CN107133473B - 一种变化环境下两变量水文频率分析中水文设计值估计方法 - Google Patents

一种变化环境下两变量水文频率分析中水文设计值估计方法 Download PDF

Info

Publication number
CN107133473B
CN107133473B CN201710321044.8A CN201710321044A CN107133473B CN 107133473 B CN107133473 B CN 107133473B CN 201710321044 A CN201710321044 A CN 201710321044A CN 107133473 B CN107133473 B CN 107133473B
Authority
CN
China
Prior art keywords
variable
hydrologic
under
changing environment
distribution function
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.)
Active
Application number
CN201710321044.8A
Other languages
English (en)
Other versions
CN107133473A (zh
Inventor
胡义明
梁忠民
王慧敏
王军
李彬权
杨靖
蒋晓雷
黄华平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201710321044.8A priority Critical patent/CN107133473B/zh
Publication of CN107133473A publication Critical patent/CN107133473A/zh
Application granted granted Critical
Publication of CN107133473B publication Critical patent/CN107133473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公布了一种变化环境下两变量水文频率分析中水文设计值估计方法，基于动态Copula联合分布函数模型、条件最可能组合模型和等可靠度概念，解决了变化环境下两变量水文频率分析中的水文设计值计算难题，克服了平稳性条件下推导的两变量设计值计算公式无法应用于变化环境下非平稳性两变量水文频率计算问题。本发明在变化环境下的工程水文计算领域，具有较好地应用前景。

Description

一种变化环境下两变量水文频率分析中水文设计值估计方法
技术领域
本发明涉及水文频率分析，特别是涉及一种变化环境下两变量水文频率分析中水文设计值估计方法。
背景技术
现行的两变量水文频率分析方法的理论前提是水文极值系列需具有平稳性，即水文极值的概率分布或统计规律在过去、现在和未来保持不变。
然而，由于气候变化及人类活动的影响，不同时期的洪水孕育环境发生变化，这导致水文极值系列呈现非平稳性特征。在非平稳性条件下，两变量的联合分布函数在不同时刻t时是不同的，因此，平稳性条件下推导的两变量设计值计算公式是不适用的。如对于洪峰和洪量组成的两维联合分布而言，分布函数Ft(X,Y)在不同时刻t是不一样的。对于给定洪峰X，洪量Y对应的条件概率分布Ft(Y|X)在不同时刻t也是不同的。
这就导致了一个问题：给定洪峰X条件下，如何获得X对应的洪量Y的最可能组合？也就是说，在非平稳性条件下，如何计算洪峰X和时段洪量Y的最可能设计值组合问题，是目前工程水文计算中急需解决的难题。
发明内容
发明目的：提供一种可用于变化环境下非平稳性两变量水文频率分析中水文设计值估计的新方法。
技术方案：一种变化环境下两变量水文频率分析中水文设计值估计方法，包括如下步骤：
(1)从历史洪水过程中，按照年最大选样法，选取洪水极值样本系列，如洪峰，时段洪量；
(2)对步骤(1)所选取的洪水极值样本系列进行变异性检验，以判别洪水极值样本系列的变异类型(跳跃或趋势)和变异显著性(显著或不显著)；
(3)根据步骤(2)的变异类型和变异显著性，基于多维联合分布函数模型，通过假定边缘分布函数和结构参数随时间或其它因子(如降雨)变化，构建多个不同的两变量联合分布函数模型，对发生趋势性或跳跃性变异的两变量联合分布特征进行描述；
(4)基于拟合优度评估指标，评估步骤(3)中多个不同的两变量联合分布函数模型对两维极值样本系列的拟合效果，并选取拟合最优的模型Ft(X,Y)作为最终采用的联合分布函数模型，其中，X、Y表示水文极值变量；
(5)基于步骤(4)中的最优模型Ft(X,Y)，推导给定变量X条件下，时刻t对应的变量Y的条件概率分布函数Ft(Y|X)；
(6)根据步骤(5)，通过对条件概率分布函数Ft(Y|X)进行最大化，计算时刻t条件下，变量X的值xt对应的变量Y的最可能组合值yt，并得到样本集合(xt，yt)；
(7)根据步骤(6)中提供的样本集合(xt，yt)，通过拟合方式，构建变量X和Y的最可能组合模型Yt＝f(Xt)；
(8)根据变化环境下单变量水文频率分析中的设计值估计方法，计算给定设计标准T年重现期下变量X或Y对应的设计值大小，记为xT或yT；
(9)将步骤(8)的计算结果，带入到步骤(7)建立的最可能组合模型Yt＝f(Xt)，计算xT或yT对应的最可能组合值或并得到组合值或
(10)步骤(9)中的组合值或即为变化环境下两变量X和Y水文频率分析中，给定T年重现期条件下，变量X和Y的设计值组合。
进一步的，所述步骤(3)中，所述多维联合分布函数模型为动态非平稳的二维Copula联合分布函数模型，并采用该动态非平稳的二维Copula联合分布函数模型，描述发生趋势性或跳跃性变异的两变量联合分布特征。
进一步的，所述步骤(5)-(7)中，通过使条件概率分布函数Ft(Y|X)的概率最大化，构建T年重现期条件下变量X和Y的最可能组合模型Yt＝f(Xt)；
进一步的，所述步骤(8)中，采用等可靠度概念计算变化环境下单变量水文频率分析中给定重现期对应的设计值。
进一步的，所述步骤(9)-(10)中，采用最可能组合模型和等可靠度概念，计算变化环境下两变量水文频率分析中的水文设计值。
有益效果：与现有技术相比，本发明的一种可用于变化环境下两变量水文频率分析中水文设计值估计的新方法，克服了平稳性条件下推导的两变量设计值计算公式无法应用于变化环境下非平稳性两变量水文频率计算难题。在变化环境下的工程水文计算领域，具有较好地应用前景。
具体实施方式
下面通过具体实施例，假定工程以洪峰为控制，求时段洪量的最可能组合值，对本发明的技术方案做进一步具体说明：
(1)根据历史上观测的n年实际洪水过程(n不小于30)，按照最大值选样原理，选取年最大洪峰X和最大3日洪量Y的极值样本系列。
(2)采用多变量Mann–Kendall和多变量Spearman方法对极值样本系列X和Y的趋势性检验。其中，Mann–Kendall是气象学/气候学中经常用来进行突变检验的一种方法。
并通过耦合Copula理论和似然比法对极值样本系列X和Y对应的边缘分布函数和两变量间相依结构参数的变异点位置进行联合识别。
其中，Copula理论是指可以将任意一个m维联合累积分布函数分解为m个边缘累积分布和一个Copula函数。边缘分布描述的是变量的分布Copula函数描述的是变量之间的相关性。也就是说Copula函数实际上是一类将变量联合累积分布函数同变量边缘累积分布函数连接起来的函数。
(3)根据步骤(2)中对极值样本系列X和Y的趋势性检验，以及对极值样本系列X和Y对应的边缘分布函数和两变量间相依结构参数的变异点位置进行联合识别得到的变异性诊断结果，选用不同类型Copula函数，并建立Copula中边缘分布函数和结构参数随时间的线性/非线性驱动模型，进而构建多个不同的动态Copula联合分布函数模型以描述变量X和Y的联合分布特征，模型中的参数采用贝叶斯理论并结合马尔可夫链蒙特卡罗(MarkovChain Monte Carlo,MCMC)抽样方法进行估计。
(4)采用Cramer-von Mises指标评估步骤(3)中建立的多个不同动态Copula联合分布函数模型对系列X和Y的拟合效果，并选取拟合最优的模型Ft(X,Y)作为最终采用的变参数联合分布函数模型。
(5)基于步骤(4)中的最优动态Copula联合分布函数模型Ft(X,Y)，推导出给定变量X条件下，时刻t对应的变量Y的条件分布函数Ft(Y|X)。
(6)基于步骤(4)中的动态Copula联合分布函数Ft(X,Y)，根据X的边缘分布函数Ft(x)，计算实测期(n年)和工程设计寿命期(L年)内，重现期T对应的每年的分位点值x1,x2,…,xn+L；
并基于步骤(5)中推导的条件概率分布函数Ft(Y|X)，对于给定年份t,t＝1,2,…,N+L，通过最大化条件分布函数Ft(Y|X)，求出步骤(6)中xt对应的Y的最可能组合值yt。
(7)根据步骤(6)中获得的组合系列样本(xt,yt),t＝1,…n+L，建立重现期T条件下，X和相应Y间的最可能组合模型Yt＝f(Xt)。
(8)根据步骤(7)中X的边缘分布函数Ft(x)，采用梁忠民等提出的等可靠度概念，求出洪峰X在重现期T条件下对应的设计值xT。
(9)将步骤(8)中的xT带入到步骤(7)中的最可能组合模型Yt＝f(Xt)，计算xT或yT对应的最可能组合值或并得到组合值或
(10)根据步骤(9)中的组合值或求出xT对应的最可能洪量值yT,则组合(xT，yT)即为考虑洪峰X和洪量Y联合分布条件下的设计值组合。
本发明基于动态Copula函数模型、条件最可能组合模型和等可靠度概念，构建了适用于变化环境下两变量水文频率分析中水文设计值估计的方法，解决了变化环境下两变量设计值组合计算问题。

Claims (5)

1.一种变化环境下两变量水文频率分析中水文设计值估计方法，其特征在于，包括如下步骤：
(1)从历史洪水过程中，按照年最大选样法，选取洪水极值样本系列；
(2)对步骤(1)所选取的洪水极值样本系列进行变异性检验，以判别洪水极值样本系列的变异类型和变异显著性；
(3)根据步骤(2)的变异类型和变异显著性，基于多维联合分布函数模型，通过假定边缘分布函数和结构参数随时间或其它因子变化，构建多个不同的两变量联合分布函数模型，对发生趋势性或跳跃性变异的两变量联合分布特征进行描述；
(4)基于拟合优度评估指标，评估步骤(3)中多个不同的两变量联合分布函数模型对两维极值样本系列的拟合效果，并选取拟合最优的模型Ft(X,Y)作为最终采用的联合分布函数模型，其中，X、Y表示水文极值变量；
(5)基于步骤(4)中的最优模型Ft(X,Y)，推导给定变量X条件下，时刻t对应的变量Y的条件概率分布函数Ft(Y|X)；
(6)根据步骤(5)，通过对条件概率分布函数Ft(Y|X)进行最大化，计算时刻t条件下，变量X的值xt对应的变量Y的最可能组合值yt，并得到样本集合(xt，yt)；
(7)根据步骤(6)中提供的样本集合(xt，yt)，通过拟合方式，构建变量X和Y的最可能组合模型Yt＝f(Xt)；
(8)根据变化环境下单变量水文频率分析中的设计值估计方法，计算给定设计标准T年重现期下变量X或Y对应的设计值大小，记为xT或yT；
(9)将步骤(8)的计算结果，带入到步骤(7)建立的最可能组合模型Yt＝f(Xt)，计算xT或yT对应的最可能组合值或并得到组合值或
(10)步骤(9)中的组合值或即为变化环境下两变量X和Y水文频率分析中，给定T年重现期条件下，变量X和Y的设计值组合。
2.根据权利要求1所述的一种变化环境下两变量水文频率分析中水文设计值估计方法，其特征在于：所述步骤(3)中，所述多维联合分布函数模型为动态非平稳的二维Copula联合分布函数模型，并采用该动态非平稳的二维Copula联合分布函数模型，描述发生趋势性或跳跃性变异的两变量联合分布特征。
3.根据权利要求1所述的一种变化环境下两变量水文频率分析中水文设计值估计方法，其特征在于：所述步骤(5)-(7)中，通过使条件概率分布函数Ft(Y|X)的概率最大化，构建T年重现期条件下变量X和Y的最可能组合模型Yt＝f(Xt)。
4.根据权利要求1所述的一种变化环境下两变量水文频率分析中水文设计值估计方法，其特征在于：所述步骤(8)中，采用等可靠度概念计算变化环境下单变量水文频率分析中给定重现期对应的设计值。
5.根据权利要求1所述的一种变化环境下两变量水文频率分析中水文设计值估计方法，其特征在于：所述步骤(9)-(10)中，采用最可能组合模型和等可靠度概念，计算变化环境下两变量水文频率分析中的水文设计值。
CN201710321044.8A 2017-05-09 2017-05-09 一种变化环境下两变量水文频率分析中水文设计值估计方法 Active CN107133473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710321044.8A CN107133473B (zh) 2017-05-09 2017-05-09 一种变化环境下两变量水文频率分析中水文设计值估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710321044.8A CN107133473B (zh) 2017-05-09 2017-05-09 一种变化环境下两变量水文频率分析中水文设计值估计方法

Publications (2)

Publication Number Publication Date
CN107133473A CN107133473A (zh) 2017-09-05
CN107133473B true CN107133473B (zh) 2019-09-10

Family

ID=59731459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710321044.8A Active CN107133473B (zh) 2017-05-09 2017-05-09 一种变化环境下两变量水文频率分析中水文设计值估计方法

Country Status (1)

Country Link
CN (1) CN107133473B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108063802B (zh) * 2017-12-01 2020-07-28 南京邮电大学 基于边缘计算的用户位置动态性建模优化方法
CN109614642A (zh) * 2018-10-31 2019-04-12 华中科技大学 一种水文频率分析的模型选择方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542169A (zh) * 2012-01-09 2012-07-04 中国科学院地理科学与资源研究所 一种在水文频率计算过程中进行线型选择的方法
CN104615907A (zh) * 2015-03-11 2015-05-13 武汉大学 基于多变量条件最可能组合推求设计洪水过程线的方法
CN105714729A (zh) * 2016-02-29 2016-06-29 武汉大学 一种自适应气候变化的水库多变量设计洪水推求方法
CN106202788A (zh) * 2016-07-20 2016-12-07 中国水利水电科学研究院 一种基于Copula函数的潮洪联合概率分析方法及其应用
CN106529157A (zh) * 2016-10-31 2017-03-22 华中科技大学 一种基于Halphen B分布的洪水频率分析方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542169A (zh) * 2012-01-09 2012-07-04 中国科学院地理科学与资源研究所 一种在水文频率计算过程中进行线型选择的方法
CN104615907A (zh) * 2015-03-11 2015-05-13 武汉大学 基于多变量条件最可能组合推求设计洪水过程线的方法
CN105714729A (zh) * 2016-02-29 2016-06-29 武汉大学 一种自适应气候变化的水库多变量设计洪水推求方法
CN106202788A (zh) * 2016-07-20 2016-12-07 中国水利水电科学研究院 一种基于Copula函数的潮洪联合概率分析方法及其应用
CN106529157A (zh) * 2016-10-31 2017-03-22 华中科技大学 一种基于Halphen B分布的洪水频率分析方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Multivariate hydrological frequency analysis using copulas;Anne-Catherine Favre et.;《WATER RESOURCES RESEARCH》;20041231;第40卷;第1-12页
Pair-copula decomposition constructions for multivariate hydrological drought frequency analysis;Song-Bai Song et.;《2011 International Symposium on Water Resource and Environmental Protection》;20111231;第2635-2638页
考虑局部趋势的非一致性水文频率分析方法;《水科学进展》;《水科学进展》;20170426(第3期);第406-414页

Also Published As

Publication number Publication date
CN107133473A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
Serago et al. Parsimonious nonstationary flood frequency analysis
Han et al. Bayesian flood forecasting methods: A review
CN107392376B (zh) 一种农作物气象产量预测方法及系统
CN108920427B (zh) 一种月尺度水文模型时变参数的动态估计方法
Seiller et al. Influence of three common calibration metrics on the diagnosis of climate change impacts on water resources
Lee et al. Identification of uncertainty in low flow frequency analysis using Bayesian MCMC method
CN103984938B (zh) 一种遥感时间序列异常检测方法
CN111191191A (zh) 一种精准预测混凝土坝变形效应的组合模型的构建方法
CN107133473B (zh) 一种变化环境下两变量水文频率分析中水文设计值估计方法
CN102880809A (zh) 基于关联向量回归模型的聚丙烯熔融指数在线检测方法
CN109814178A (zh) 基于Copula-模型条件处理器的水文概率预报方法
CN113779760B (zh) 基于可预测气候模态的动力-统计结合季节气候预测方法
CN109344993B (zh) 一种基于条件概率分布的河道洪峰水位预报方法
Shrowti et al. Type-II critical values for a steady-state identifier
CN106777879A (zh) 基于生物指标的红树林水环境健康状况评估方法
CN108615092A (zh) 一种基于指数平滑模型的污水处理厂进水量预测的方法
Gove et al. Control charts for improved decisions in environmental management: a case study of catchment water supply in south‐west W estern A ustralia
CN109408989A (zh) 一种设计洪水过程线的推求方法
Mondal et al. Achieving technological transformation and social sustainability: An Industry 4.0 perspective
Taeb et al. Determine the efficiency of time depended units by using data envelopment analysis
Zhang et al. Change-point detection and variation assessment of the hydrologic regime of the Wenyu River
Şen Up-to-date statistical essentials in climate change and hydrology: a review
CN103675005A (zh) 最优模糊网络的工业熔融指数软测量仪表及方法
CN103675010A (zh) 支持向量机的工业熔融指数软测量仪表及方法
Lisetskii et al. Comparative assessment of methods for forecasting river runoff with different conditions of organization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant