CN104318058A - 基于雨量监测的泥石流预警方法 - Google Patents
基于雨量监测的泥石流预警方法 Download PDFInfo
- Publication number
- CN104318058A CN104318058A CN201410494719.5A CN201410494719A CN104318058A CN 104318058 A CN104318058 A CN 104318058A CN 201410494719 A CN201410494719 A CN 201410494719A CN 104318058 A CN104318058 A CN 104318058A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- event
- feature
- value
- rainwash
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明提供一种基于雨量监测的泥石流预警方法,包括:根据历史降雨量数据建立的泥石流事件特征雨量模型、地表径流事件特征雨量模型、以及正常降雨事件特征雨量模型,并确定区分度函数;根据所述区分度函数确定衰减系数、权重系数以及临界阈值;采集前n日降雨量数据,引入衰减系数计算前n日有效雨量;引入权重系数和当日降雨量数据,并根据所述权重系数、当日降雨量数据和所述前n日有效雨量计算特征雨量;将所述特征雨量与所述临界阈值进行比较,根据比较结果确定当日降雨量是否能够引起泥石流事件;本发明提供的方法能够有效提高泥石流预警的准确性。
Description
技术领域
本发明涉及泥石流预警技术领域,尤其涉及一种基于雨量监测的泥石流预警方法。
背景技术
降雨是泥石流的主要诱发因素,也是泥石流预警模型中重要的计算参数,然而现有技术中降雨监测的泥石流预警模型多是以特定的时间节点为临界判据,如10分钟、1小时、1日和20日等,固定时间节点的选取缺乏严格的理论推导,且影响泥石流发生的降雨时间范围也不确定,使得泥石流预警的准确性不高。
发明内容
在下文中给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
为解决上述问题,本发明提出一种基于雨量监测的泥石流预警方法,能够有效提高泥石流预警的准确性。
一种基于雨量监测的泥石流预警方法,包括:
根据历史降雨量数据建立的泥石流事件特征雨量模型、地表径流事件特征雨量模型、以及正常降雨事件特征雨量模型,并确定区分度函数;
根据所述区分度函数确定衰减系数、权重系数以及临界阈值;
采集前n日降雨量数据,引入衰减系数计算前n日有效雨量;
引入权重系数和当日降雨量数据,并根据所述权重系数、当日降雨量数据和所述前n日有效雨量计算特征雨量;
将所述特征雨量与所述临界阈值进行比较,根据比较结果确定当日降雨量是否能够引起泥石流事件。
本发明提供的基于雨量监测的泥石流预警方法,根据历史降雨量数据建立相应的模型,计算相应的临界阈值,各数据均通过计算得到,并非经验参数,具有一定的科学性;能够有效提高泥石流预警的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于雨量监测的泥石流预警方法一种实施例的流程图。
图2为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中四川省都江堰市龙池镇麻柳沟2010年-2012年间降雨量最大的五个月的日降雨量统计图。
图3为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中k=0特征雨量计算结果示意图。
图4为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中k=1特征雨量计算结果示意图。
图5为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中基于10日有效雨量计算的衰减系数D的变化曲线图。
图6为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中衰减系数D=0.885时的权重系数k的变化曲线图。
图7为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中3日-20日权重系数与衰减系数变化曲线图。
图8为本发明提供的基于雨量监测的泥石流预警方法一种应用场景中警戒值与爆发值的变化曲线图。
图9为本发明提供的基于雨量监测的泥石流预警方法另一种应用场景中特征雨量计算结果示意图。
图10为为本发明提供的基于雨量监测的泥石流预警方法另一种应用场景中区分度均值和权重系数方差的计算结果示意图。
具体实施方式
下面参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或者更多个其他附图或实施方式中示出的元素和特征相结合。应当注意,为了清楚目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
参考图1,本实施例提供一种基于雨量监测的泥石流预警方法,包括:
步骤S101,根据历史降雨量数据建立的泥石流事件特征雨量模型、地表径流事件特征雨量模型、以及正常降雨事件特征雨量模型,并确定区分度函数;
步骤S102,根据所述区分度函数确定衰减系数、权重系数以及临界阈值;
步骤S103,采集前n日降雨量数据,引入衰减系数计算前n日有效雨量;
步骤S104,引入权重系数和当日降雨量数据,并根据所述权重系数、当日降雨量数据和所述前n日有效雨量计算特征雨量;
步骤S105,将所述特征雨量与所述临界阈值进行比较,根据比较结果确定当日降雨量是否能够引起泥石流事件。
本实施例提供的基于雨量监测的泥石流预警方法,根据历史降雨量数据建立相应的模型,计算相应的临界阈值,各数据均通过计算得到,并非经验参数,具有一定的科学性;能够有效提高泥石流预警的准确性。
进一步地,所述有效雨量通过以下公式进行计算:
其中,Rn为前n日的有效雨量,Ri为第i天的降雨量,D为衰减系数。
前n日的有效雨量,即前期有效雨量,和当日降雨量对一次灾害时间的影响因素,可通过下式表达:
aRn+bR0=f0;(2)
式中,Rn为前n日的有效雨量,R0为当日降雨量,a和b分别为相关系数,式(2)两侧同除以b,令k=a/b,f=f0/b,则式(2)可转化为:
kRn+R0=f;(3)
其中,k为权重系数,0<k<1,Rn为前n日的有效雨量,R0为当日降雨量,f为特征雨量。
进一步地,建立泥石流事件特征雨量模型的方法包括:
采集历史泥石流事件发生当日的降雨量数据,以及泥石流事件发生前n日的降雨量数据,建立泥石流事件的特征雨量模型:
X=a1+b1(D)×k;(4)
其中,X为发生泥石流事件的特征雨量,a1为泥石流事件发生当日降雨量,b1(D)为泥石流事件发生前n日的有效雨量,k为为权重系数。
进一步地,建立地表径流事件特征雨量模型的方法包括:
采集历史地表径流事件发生当日的降雨量数据,以及地表径流事件发生前n日的降雨量数据,建立地表径流事件的特征雨量模型:
Y=a2+b2(D)×k;(5)
其中,Y为地表径流事件的特征雨量,a2为地表径流事件发生当日降雨量,b2(D)为地表径流事件发生前n日的有效雨量,k为权重系数。
进一步地,建立正常降雨事件特征雨量模型的方法包括:
采集历史正常降雨事件发生当日的降雨量数据,以及正常降雨事件发生前n日的降雨量数据,建立正常降雨事件特征雨量模型:
Z=a3+b3(D)×k;(6)
其中,Z为正常降雨事件的特征雨量,a3为正常降雨事件发生当日降雨量,b3(D)为正常降雨发生前n日的有效雨量,k为权重系数。
进一步地,所述区分度函数为:
F(k)=max[(min{X}-max{Y})+(min{Y}-max{Z})];(7)
其中,X为发生泥石流事件的特征雨量,Y为地表径流事件的特征雨量,Z为正常降雨事件的特征雨量;
根据所述区分度函数确定衰减系数、权重系数,包括:
求解区分度函数,当区分度函数F(k)为最大时,确定对应的衰减系数D和权重系数k。
进一步地,临界阈值包括爆发值和警戒值;
根据比较结果确定当日降雨量是否能够引起泥石流事件,包括:
当所述特征雨量大于或等于爆发值时,确定当日降雨量能够引起泥石流事件;
当所述特征雨量大于或等于警戒值且小于所述爆发值时,确定当日降雨量能够引起地表径流事件;
当所述特征雨量小于所述警戒值时,确定当日降雨量不会引起泥石流事件以及地表径流事件。
进一步地,爆发值通过以下公式确定:
L爆发=(min{X}+max{Y})/2;(8)
其中,L爆发为爆发值,min{X}为泥石流事件的特征雨量最小值,max{Y}为地表径流事件的特征雨量最大值。
进一步地,警戒值通过以下公式确定:
L警戒=(min{Y}+max{Z})/2;(9)
其中,L警戒为警戒值,min{Y}为地表径流事件的特征雨量最小值,max{Z}为正常降雨事件的特征雨量最大值。
以下通过具体的应用场景对本实施例提供的基于雨量监测的泥石流预警方法作进一步说明。
参考图2,图2为四川省都江堰市龙池镇麻柳沟2010年-2012年间降雨量最大的五个月的日降雨量统计图,五个月分别为2010年8月、2011年7月、2011年8月、2012年8月和2012年9月,由于泥石流事件数量较少,将灾害事件分为泥石流事件(洪峰流深超过1m)和地表径流事件(洪峰流深介于0.3m~1m之间),上述五个月包含154天,共有2次泥石流事件和6次地表径流事件。以10日有效雨量为例,将日降雨量放入式(1)中计算,图中第一列为日期,最后一列数值表示的是由式(1)计算得到的10日有效雨量,第一行中的0,1,2......10分别表示当天、前第1天,前第2天......前第10天的实际日降雨量,其中2010年8月13日发生了泥石流事件,2010年8月14日发生了地表径流事件。
上述5个月的154天中有64天发生降雨,将10日有效雨量和当日降雨量带入式(3)中计算,如图3和图4所示,以柱状图形式显示计算结果,并根据计算得到的特征雨量值f由大到小进行排列。图3为k=0时的计算结果示意图,k=0时表示前期有效雨量对泥石流事件的发生没有影响。图4为k=1时的计算结果示意图,k=1表示前期有效雨量对泥石流事件发生的影响系数相同。
图3中,由于k=0,日降雨量等于特征雨量,纵坐标为日降雨量,从左往右第一个柱体和第二个柱体表示的是2010年8月13日和2010年8月19日两次泥石流事件对应的日降雨量,第三个柱体、第四个柱体、第五个柱体、第六个柱体、第十三个柱体、第二十个柱体表示的是地表径事件流对应的日降雨量,其余柱体表示正常降雨事件对应的日降雨量,单从当日降雨量无法区别灾害事件和非灾害事件,图中地表径流事件对应的降雨量值小于正常事件对应的降雨量值,函数f(k)没有实现区分功能,因此前期有效雨量对灾害爆发有一定的影响,即k>0。同理如图4,从左往右第一个柱体、第三个柱体表示泥石流事件的特征雨量,第二个柱体、第四个柱体、第八个柱体、第十四个柱体、第二十个柱体表示地表径流事件的特征雨量,其他柱体表示的是正常降雨事件对应的特征雨量,随着k值不断增大,函数f(k)的区分度越来越差,因此判定k的取值范围为0~1。
将两次泥石流事件对应的当日降雨量放入式(4)中的数组a1,对应的前10日有效雨量放入数组b1(D);将6次地表径流事件对应的当日降雨量放入式(5)中的数组a2,对应的前10日有效雨量放入数组b2(D);其他正常降雨事件对应的当日降雨量放入式(6)中的数组a3,对应的前10日有效雨量放入数组b3(D)。当f=X、Y和Z时,分别代表泥石流事件、地表径流事件和正常降雨事件。
设F(k)为区分度函数,为保证区分度最大,F(k)需满足式(7)。
将降雨量数据代入计算,结果如图5和图6所示,图5为基于10日有效雨量计算的衰减系数D的变化曲线图,横坐标为衰减系数,纵坐标为区分度函数的解,图6为衰减系数D=0.885时的权重系数k的变化曲线图,横坐标为权重系数,纵坐标为区分度函数的解。
图5中,当D∈[0.7,0.92],式(7)有解,其他情况无解。当D=0.885时,存在最大解Fmax=112.5620。由图6可知,当D=0.885时,对应的权重系数k为0.3484。通过调整衰减系数,由计算值取代了经验值,增大了区分度。设立10日有效雨量的临界阈值:
L爆发=(min{X}+max{Y})/2=(256.3937+160.8559)/2=208.6248
L警戒=(min{Y}+max{Z})/2=(128.6874+112.6638)/2=120.6756
根据上述计算结果取整,建立10日有效雨量的预警判据:
0.3484 R10+R0≥208 (爆发值)
0.3484 R10+R0≥120 (警戒值)
0.3484 R10+R0<120 (安全值)
根据10日有效雨量的求解过程,分别计算1~20日有效雨量的权重系数和衰减系数,其中前1日、2日有效雨量的权重系数不存在,即无法计算出相应的k值满足式(4)。将各系数代入特征雨量函数,求得爆发值和警戒值,如图7和图8所示,图7为3日-20日权重系数与衰减系数变化曲线图,图8为相应的警戒值与爆发值的变化曲线图。
模型中ki为前i日对应的权重系数。参考图7,横坐标为日期,由图7可知,权重系数k和衰减系数D在7日之前波动较大,8日至20日趋于平稳。同样,如图8所示,8至20日的爆发值与警戒值也较为稳定,爆发值在208~209之间,警戒值在120~121之间。因此,建立适用于麻柳沟的前期有效雨量模型如下:
kiRi+R0≥208 (爆发值)
kiRi+R0≥120 (警戒值)
kiRi+R0<120 (安全值)
其中,不同日期的权重系数ki和衰减系数Di取值如图7所示,并且随着数据量的不断增加,其值也不断改变。
上述为该模型建模过程,运用2013年该地区降雨资料和灾害事件进行模型验证。泥位计记录了一次泥石流事件(2013年7月10日)和四次地表径流事件(2013年7月11日、2013年7月25日、2013年7月26日和2013年7月28日)。将2013年6月至9月的降雨量数据导入模型进行计算,结果如图9所示。
参考图9,横坐标为日期,由图9可知,在8日~20日之间,5条曲线均超过了相应的临界值,计算结果与实际情况完全一致。该方法其中一个特点是没有固定的雨量计算天数和固定的临界阈值,可以根据研究区的实际资料来进行设定,然而监测数据和事件样本的数量直接影响着模型的预报精度。将2010年至2013年所有灾害样本进行汇总,共有3次泥石流事件和10次地表径流事件。分别计算不同灾害样本数量下,不同日期(8日~20日)的区分度均值和权重系数方差,计算结果如图10所示
图10中,横坐标表示的是参与计算的灾害样本数量,左侧纵坐标为每次计算的区分度平均值(8日~20日),右侧纵坐标为权重系数方差(8日~20日)。由图10可知,随着灾害样本数量的扩大,权重系数方差越小,权重系数越稳定。并且,随着灾害样本数量的扩大,区分度平均值也不断减小。假设理想状态下,存在一个临界阈值使区分度无限接近0,此时正常事件中的最大特征雨量函数无限接近于地表径流事件中的最小特征雨量函数,并且地表径流事件中的最大特征雨量函数无限接近于泥石流事件中的最小雨量特征函数。然而,实际这一情况并不存在,随着监测数据和样本事件的不断增加,模型预报的准确性不断提升。
将一个地区的历史降雨资料和对应的灾害事件放入该模型中,可以计算出相应的泥石流爆发阈值,从而建立基于雨量监测的泥石流预警模型。
本实施例提供的基于雨量监测的泥石流预警方法,通过学习研究区的历史资料,针对研究区进行泥石流预警,具有更高的针对性;各参数均通过计算得到,并非经验参数,具有一定的科学性;前期有效雨量的计算天数可以调整,提高了预警模型的时间范围。
虽然已经详细说明了本发明及其优点,但是应当理解在不超出由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本申请的范围不仅限于说明书所描述的过程、设备、手段、方法和步骤的具体实施例。本领域内的普通技术人员从本发明的公开内容将容易理解,根据本发明可以使用执行与在此所述的相应实施例基本相同的功能或者获得与其基本相同的结果的、现有和将来要被开发的过程、设备、手段、方法或者步骤。因此,所附的权利要求旨在它们的范围内包括这样的过程、设备、手段、方法或者步骤。
Claims (10)
1.一种基于雨量监测的泥石流预警方法,其特征在于,包括:
根据历史降雨量数据建立的泥石流事件特征雨量模型、地表径流事件特征雨量模型、以及正常降雨事件特征雨量模型,并确定区分度函数;
根据所述区分度函数确定衰减系数、权重系数以及临界阈值;
采集前n日降雨量数据,引入衰减系数计算前n日有效雨量;
引入权重系数和当日降雨量数据,并根据所述权重系数、当日降雨量数据和所述前n日有效雨量计算特征雨量;
将所述特征雨量与所述临界阈值进行比较,根据比较结果确定当日降雨量是否能够引起泥石流事件。
2.根据权利要求1所述的基于雨量监测的泥石流预警方法,其特征在于,所述有效雨量通过以下公式进行计算:
其中,Rn为前n日的有效雨量,Ri为第i天的降雨量,D为衰减系数。
3.根据权利要求2所述的基于雨量监测的泥石流预警方法,其特征在于,所述特征雨量通过以下公式进行计算:
kRn+R0=f;
其中,k为权重系数,0<k<1,Rn为前n日的有效雨量,R0为当日降雨量,f为特征雨量。
4.根据权利要求3所述的基于雨量监测的泥石流预警方法,其特征在于,建立泥石流事件特征雨量模型的方法包括:
采集历史泥石流事件发生当日的降雨量数据,以及泥石流事件发生前n日的降雨量数据,建立泥石流事件的特征雨量模型:
X=a1+b1(D)×k;
其中,X为发生泥石流事件的特征雨量,a1为泥石流事件发生当日降雨量,b1(D)为泥石流事件发生前n日的有效雨量,k为权重系数。
5.根据权利要求4所述的基于雨量监测的泥石流预警方法,其特征在于,建立地表径流事件特征雨量模型的方法包括:
采集历史地表径流事件发生当日的降雨量数据,以及地表径流事件发生前n日的降雨量数据,建立地表径流事件的特征雨量模型:
Y=a2+b2(D)×k;
其中,Y为地表径流事件的特征雨量,a2为地表径流事件发生当日降雨量,b2(D)为地表径流事件发生前n日的有效雨量,k为权重系数。
6.根据权利要求5所述的基于雨量监测的泥石流预警方法,其特征在于,建立正常降雨事件特征雨量模型的方法包括:
采集历史正常降雨事件发生当日的降雨量数据,以及正常降雨事件发生前n日的降雨量数据,建立正常降雨事件特征雨量模型:
Z=a3+b3(D)×k;
其中,Z为正常降雨事件的特征雨量,a3为正常降雨事件发生当日降雨量,b3(D)为正常降雨发生前n日的有效雨量,k为权重系数。
7.根据权利要求6所述的基于雨量监测的泥石流预警方法,其特征在于,所述区分度函数为:
F(k)=max[(min{X}-max{Y})+(min{Y}-max{Z})];
其中,X为发生泥石流事件的特征雨量,Y为地表径流事件的特征雨量,Z为正常降雨事件的特征雨量;
根据所述区分度函数确定衰减系数、权重系数,包括:
求解区分度函数,当区分度函数F(k)为最大时,确定对应的衰减系数D和权重系数k。
8.根据权利要求7所述的基于雨量监测的泥石流预警方法,其特征在于,所述临界阈值包括爆发值和警戒值;
所述根据比较结果确定当日降雨量是否能够引起泥石流事件,包括:
当所述特征雨量大于或等于爆发值时,确定当日降雨量能够引起泥石流事件;
当所述特征雨量大于或等于警戒值且小于所述爆发值时,确定当日降雨量能够引起地表径流事件;
当所述特征雨量小于所述警戒值时,确定当日降雨量不会引起泥石流事件以及地表径流事件。
9.根据权利要求8所述的基于雨量监测的泥石流预警方法,其特征在于,所述爆发值通过以下公式确定:
L爆发=(min{X}+max{Y})/2;
其中,L爆发为爆发值,min{X}为泥石流事件的特征雨量最小值,max{Y}为地表径流事件的特征雨量最大值。
10.根据权利要求9所述的基于雨量监测的泥石流预警方法,其特征在于,所述警戒值通过以下公式确定:
L警戒=(min{Y}+max{Z})/2;
其中,L警戒为警戒值,min{Y}为地表径流事件的特征雨量最小值,max{Z}为正常降雨事件的特征雨量最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410494719.5A CN104318058B (zh) | 2014-09-25 | 2014-09-25 | 基于雨量监测的泥石流预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410494719.5A CN104318058B (zh) | 2014-09-25 | 2014-09-25 | 基于雨量监测的泥石流预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318058A true CN104318058A (zh) | 2015-01-28 |
CN104318058B CN104318058B (zh) | 2017-06-20 |
Family
ID=52373289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410494719.5A Active CN104318058B (zh) | 2014-09-25 | 2014-09-25 | 基于雨量监测的泥石流预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318058B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250667A (zh) * | 2016-06-29 | 2016-12-21 | 中国地质大学(武汉) | 一种涉水滑坡状态跃迁的监测方法及装置 |
CN107169199A (zh) * | 2017-05-12 | 2017-09-15 | 成都理工大学 | 一种基于临界浓度的泥石流起动模型及其应用 |
CN107357998A (zh) * | 2017-07-19 | 2017-11-17 | 四川建筑职业技术学院 | 一种泥石流堆积区流量衰减值的计算方法 |
CN105740618B (zh) * | 2016-01-28 | 2018-10-26 | 成都理工大学 | 用于沟床起动型泥石流预测的降雨分割方法 |
CN109325206A (zh) * | 2018-09-10 | 2019-02-12 | 柳创新 | 一种降雨径流模型参数优化方法 |
CN110991047A (zh) * | 2019-12-04 | 2020-04-10 | 珠江水利委员会珠江水利科学研究院 | 一种水源地水库蓝藻水华的快速预警方法 |
CN113268867A (zh) * | 2021-05-17 | 2021-08-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于水热组合的冰川泥石流区域预警方法 |
CN114093138A (zh) * | 2022-01-11 | 2022-02-25 | 国能大渡河流域水电开发有限公司 | 一种用于滑坡监测预警的嵌入式雨量监测终端及监测方法 |
CN114333249A (zh) * | 2022-01-14 | 2022-04-12 | 四川九洲北斗导航与位置服务有限公司 | 滑坡预警方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060245025A1 (en) * | 2002-09-30 | 2006-11-02 | Tonar William L | Vehicular rear view mirror elements and assemblies incorporating these elements |
CN101169483A (zh) * | 2007-12-05 | 2008-04-30 | 中国科学院地质与地球物理研究所 | 地质灾害降雨监测预警仪 |
CN102122423A (zh) * | 2011-01-18 | 2011-07-13 | 中国地质调查局水文地质环境地质调查中心 | 一种泥石流监测分析预警装置及泥石流监测方法 |
-
2014
- 2014-09-25 CN CN201410494719.5A patent/CN104318058B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060245025A1 (en) * | 2002-09-30 | 2006-11-02 | Tonar William L | Vehicular rear view mirror elements and assemblies incorporating these elements |
CN101169483A (zh) * | 2007-12-05 | 2008-04-30 | 中国科学院地质与地球物理研究所 | 地质灾害降雨监测预警仪 |
CN102122423A (zh) * | 2011-01-18 | 2011-07-13 | 中国地质调查局水文地质环境地质调查中心 | 一种泥石流监测分析预警装置及泥石流监测方法 |
Non-Patent Citations (1)
Title |
---|
虞文娟: "基于空间分析的四川省泥石流灾害预报模型研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740618B (zh) * | 2016-01-28 | 2018-10-26 | 成都理工大学 | 用于沟床起动型泥石流预测的降雨分割方法 |
CN106250667A (zh) * | 2016-06-29 | 2016-12-21 | 中国地质大学(武汉) | 一种涉水滑坡状态跃迁的监测方法及装置 |
CN107169199A (zh) * | 2017-05-12 | 2017-09-15 | 成都理工大学 | 一种基于临界浓度的泥石流起动模型及其应用 |
CN107357998A (zh) * | 2017-07-19 | 2017-11-17 | 四川建筑职业技术学院 | 一种泥石流堆积区流量衰减值的计算方法 |
CN107357998B (zh) * | 2017-07-19 | 2020-08-25 | 四川建筑职业技术学院 | 一种泥石流堆积区流量衰减值的计算方法 |
CN109325206A (zh) * | 2018-09-10 | 2019-02-12 | 柳创新 | 一种降雨径流模型参数优化方法 |
CN109325206B (zh) * | 2018-09-10 | 2023-03-24 | 柳创新 | 一种降雨径流模型参数优化方法 |
CN110991047A (zh) * | 2019-12-04 | 2020-04-10 | 珠江水利委员会珠江水利科学研究院 | 一种水源地水库蓝藻水华的快速预警方法 |
CN110991047B (zh) * | 2019-12-04 | 2023-04-25 | 珠江水利委员会珠江水利科学研究院 | 一种水源地水库蓝藻水华的快速预警方法 |
CN113268867A (zh) * | 2021-05-17 | 2021-08-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于水热组合的冰川泥石流区域预警方法 |
CN114093138A (zh) * | 2022-01-11 | 2022-02-25 | 国能大渡河流域水电开发有限公司 | 一种用于滑坡监测预警的嵌入式雨量监测终端及监测方法 |
CN114333249A (zh) * | 2022-01-14 | 2022-04-12 | 四川九洲北斗导航与位置服务有限公司 | 滑坡预警方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104318058B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318058A (zh) | 基于雨量监测的泥石流预警方法 | |
KR101824662B1 (ko) | 하천 진단을 통한 하천시설물 관리 방법 | |
CN105512767A (zh) | 一种多预见期的洪水预报方法 | |
CN104715292A (zh) | 基于最小二乘支持向量机模型的城市短期用水量预测方法 | |
CN102831752B (zh) | 一种冰湖溃决预警方法 | |
CN103810532B (zh) | 优化城市排水系统运行状况的方法 | |
CN104331609A (zh) | 一种基于噪声监测数据的道路交通噪声地图更新方法 | |
CN104090974A (zh) | 展延水库后续来水的动态数据挖掘方法及系统 | |
CN104482991A (zh) | 一种确定危坝坝体安全库水位的测定参数与预警方法 | |
US11866897B2 (en) | Main stream reservoir ecological modulation method considering incoming water from interval tributaries | |
CN103546319B (zh) | 网络设备的流量告警方法和系统 | |
CN113378484A (zh) | 一种基于机器学习的平原河网地区洪水过程预报方法 | |
CN115798151A (zh) | 一种城市洪涝风险监测系统及方法 | |
CN109086978A (zh) | 一种雨水排水系统内涝风险评估方法 | |
Worku | Climate change impact on variability of rainfall intensity in the Upper Blue Nile Basin | |
Friedberg et al. | Towards a resilience metric framework for cyber-physical systems | |
CN103116877B (zh) | 一种水库水位过程平滑处理方法 | |
CN115577984B (zh) | 一种基于bim技术的滑坡应急治理监管系统 | |
CN115619045B (zh) | 一种河口潮差预报方法和系统 | |
Mazzoleni et al. | Data assimilation in hydrologic routing: Impact of model error and sensor placement on flood forecasting | |
CN112926786B (zh) | 一种基于关联规则模型和数值模拟的浅水湖泊目标水位逆向预测方法及系统 | |
CN111047213B (zh) | 基于多要素联合判别的中长期水资源量临界预警指标方法 | |
CN110807475B (zh) | 一种基于确定性系数的洪水分类识别预报方法 | |
CN113869804A (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
CN108319915B (zh) | 一种岩爆信号阈值动态调整的多时窗简化形式识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |