秦 毅，李 时

（省部共建西北旱区生态水利国家重点实验室西安理工大学，陕西西安 710048）

1 研究背景

近年来，大量研究成果表明实测水文序列存在明显的非一致性特征［1-4］。它带来两方面问题：（1）在非一致性条件下，继续使用以一致性样本为基础的预测分析方法，包括传统水文频率分析方法、多元统计分析的Coupla方法、机器学习等方法是否能获得合理的成果，以及对未来的预测应该如何评价。（2）水文模型参数的率定工作变得困难，因为参数率定采用资料的非一致性导致了不确定性的增加。相比较而言，第一个问题在设计分析方面显得更为突出，例如水利工程、水土保持工程及生态工程的设计，洪旱灾害的防治等都离不开对实测样本序列的统计分析与预测，除非研究对象的物理机制被真实地掌握，否则所做出的水文分析与预测的结果只有在一致性（平稳性）序列条件下才有意义。因此学者们投入了大量研究，包括：（1）对水文序列非一致性变异诊断的深入研究，给出了相对成熟的诊断方法：如相关系数检验法、Spearman秩次相关法、Kendall 秩次相关法、Mann-Kendall检验法［5-6］、R/S分析方法［7］、非参数Pettitt检验法［8］等。在此基础上，谢平等［9］构建了水文变异诊断系统，更全面地反映了水文序列的变异特征。（2）解决非一致性条件下的频率分析问题，这是工程设计迫切需要解决的问题［10］。为应对非一致性序列的影响，除了采用水文分析计算相关规范提出的还原或还现方法外，近年来有学者们将研究焦点放在了时变矩法［11-12］上，并据此建立时变概率分布，再通过重现期或可靠度与时变概率分布间的关系确定出工程设计值。……