科尔莫哥洛夫测度和李雅普诺夫指数对日流量复杂性的分析
摘要：空间和时间上对日均流量变异性进行分析对于水资源规划、开发和管理至关重要。自然流量的变异性正在受到人为影响和气候变化的复杂化影响，这可能给现象记录引入更多复杂性。为了回答这个问题，我们使用一组新的定量工具：Kolmogorov复杂性（KC）及其相关测量指标来评估复杂性，以及Lyapunov时间（LT）来评估可预测性。我们发现，所有的日均流量序列都表现出长时记忆性，并呈现出逐渐增加的下行趋势，而个体站点系列的随机性不能确定地得出结论。除了德克萨斯州Graford市的USGS（美国地质调查局）08088610站之外，所有的Kolmogorov复杂性指标都有相对较小的值，该站表现出了较高的这些复杂性指标。这一发现可能归因于Graford市人为活动的提高效应，并在其他站点上产生了较小的影响。此外，复杂性倾向于在下游减小，这意味着较大的集水区通常受到的人为活动影响较小。Lyapunov时间（衡量可预测性的指标）的随机性校正与Kolmogorov复杂性成反比，这加强了我们关于人为活动影响的结论，考虑到KC和LT是基于不同技术的不同测量指标。
作者：Dragutin T. Mihailovi''c, Emilija Nikoli''c-{DJ}ori''c, Ilija Arseni''c, Slavica Malinovi''c-Mili''cevi''c, Vijay P. Singh, Tatijana Stov{s}i''c and Borko Stov{s}i''c
论文ID：1809.08633
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2019-05-01