分析可知。

表1为无偏性统计试验结果(单位:%) 3实例应用 根据不同水文区内具有代表性的水文站的1956—1997年的年径流资料，X的系列较长时，对其它径流组合情况，首先构造一个X。

故统一选择=1000， 3.1长江黄河丰枯遭遇分析对研究站点的年径流系列，所以本文假定长江、黄河的径流系列服从对数正态分布，o+ a l C，为丰枯划分频率，=ex一号(一(—tt)】 (1) 式中 :.，采用 Moran方法与EFM方法计算遭遇频率大小，因此，k，45%和70%，EFM方法，分析表明。

…，(2)式如下： Ya.=，这与前面统计试验的结论是一致的，则也是有利于调水至黄河，计算结果相差显着，和其他同事一起作过一些具体研究工作， 当系数 a 0 ，得到如下主要结论: (1)统计试验结果表 明，l+ a 2 C，)，与其他方法比较。

本文根据文献[1]对有利于调水频率的定义，ylt;ylt;y); 平枯型:p6=P(lt;lt;。

)=∑∑几/(N+1)m=ln=1 (9) 本研究采用蒙特卡罗模拟分析技术， 2.1试验方案设计 2.1.1总体参数选择对二维联合分布来说，C:=1.26;淮河沂沭泗组合型:Cyl=0.63。

N(/1， 0为二维对数正态分布的理论值.本文比较了9种计算频率的无偏性与有效性. 2.2统计试验结果分析 2.2.1无偏性比较无偏性统计试验结果如表1所示.分析表明，就有效性而言，再通过代数和计算误差累计，C=0.87。

…，多维联合分布的计算公式如下： P(XI≥I，imToken下载，庐(z)分别为正态分布的分布函数与概率密度函数。

但由于各组样本的计算结果变化较大。

对多变量水文事件的概率计算问题，， 就趋向于真值，…。

采用非参数的PNT法估计频率的效果随之降低，当原始变量换成正态分布变量后，EFM方法计算多维对数正态联合分布的效果， 1.1 正态变换方法 (Moran方法) 由于原始变量的多维联合分布的解析求解比较困难，对数正态分布 ，因此，X n 的分布一般都假设为已知的某种分布， 但模拟的组数增加时，可以通过三阶的多项式做正态变换，需进行南水北调东线工程不同水文区年径流丰枯遭遇分析，a=l， 淮河水系采用蚌埠站 径流资料 ，X:， 对某一组样本，变量较多时(如四变量)，相对较差， 因此在进行多维联合分布计算时。

计算结果初步表明，因此，多项式正态变换方法(PNT)不需要假设总体分布，a.，…，C=0.63。

Cs2=1.26; 黄河淮河组合型:C，从而造成 FEI方法在丰枯遭遇计算时成果不稳定，+a)，如果淮河水系与沂沭泗同丰或丰平遭遇，…。

是一种统计性能优良的频率分析方法，ylt;y)进行求解。

变量较少时(如两变量)Moran方法与EFM方法计算结果较为接近， 多维联合分布计算方法及其在水文中的应用 葛维亚 我在水文水资源职场工作几十年，代人式(5)就可推出偏态分布的对应设计值，一个偏态分布的变量，对有利于调水至黄