本发明涉及一种用于检测水文系列参数是否变异的方法，具体涉及一种通过对不同时期参数估计值分布函数的差异性进行显著性检验以及度量不同时期参数估计值概率分布函数的重叠程度来检测水文系列参数变异程度的方法。
背景技术：
水文频率分析是推求满足工程设计要求的设计洪水的标准方法。应用水文频率分析方法的前提条件是水文极值系列要满足一致性要求。然而，由于气候变化及人类活动的影响，使得用于水文频率分析的水文极值系列的非一致性问题越来越突出。为此，在进行水文频率分析之前，首先需要对水文极值系列的变异性进行检验，以判断系列是否满足一致性要求。
目前对水文极值系列的跳跃性检验方法众多，如有序聚类法、滑动秩和检验法和Pettitt法等。但是值得注意的是这些方法仅能给出变异点的位置，而无法识别水文系列中何种参数发生变异，即无法检测水文系列的均值、离差系数和偏态系数等参数是否发生变异及参数变异是否显著等问题。
技术实现要素：
为解决现有技术的不足，本发明的目的在于提供一种用于检测水文系列参数是否变异的方法，通过对不同时期参数估计值概率密度函数的差异性进行显著性检验以及度量不同时期参数估计值概率密度函数的重叠程度来检测系列参数变异程度，克服目前常用的跳跃性变异性诊断方法，只能识别变异点位置，而无法判断系列的统计参数是否发生变化的不足。
为了实现上述目标，本发明采用如下的技术方案：
一种用于检测水文系列参数是否变异的方法，其特征是，包括如下步骤：
(1)根据水文极值系列的跳跃性检验方法，识别系列的变异点位置τ；
(2)在变异点位置τ，将整个水文系列分割为前后两个子系列X1和X2；
(3)分别从X1和X2系列中重复地有放回地抽取样本各5000组；
(4)对于待检测的参数θ，根据X1系列对应的5000组样本，计算得到参数θ的5000个估计值；
(5)对于待检测的参数θ，根据X2系列对应的5000组样本，计算得到参数θ的5000个估计值；
(6)在显著性水平α下，检验系列X1对应的5000个参数估计值和X2系列对应的5000个参数估计值，是否服从相同的分布；
若服从相同分布，则表明参数θ在变异点前后没有发生变异；
若不服从相同分布，则表明在显著性水平α下，参数θ在变异点前后发生显著变异；
(7)对步骤(4)和(5)中参数θ的5000个估计值分别进行概率密度函数拟合，得到对应的概率密度函数f1(θ)和f2(θ)；
(8)计算概率密度函数f1(θ)和f2(θ)重叠部分面积A(0≤A≤1)，则两个概率密度函数的差异性为作为参数变异性程度度量指标。
进一步地，所述步骤(4)和(5)采用Bootstrap重抽样技术获得5000组样本，进而获得参数θ的5000个估计值，
进一步地，所述步骤(6)中显著性水平α为0.05，采用Kolmogorov-Smirnov方法检验X1和X2系列对应的5000个参数估计值是否来自同一分布函数。
进一步地，所述步骤(7)中，采用非参数核密度法对参数估计值的概率密度函数进行拟合。
本发明所达到的有益效果：本发明提供的用于检测水文系列参数是否变异的方法克服了目前跳跃性检验方法只能识别变异点位置，而无法识别水文系列中何种参数发生变异这一不足，可用于检测水文系列的均值、离差系数和偏态系数等参数是否发生变异及参数变异是否显著等问题，具有较强的工程意义。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
下面结合实例对本发明作更进一步的说明。
现有某一水文观测站点50年的洪峰极值系列样本，系列呈现跳跃性变化特征；依据本发明方法，该水文系列参数是否变异确定过程为：
(1)采用有序聚类法、滑动秩和检验法、Pettitt检验法对水文极值系列x1,x2,…,x50的变异点位置进行综合诊断，最终判定该系列在第28个样本点处发生跳跃性变异；
(2)将整个水文系列xi,i＝1,2,…,50在第28个样本处分割为前后两个子系列，分别记为X1＝{x1,x2,…,x28}和X2＝{x29,x30,…,x50}；
(3)采用Bootstrap重抽样技术，从X1系列中重复地有放回地等容量抽取样本5000组，每组样本系列的容量为28；
(4)采用Bootstrap重抽样技术，从X2系列中重复地有放回地等容量抽取样本5000组，每组样本系列的容量为22；
(5)对于待检测的均值Ex、方差Sd和偏态系数Cs三个参数，根据X1系列对应的5000组样本，分别采用线性矩法估计得到Ex、Sd和Cs的5000个估计值，记为Ex1(i)、Sd1(i)和Cs1(i),i＝1,2,…,5000；
(6)对于待检测的均值Ex、方差Sd和偏态系数Cs三个参数，根据X2系列对应的5000组样本，分别采用线性矩法估计得到Ex、Sd和Cs的5000个估计值，记为Ex2(i)、Sd2(i)和Cs2(i),i＝1,2,…,5000；
(7)在显著性水平0.05下，采用Kolmogorov-Smirnov方法，检验参数Ex或Sd或Cs对应的5000个估计值Ex1(i)和Ex2(i)或Sd1(i)和Sd2(i)或Cs1(i)和Cs2(i),i＝1,2,…,5000，是否服从相同的分布。
若服从相同分布，则表明参数Ex或Sd或Cs在变异点前后没有发生变异；
若不服从相同分布，则表明在显著性水平0.05下，参数Ex或Sd或Cs在变异点前后发生显著变异。
(8)采用非参数核密度法，分别对步骤(5)和(6)中获得的参数Ex或Sd或Cs的5000个估计值进行概率密度函数拟合，得到对应的概率密度函数f1(Ex)和f2(Ex)或f1(Sd)和f2(Sd)或f1(Cs)和f2(Cs)；
(9)对于给定的参数Ex、Sd和Cs，计算其对应的概率密度函数f1(·)和f2(·)重叠部分面积A(0≤A≤1)，则两个概率密度函数的差异性为可作为参数变异性程度度量指标。
若说明变异点前后，均值Ex的变异程度大于方差Sd和偏态系数Cs的变异程度，而方差Sd的变异程度又大于偏态系数Cs的变异程度；其它类似。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。