"水文序列"是指在一定时间和空间范围内记录的水文变化数据序列。在水文学领域中，研究水文序列对于了解水文过程、预测洪涝、合理利用水资源等具有重要意义。而“hydrological series”则是对“水文序列”的英文表达。在实际运用中，我们可以使用一些英语短句来描述水文序列，比如“The hydrological series exhibits a clear seasonal variation”（水文序列呈现出明显的季节变化）或者“The hydrological series data provides valuable insights into the water cycle”（水文序列数据为我们提供了有关水循环的宝贵见解）。通过这些例句，我们可以更好地传达水文序列的意义和价值。
水文序列,hydrological series
1)hydrological series水文序列
1.Variance tendency in the 50-year annual meteorological andhydrological series of Hexi region of Gansu Province;甘肃河西地区近50年气象和水文序列的变化趋势
2.In order to compare and analyze the performance of hydrological time variation series change-point testing method,three types ofhydrological series are generated by hydrological variation series generator,and statistical experiment is used to analyze the performance of the 10 variation series testing methods.通过设计的水文变异序列生成器生成满足P-型分布及统计参数,用统计实验的方法比较分析了10种常用水文序列变异点检验方法对3类变异序列的性能检验。
英文短句/例句
1.Effect of urbanization on hydrological sequence of water supplying rivers;城市化对供水河流水文序列的影响分析
2.Information entropy theory based noise reduction method for hydrologic series data analysis水文序列分析中基于信息熵理论的消噪方法
3.Research of Markov Chain Prediction Method and Its Application on Hydrology Series马尔可夫链预测方法及其在水文序列中的应用研究
4.The Research of Gray Markov Chain Prediction Method and Its Application on Hydrological Series;灰色马氏链预测方法及其在水文序列中的应用研究
5.Research and Application of Hydrological Time Series Trend Analyze;水文时间序列趋势分析的研究与应用
6.Study on Self-Memory Model of Hydrologic Nonlinear Time Series Analysis;水文非线性时间序列分析的自记忆模型研究
7.Chaotic Nonlinear Time Series Analysis in Hydrologic River Inflow System;水文流量系统中混沌非线性时间序列法的研究
8.Studies on Chaos Theory and Its Application in Hydrological Time Series;混沌理论及其在水文时间序列中的应用研究
9.The Study on the Multiple Time Scales of Hydrological Time Series in Karst Drainage Basins;喀斯特流域水文时间序列的多时间尺度研究
parison of Different Analysis Methods for the Periodicity of Hydrological Time Series;几种水文时间序列周期分析方法的比较研究
11.Research and Application of Hydrological Time Series Similarity Model;水文时间序列相似性模型的研究与应用
12.Research and Application of Hydrological Time Series Similarity Pattern;水文时间序列相似模式挖掘的研究与应用
13.Flexible Integration of Hydrological Time Series Basic Algorithm Components;水文时间序列基本算法组件及其柔性集成
14.Establishment and application of hydrological time series forecasting model based on KPCA_SVMKPCA_SVM水文时间序列预测模型的建立与应用
15.Multiple Time Scales Analysis of Annual Runoff Time Series at Jianli Hydrologic Station监利水文站年径流量序列多时间尺度分析
16.Research Advances and Application of Data Mining in Hydrological Time Series数据挖掘在水文时间序列中的应用研究与进展
17.Heuristic segmentation method for change-point analysis of hydrological time series水文时间序列突变点分析的启发式分割方法
18.BORDA counting method based similarity analysis of multivariate hydrological time series基于BORDA计数法的多元水文时间序列相似性分析
相关短句/例句
hydrological time series水文序列
1.In order to describe the detail structure of the complicated hydrological system, the statistic characteristics ofhydrological time series have been probed based on the multi-resolution of wavelet analysis and fractal theories.为揭示复杂水文现象中的精细结构,应用小波分析的多分辨率分析和分形理论相结合的途径探讨了水文序列变化的统计特征。
3)hydrological sequence水文序列
1.Effect of urbanization onhydrological sequence of water supplying rivers;城市化对供水河流水文序列的影响分析
2.Using it,the period that is implied inhydrological sequence can be detected.将小波变换引入随机水文过程的研究领域，根据水文现象的物理成因，通过对水文序列进行小波变换，借以测定水文序列隐含的近似周期，并利用Ｆ检验最终确定水文序列隐含的近似周期。
4)hydrologic sequence水文序列
1.By use of wavelet transform ,the hidden period ofhydrologic sequence is detected.根据水文现象的物理成因,通过对水文序列进行小波变换,借以测定水文序列隐含的近似周期,并利用F检验最终确定水文序列隐含的近似周期。
5)approximate yearly hydrologic series年水文序列
6)hydrological time series水文时间序列
1.Application of spectrum method in the analysis ofhydrological time series;频谱分析方法在水文时间序列代表性分析中的应用
2.Analysis of future trend characteristics ofhydrological time series based on R/S and Mann-Kendall methods;R/S和Mann-Kendall法综合分析水文时间序列未来的趋势特征
3.New idea and two new methods for identifying periodicities ofhydrological time series;水文时间序列周期识别的新思路与两种新方法
延伸阅读
水文时间序列分析结合水文现象的性质与特点，对水文时间序列进行统计分析和推断的技术。目的是为识别控制该序列随时间变化的机理。水文时间序列是指某种水文特征值随时间而变的一系列观测值。它们可以是在离散点上的观测值，也可以是时段上的平均值，或是在时间上连续观测的记录经离散化而得的数值。水文时间序列分析的内容包括对各种常用模型的介绍以及对建模型步骤的讨论。常用的模型有自回归模型(AR)、滑动平均模型（MA）、自回归滑动平均混合模型(ARMA)、 自回归求和滑动平均模型(ARIMA)、疏系数模型(ARIMA)、分数高斯噪声模型(FGN)、破坏线模型(BL)和变移水平模型以及分解模型等。建模的步骤，包括选定模型类型、识别模型形式（或模型定价）、参数估计、模型检验以及模型与参数不确定性的评价。在模型检验中，除重视一般时间序列分析中所应用的检验模型残差的独立性和正态性模型与历史资料的相关图是否相似以外，在水文时间序列分析中，还十分重视保持历史资料的统计特性,即根据选用模型所生成的资料,应有与历史资料相近的主要统计特性。由于模型参数的有限型，不可能保持时间序列的所有统计特性。目前遵循的一般规则是，力求保持为表示所研究的水文序列的变化情况所必需的那些统计量，以及对于所要解决的问题十分重要的那些统计量。由于历史资料一般较短，故由历史资料所确定的统计特性，有一定的抽样误差，对一些重要的统计量，如偏态系数、自相关系数等，其抽样误差尤大。这使得保持统计特性的问题变得比较复杂，有待于进一步研究。参考书目C.T.Haan,Statistical Methods in Hydrology,The Iowa State University Press,Iowa,1977.R.L.Bras and I.Rodrigues-Iturbe, Random Functionsand Hydrology, Addison-Wesley，London，1985.
