jī)成分模擬序列消噪結(jié)果，圖4含偏態(tài)隨機(jī)成分模擬序列對(duì)應(yīng)的H和ICF變化曲線，圖5Gauss分布時(shí)大山口站月徑流序列對(duì)應(yīng)的H和ICF變化曲線，圖6P-III分布時(shí)大山口站月徑流序列對(duì)應(yīng)的H和ICF變化曲線，圖7Gauss分布時(shí)大山口站月徑流序列噪聲成分分離結(jié)果，圖8p-m型分布時(shí)大山口站月徑流序列噪聲成分分離結(jié)果，圖9Gauss分布時(shí)利津站年徑流序列對(duì)應(yīng)的H和ICF變化曲線，圖10P-III型分布時(shí)利津站年徑流序列對(duì)應(yīng)的H和ICF變化曲線，圖11利津站年徑流序列噪聲成分分離結(jié)果。具體實(shí)施例方式1.1熵函數(shù)求解方法求解概率密度函數(shù)f(X)熵函數(shù)值的方法如下(l)根據(jù)信息熵的定義(式l)的熵函數(shù)表達(dá)式/Z(3c力(2)應(yīng)用P0ME,根據(jù)實(shí)測序列估計(jì)/T"中的相關(guān)參數(shù)值估計(jì)值的求解結(jié)果代入熵函數(shù)表達(dá)式/^力，可確定熵H的具體數(shù)值。//(jc)=J/(x)ln/(x)血將水文序列中噪聲成分看作水文獨(dú)立隨機(jī)變量時(shí)，一般以P-III分布或Gauss分布描述。兩種概率密度函數(shù)的熵函數(shù)表達(dá)式如表l所列(SinghVP.Entropy-basedparameterestimationinHydrology[M],KluwerAcademicPublishers(Boston/London),1.998.)。，推導(dǎo)胸;(3)將參數(shù)(1)表1Gauss分布和P-III型分布熵函數(shù)表達(dá)式分布線型Gauss分布P-III型分布參數(shù)估計(jì)式=var[jc]x=c+a6《="印n(jc—c)]=lna+—)熵函數(shù)式//(x)=ln[S,V^i"]、]--(6-l)五[ln(;c—c)1.2信息量系數(shù)ICF求解方法對(duì)水文序列進(jìn)行小波變換，可得到不同時(shí)間尺度上的小波系數(shù)，它們是水文序列在不同時(shí)間尺度和時(shí)間位置上的投影，可用來刻畫和描述水文序列的時(shí)頻結(jié)構(gòu)和多時(shí)間尺度變化特性。應(yīng)用小波變換系數(shù)4》可求解水文序列在各尺度水平/下的能量《風(fēng)U(2)M為小波變換的最大尺度水^。水文序列在各尺度水平_/下的能量概率分布為dX_/=l,2"."M(3)根據(jù)信息熵的定義，將水文序列各尺度下能量概率分布的熵值稱為信息量系數(shù)(informationcostfunction,ICF)。/CF反映了系統(tǒng)的能量分布，表征了系統(tǒng)的復(fù)雜程度。當(dāng)水文時(shí)間序列越復(fù)雜越無序，/CF值越大；反之，當(dāng)序列的能量集中于某一頻帶，時(shí)間域相依性強(qiáng)時(shí)，復(fù)雜性就越弱，其/CF值也相對(duì)較小。/CF=—f^lg巧(4)1.3水文時(shí)間序列消噪新方法應(yīng)用小波分析方法可以實(shí)現(xiàn)信號(hào)中不同成分的分離。水文序列中不同成分在小波變換之后表現(xiàn)出不同的特性(l)確定性成分(趨勢、周期等)的能量在時(shí)域上分布不均勻，其主要集中在少數(shù)的幾個(gè)頻率值上(對(duì)應(yīng)著周期值)，且小波變換模極大值隨時(shí)間尺度水平的增大而增大；(2)噪聲成分對(duì)應(yīng)的能量均勻分散，隨著時(shí)間尺度增大小波變換模極大值減小，且大致按2—1/2倍的速率衰減，一般情況下經(jīng)兩次分解后的高頻成分可包含信號(hào)中所有的噪聲成分?；谏鲜鰞牲c(diǎn)，確定合理的閾值對(duì)小波系數(shù)進(jìn)行處理之后再重構(gòu)，可實(shí)現(xiàn)噪聲成分的分離，此即小波消噪的基本思路。依據(jù)上述小波消噪思路進(jìn)行水文時(shí)間序列中噪聲成分分離時(shí)，需要解決如下兩個(gè)關(guān)鍵問題小波系數(shù)閾值的合理確定和消噪結(jié)果優(yōu)劣的判別，下面分述之。1.3.1小波系數(shù)閾值優(yōu)選熵準(zhǔn)則為便于敘述，本發(fā)明將低頻確定性成分構(gòu)成的序列稱為主序列，即水文序列主要分為主序列和噪聲兩部分。一方面，將水文序列中的噪聲成分看作水文隨機(jī)變量，用某種分布線型(一般以P-in型分布或Gauss分布描述，選用時(shí)應(yīng)具體分析確定)加以描述，并用熵函數(shù)值Z/描述噪聲成分的不確定程度；另一方面，用信息量系數(shù)/C^g述主序列的復(fù)雜程度。對(duì)于待分析水文序列，其含有的噪聲成分的不確定度和主序列的復(fù)雜度是確定的。因此，根據(jù)上述主序列和噪聲成分對(duì)應(yīng)小波系數(shù)的不同特性，可按下述步驟優(yōu)選合理的小波系數(shù)閾值(l)選擇合理的小波函數(shù)(桑燕芳，王棟.水文序列小波分析小波函數(shù)選擇方法[J].水利學(xué)報(bào)，2008,39(3):296-300，306.)和小波分解層數(shù)，對(duì)水文序列進(jìn)行小波分解；(2)給定一個(gè)較小的第一層小波系數(shù)閾值，其余各層的閾值依次按2—1/2倍的速率遞減而確定；(3)依次不斷增大第一層小波系數(shù)閾值的取值，然后確定其余各層閾值，并應(yīng)用其分別對(duì)各層下的高頻小波系數(shù)進(jìn)行閾值量化處理和噪聲成分分離，從而得到對(duì)應(yīng)的一系列噪聲成分不確定度/Z值和主序列復(fù)雜度/CF值；(4)隨著噪聲成分逐漸被完全分離，H值逐漸增大并趨于穩(wěn)定。且隨著噪聲成分的分離，主序列的復(fù)雜度會(huì)逐漸降低，/CF值也會(huì)逐漸減小并趨于穩(wěn)定；(5)將最終噪聲成分i/值和主序列/CF值穩(wěn)定時(shí)各層的小波系數(shù)閾值作為最優(yōu)的小波系數(shù)閾值。此即本文提出的水文時(shí)間序列消噪時(shí)的小波系數(shù)閾值優(yōu)選熵準(zhǔn)則。具體的小波系數(shù)閾值量化過程中，可采用效果較優(yōu)的軟閾值處理方法。且實(shí)際中分析水文時(shí)間序列時(shí)，應(yīng)同時(shí)應(yīng)用P-III型分布和Gauss分布描述分離出的噪聲成分，然后綜合分析并最終確定合理的小波系數(shù)閾值。1.3.2序列消噪結(jié)果優(yōu)劣的判別依據(jù)若水文序列消噪結(jié)果合理，原序列、主序列和噪聲成分的特征值(；、o、Cs、n)應(yīng)符合以下規(guī)律(1)主序列和原序列的I相差不應(yīng)過大，噪聲成分的I為原序列和主序列；之差；(2)相比原序列，消除噪聲成分干擾后主序列的ff應(yīng)有所減?。?3)主序列和原序列的C,應(yīng)相近；(4)主序列的。應(yīng)較原序列增大；噪聲成分無相關(guān)性，所以其。應(yīng)接近于0。本文中，應(yīng)用該四條規(guī)律對(duì)不同方法對(duì)應(yīng)序列消噪結(jié)果的合理性和優(yōu)劣性進(jìn)行分析和判斷。2、算例分析為驗(yàn)證水文序列消噪時(shí)，本文建立的小波系數(shù)閾值優(yōu)選熵準(zhǔn)則及消噪方法的合理性和適用性，分別對(duì)模擬序列和實(shí)測水文序列進(jìn)行分析。2.1模擬序列分析為討論該閾值優(yōu)選熵準(zhǔn)則對(duì)不同分布類型噪聲成分的適用性，生成含有正態(tài)(Gauss分布)和偏態(tài)(P-III型分布)噪聲成分的模擬序列，分別進(jìn)行分析。2丄1模擬序列1應(yīng)用Monte-Carlo方法生成一500a的模擬序列(圖1)，其中含有一線性趨勢項(xiàng)和20a、50a兩個(gè)周期項(xiàng)，另疊加有；為0，<7為10的Gauss隨機(jī)成分。應(yīng)用"dmey"小波取水平4進(jìn)行離散小波分解，然后進(jìn)行序列消噪。其中，應(yīng)用Gauss分布描述分離出的噪聲成分。分析結(jié)果顯示(圖2):第一層小波系數(shù)閾值增大到12之后i/值和/CF值均趨于穩(wěn)定。因此，選擇12作為第一層的最優(yōu)小波系數(shù)閾值，其余各層閾值依次按2—1/2倍進(jìn)行遞減確定，然后進(jìn)行噪聲成分分離，結(jié)果如圖l所示。表2不同方法對(duì)模擬序列1消噪結(jié)果對(duì)比分析<table>tableseeoriginaldocumentpage9</column></row><table>圖1中，上部曲線為含有Gauss隨機(jī)成分的模擬序列；中部為不含隨機(jī)成分的真實(shí)序列；下部為消噪之后的主序列。真實(shí)序列和主序列對(duì)比可以看出，消噪結(jié)果良好。然后統(tǒng)計(jì)并分析原模擬序列、主序列和噪聲成分的特征值，進(jìn)一步判別消噪結(jié)果的優(yōu)劣，并與常用小波消噪方法的結(jié)果進(jìn)行對(duì)比(表2)。表2中數(shù)據(jù)顯示(l)應(yīng)用熵準(zhǔn)則去除噪聲成分后，三個(gè)序列(原序列、主序列和噪聲成分)特征值之間的大小關(guān)系符合前述的四條規(guī)律，噪聲成分的。、C,接近于零，服從Gauss分布，表明了消噪結(jié)果的合理性；(2)FT、SURE、MAXMIN三種方法分離出的噪聲成分O值均較大，即自相關(guān)性較好，這不符合獨(dú)立隨機(jī)變量的特征，表明噪聲成分分離結(jié)果中含有確定性成分，結(jié)果存在一定誤差；(3)對(duì)比分析顯示，熵準(zhǔn)則的噪聲成分分離結(jié)果好于其它三種方法。2丄2模擬序列2同樣應(yīng)用Monte-Carlo方法生成一500a的模擬序列(圖3)，其與模擬序列1中的真實(shí)序列相同，但此處疊加均值為0，a為lO，C,為0.8的P-III型分布的隨機(jī)成分。應(yīng)用"dmey"小波函數(shù)，取水平4進(jìn)行離散小波分解。然后進(jìn)行序列消噪。其中，應(yīng)用P-III型分布描述分離出的噪聲成分。由圖4可以看出，i/值和/CF值在24之后分別趨于穩(wěn)定。因此，取24作為第一層最優(yōu)小波系數(shù)閾值，其余各層閾值依次按2—1/2倍遞減確定，最后進(jìn)行噪聲成分分離(圖3)。圖3中，上部曲線為疊加P-III型隨機(jī)成分的模擬序列。中部曲線為真實(shí)序列，下部曲線為消噪之后的主序列。對(duì)比分析結(jié)果同樣顯示了消噪結(jié)果良好。分別統(tǒng)計(jì)原模擬序列、主序列和噪聲成分的特征值，并與其他消噪方法的結(jié)果對(duì)比(表3)。結(jié)果顯示(1)熵準(zhǔn)則的噪聲成分分離結(jié)果更為合理，優(yōu)于其它三種方法；(2)其它三種方法分離出的噪聲成分具有一定的自相關(guān)性。SURE的結(jié)果相對(duì)優(yōu)于FT和MAXMIN方法；(3)四種方法分離出的噪聲成分都表現(xiàn)出偏態(tài)特性，但熵準(zhǔn)則對(duì)應(yīng)噪聲成分的C,值更接近于設(shè)計(jì)值0.8。表3不同方法對(duì)模擬序列2消噪結(jié)果對(duì)比分析<table>tableseeoriginaldocumentpage10</column></row><table>兩模擬序列分析結(jié)果表明(l)時(shí)間序列噪聲成分分離過程中，本文建立的小波系數(shù)閾值優(yōu)選熵準(zhǔn)則及消噪方法對(duì)含有正態(tài)、偏態(tài)隨機(jī)成分序列的分析結(jié)果均良好，因此該熵準(zhǔn)則有較好的適用范圍；(2)該消噪方法的分析結(jié)果優(yōu)于常用的小波消噪方法。2.2實(shí)測水文序列分析2.2.1實(shí)例1選用大山口水文站實(shí)測的20年(1978-1997年)月徑流序列為例(數(shù)據(jù)取自左其亭,高峰.水文時(shí)間序列周期疊加預(yù)測模型及3種改進(jìn)模型[J].鄭州大學(xué)學(xué)報(bào)，2004,25(4):67-73.)，選取"demy"小波函數(shù)，取水平3進(jìn)行離散小波變換。分別用Gauss分布和P-III型分布描述分離出的噪聲成分。由于該實(shí)測月徑流序列受人類活動(dòng)影響較小，噪聲成分對(duì)真實(shí)序列的干擾程度也較小，因此實(shí)際消噪過程中僅對(duì)第一層高頻小波系數(shù)進(jìn)行閾值量化處理。應(yīng)用Gauss分布和P-III型分布描述噪聲成分時(shí)的第一層小波系數(shù)閾值優(yōu)選結(jié)果分別為78和83(圖5和圖6)。然后對(duì)該序列進(jìn)行消噪。圖7和圖8中，上部曲線均為實(shí)測的月徑流序列，中部曲線為消噪之后的重構(gòu)主序列，下部為分離出的噪聲成分。兩閾值對(duì)應(yīng)的消噪結(jié)果相近，且與原序列相比，重構(gòu)主序列均很好地保持了原序列的變化規(guī)律，而噪聲成分表現(xiàn)出不規(guī)則的高頻震蕩。對(duì)原實(shí)測序列、重構(gòu)主序列和噪聲成分的特征值進(jìn)行分析，同樣驗(yàn)證了消噪結(jié)果的合理性(表4)。表4不同方法對(duì)大山口站月徑流序列消噪結(jié)果對(duì)比分析<table>tableseeoriginaldocumentpage11</column></row><table>2.2.2實(shí)例2選用黃河利津站實(shí)測的54年年徑流序列為例，選取"bior3.5"小波函數(shù)，取水平3進(jìn)行離散小波變換。分別用Gauss分布和P-III型分布描述分離出的噪聲成分。應(yīng)用Gauss分布和P-III型分布描述噪聲成分時(shí)的第一層小波系數(shù)閾值優(yōu)選結(jié)果均為9.2(圖9和圖10)，然后對(duì)第一、二層的高頻小波系數(shù)進(jìn)行閾值量化處理和噪聲成分分離。圖11中，上部曲線為利津站實(shí)測年徑流序列，中部曲線為主序列，下部為分離出的噪聲成分。噪聲成分的分離結(jié)果和各序列特征值分析結(jié)果(表5)同時(shí)驗(yàn)證了所選閾值的合理性和有效性。表5不同方法對(duì)利津站年徑流序列消噪結(jié)果對(duì)比分析<table>tableseeoriginaldocumentpage12</column></row><table>本發(fā)明應(yīng)用信息熵理論并結(jié)合小波消噪的基本思路，建立了水文時(shí)間序列消噪過程中小波系數(shù)閾值優(yōu)選熵準(zhǔn)則和序列消噪新方法。分別對(duì)不同特性的模擬序列和不同的實(shí)測水文序列進(jìn)行分析，驗(yàn)證了該方法的有效性和適用性。綜合分析可得到以下幾點(diǎn)認(rèn)識(shí)(1)該閾值優(yōu)選熵準(zhǔn)則基于信息熵理論和小波消噪思路而建立，其通過分析噪聲成分/f值和主序列/CF值的變化規(guī)律，進(jìn)而確定合理的小波系數(shù)閾值。根據(jù)原序列、主序列和噪聲成分特征值之間的變化規(guī)律，并與常用小波消噪方法的分析結(jié)果進(jìn)行對(duì)比，驗(yàn)證了該方法的合理性。對(duì)不同模擬序列(含正態(tài)和偏態(tài)隨機(jī)成分)和不同實(shí)測序列的分析結(jié)果顯示了該方法的適用性。(2)實(shí)測序列的分析結(jié)果顯示，水文序列中的噪聲成分具有偏態(tài)特性。因此本文中應(yīng)用偏態(tài)分布線型(P-III型分布)對(duì)分離出的噪聲成分進(jìn)行描述相對(duì)更為合理。(3)由于利津站54年年徑流序列中噪聲成分的偏態(tài)特性較弱，因此應(yīng)用Gauss分布和P-III型分布描述噪聲成分時(shí)優(yōu)選的小波系數(shù)閾值結(jié)果相同。(4)對(duì)本發(fā)明中各序列進(jìn)行分析時(shí)，常用小波消噪方法分離出的噪聲成分都有較好的自相關(guān)性，這不符合噪聲自身的特性，因此結(jié)果具有一定的不合理性。(5)由于本文建立的小波系數(shù)閾值優(yōu)選熵準(zhǔn)則基于信息熵理論，因此最終優(yōu)選的小波系數(shù)閾值是整體最優(yōu)的。算例分析結(jié)果也顯示其優(yōu)于常用的小波消噪方法。權(quán)利要求1、一種水文序列分析中基于信息熵理論的消噪方法，其特征在于包括以下步驟1)依據(jù)待分析的水文時(shí)間序列的基本特性選擇小波函數(shù)和小波分解層數(shù)，然后對(duì)水文序列進(jìn)行離散小波變換，得到不同時(shí)間尺度水平上的小波系數(shù)dj，k；2)應(yīng)用小波系數(shù)閾值優(yōu)選熵準(zhǔn)則，確定各層的小波系數(shù)閾值；3)對(duì)各層高頻小波系數(shù)進(jìn)行硬或軟閾值量化處理，之后再對(duì)處理后的小波系數(shù)進(jìn)行重構(gòu)，得到實(shí)測水文序列中的重構(gòu)主序列；4)實(shí)測水文序列與重構(gòu)主序列之差為噪聲成分，即實(shí)現(xiàn)噪聲成分的分離。2、根據(jù)權(quán)利要求l所述的水文序列分析中基于信息熵理論的消噪方法，其特征在于上述步驟2)的確定過程是5)首先給定一個(gè)較小的第一層小波系數(shù)閨值，其余各層的閾值依次按2—1/2倍的速率遞減而確定，然后對(duì)各層高頻小波系數(shù)c^進(jìn)行硬或軟閾值量化處理；6)利用閾值量化處理之后的小波系數(shù)Ww，求解對(duì)應(yīng)重構(gòu)主序列在各'尺度水平J'下的能量&:<formula>formulaseeoriginaldocumentpage2</formula>(1)M為小波變換的最大尺度水平，重構(gòu)主序列在各尺度水平_/下的能量概率分布為P/:<formula>formulaseeoriginaldocumentpage2</formula>(2)根據(jù)信息熵的定義，將重構(gòu)主序列各尺度水平下能量概率分布的熵值稱為信息量系數(shù)ICF，<formula>formulaseeoriginaldocumentpage2</formula>(3)7)對(duì)閾值量化處理之后的小波系數(shù)進(jìn)行重構(gòu)得到主序列，其與原序列之差作為噪聲成分，再根據(jù)水文物理成因機(jī)制選擇水文分布線型計(jì)算噪聲成分的不確定度i/值；8)依次不斷增大第一層小波系數(shù)閾值的取值，然后確定其余各層閾值，并應(yīng)用其分別對(duì)各層下的高頻小波系數(shù)進(jìn)行硬或軟閾值量化處理和噪聲成分分離，從而得到對(duì)應(yīng)的一系列噪聲成分不確定度/Z值和主序列復(fù)雜度/CF值；9)當(dāng)小波系數(shù)閾值逐漸增大時(shí)，噪聲成分的/Z值逐漸增大并趨于穩(wěn)定，且隨著噪聲成分的分離，主序列的復(fù)雜度會(huì)逐漸降低，/CF值也會(huì)逐漸減小并趨于穩(wěn)定；10)將最終噪聲成分/Z值和主序列/C尸值穩(wěn)定時(shí)各層的小波系數(shù)閾值作為最優(yōu)的小波系數(shù)閾值。3、根據(jù)權(quán)利要求2所述的水文序列分析中基于信息熵理論的消噪方法，其特征在于上述步驟8)增大幅度取1%，最大值取小波系數(shù)中的絕對(duì)值最大值。全文摘要本發(fā)明公開了一種水文序列分析中基于信息熵理論的消噪方法，首先依據(jù)待分析的水文時(shí)間序列的基本特性選擇小波函數(shù)和小波分解層數(shù)，然后對(duì)水文序列進(jìn)行離散小波變換，得到不同時(shí)間尺度水平上的小波系數(shù)d_j，k；應(yīng)用小波系數(shù)閾值優(yōu)選熵準(zhǔn)則，確定各層的小波系數(shù)閾值；對(duì)各層高頻小波系數(shù)進(jìn)行硬或軟閾值量化處理，之后再對(duì)處理后的小波系數(shù)進(jìn)行重構(gòu)，得到實(shí)測水文序列中的重構(gòu)主序列；實(shí)測水文序列與重構(gòu)主序列之差為噪聲成分，即實(shí)現(xiàn)噪聲成分的分離。本發(fā)明基于信息熵理論和小波消噪思路，建立了小波系數(shù)閾值優(yōu)選熵準(zhǔn)則，從而利用小波分析方法可有效地分離出水文序列中的噪聲成分，提高了水文數(shù)據(jù)的真實(shí)性和準(zhǔn)確性。文檔編號(hào)G01C13/00GK101592488SQ20091003258公開日2009年12月2日申請(qǐng)日期2009年7月2日優(yōu)先權(quán)日2009年7月2日發(fā)明者吳吉春,朱慶平,桑燕芳,棟王,玲王,祝曉彬申請(qǐng)人:南京大學(xué)