有序聚类分析法的改进及其在水文序列突变点识别中的应用
DOI:
作者:
作者单位:

作者简介:

袁满 (1973-),女,湖北黄冈人,硕士研究生,主要研究方向为水文水资源水环境系统分析。 E-mail: 386011534@qq.com

通讯作者:

中图分类号:

P333

基金项目:

国家自然科学基金项目(51679155);


Improvement of Sequential Clustering Method and Its Application to Diagnose Jump Points of Hydrological Series
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    有序聚类分析法是水文学中识别突变点的有效方法,但该法只考虑了同类之间的离差较小原则,忽略了类与类之间的离差较大原则。基于此,提出了改进的有序聚类分析法,改进法同时考虑了同类之间的离差较小和类类间的离差较大原则。将改进的有序聚类分析法应用于年平均流量序列突变点识别中,并与传统有序聚类分析法进行对比分析,研究结果表明,改进的有序聚类分析法原理明确,识别突变点更加有效。

    Abstract:

    The sequential clustering method is an effective way to diagnosejump points in hydrologic research. However, the method only considers smaller deviations between the same classes, but ignores the larger deviations between different classes. For that reason, this paper proposedthe improved sequential clusteringmethod considering both smaller deviations between same classes and larger deviations between different classes. The improved sequential clustering methodhas been applied to identify jump points ofsome average annual flow seriesand comparedwith traditional sequential clustering method. The results show that theimproved sequential clusteringmethod is clear and effective to identify jump points.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2016-09-23
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-06-22
  • 出版日期: