点源时间序列数据缺失值的估值不确定性分析——以小流域气象和水文数据为例

• Published in: Guanʻgai paishui xuebao Vol. 38; no. 2; pp. 84 - 92
• Main Authors: SHI, Jin, ZHOU Jiaogen, WANG, Hui, GAN Lei, SHEN Jianlin, LI, Xi, LI, Yuyuan, WU, Jinshui
• Format: Journal Article
• Language: Chinese; English
• Published: Xinxiang City Chinese Academy of Agricultural Sciences (CAAS) Farmland Irrigation Research Institute Editorial Office of Journal of Irrigation and Drainage 01.02.2019; 中国科学院 亚热带农业生态研究所亚热带农业生态过程重点实验室,长沙410125%中国科学院 亚热带农业生态研究所亚热带农业生态过程重点实验室,长沙,410125%湖南农业大学 工学院,长沙,410128%中国科学院 亚热带农业生态研究所亚热带农业生态过程重点实验室,长沙410125; 湖南农业大学 工学院,长沙410128; 湖南师范大学 资源与环境科学学院,长沙410081
• Subjects: Accuracy; Correlation coefficient; Correlation coefficients; Data analysis; Datasets; Estimation; Hydrologic data; Hydrological analysis; Hydrology; Interpolation; Meteorological data; Methods; Missing data; Polynomials; Rainfall; Root-mean-square errors; Sampling; Solar radiation; Stream discharge; Stream flow; Subtropical zones; Uncertainty analysis; Watersheds; 估值方法; 时间序列; 不确定性; 缺失值; 变异系数

O171; [目的]对普遍存在的时间序列缺失值进行有效估值,进而改善时间序列数据的质量.[方法]以亚热带典型小流域长期定位观测的气象(最低气温、最高气温、太阳辐射)及水文(降水量、地表径流量)数据为样本并利用计算机模拟的方法,比较了线性内插法、K-最近邻插值法、多项式插值法、样条插值法和核密度估值法5种估值方法的性能差异,分析了不同取样时间步长(日和月)及不同数据缺失量(1％、5％、10％、15％、20％)条件下对缺失值进行估值的不确定性.均方根误差(RMSE)、绝对值平均误差(MAE)和Pearson相关系数(r)3个交叉验证指标用于评估5种估值方法的性能优劣.[结果]①5种方法估值性能较好...