摘要: 流域降雨的时空分布是影响洪水形成的重要因素，而聚类算法是分析提取样本数据典型类型的最常用方法。为定量描述流域的典型降雨时空分布，以雅砻江流域内两河口以上、两河口到杨房沟区间、杨房沟到锦屏区间3个不同子流域为研究对象，利用高斯混合模型、谱聚类和K-Means这3种经典聚类算法分别对各个子流域的站点降雨数据进行聚类分析，采用Davies-Bouldin指数对聚类效果进行评价，进而对比分析不同类型聚类算法的适用性，最终得到各流域的典型降雨时空分布。研究结果表明：采用K-Means算法所得到的3个子流域的聚类结果，其平均Davies-Bouldin指数相对谱聚类偏小约34%,相对高斯混合模型偏小约21%,表明K-Means算法相较于谱聚类和高斯混合分布模型对不同流域的降雨数据都有更好的聚类效果。同时基于最优的聚类结果可以得到，在出现概率前80%的条件下，3个子流域分别有4,3,2个典型降雨时空分布类型，通过这些典型降雨时空分布类型的样本可以定量有效地描述流域降雨在时间和空间维度上的分布特征。