CN107944627A - 一种流域洪水预报方法 - Google Patents

一种流域洪水预报方法 Download PDF

Info

Publication number
CN107944627A
CN107944627A CN201711201884.7A CN201711201884A CN107944627A CN 107944627 A CN107944627 A CN 107944627A CN 201711201884 A CN201711201884 A CN 201711201884A CN 107944627 A CN107944627 A CN 107944627A
Authority
CN
China
Prior art keywords
reservoir
polymerization
rate
storage
period
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.)
Pending
Application number
CN201711201884.7A
Other languages
English (en)
Inventor
王清正
王高丹
赵旭升
范光伟
杨跃
邓长涛
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.)
Pearl River Hydraulic Research Institute of PRWRC
Original Assignee
Pearl River Hydraulic Research Institute of PRWRC
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 Pearl River Hydraulic Research Institute of PRWRC filed Critical Pearl River Hydraulic Research Institute of PRWRC
Priority to CN201711201884.7A priority Critical patent/CN107944627A/zh
Publication of CN107944627A publication Critical patent/CN107944627A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种流域洪水预报方法,步骤为:针对流域分析出优选截留影响因子;将流域上游聚合水库,计算聚合库容,获取到聚合水库蓄满率与聚合水库蓄泄率的关系以及建立聚合水库蓄泄率与蓄泄量的关系;然后计算出聚合水库的初始蓄满率以及初始时段末的库容;分别计算出聚合水库当前时段的蓄泄率、当前时段的蓄泄量、当前时段末的库容以及当前时段的蓄满率;根据聚合水库当前时段的蓄泄量针对当前时段的净雨量进行校正,得到水利工程影响下的聚合水库当前时段的产流量;根据水利工程影响下的聚合水库各个时段的产流量获取到水利工程影响下的洪水过程。本发明方法具有洪水预报精度高的优点。

Description

一种流域洪水预报方法
技术领域
本发明属于水利工程领域,特别涉及一种流域洪水预报方法。
背景技术
近年来,极端天气事件增多,常发生突发性暴雨,造成流域洪水频繁发生,引起泥石流、山体滑坡等山区性洪水,给人民生命财产带来了极大的危害,严重制约着广大山区经济社会的发展。
随着水利部和财政部等部局启动了全国山洪灾害防治县级非工程措施项目建设工作的推进,初步建立了覆盖我国山洪灾害防治区2058个县的监测预警系统和群测群防体系。
实际情况中,水利工程的大力建设也对流域的天然产汇流过程产生了较大干扰,严重制约了流域洪水预报的精度,对于流域洪水高精度预报技术的需求是时分迫切的。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种高精度的流域洪水预报方法。
本发明的目的通过下述技术方案实现:一种流域洪水预报方法,步骤如下:
步骤S1、针对流域分析出其截留影响因子,并且根据分析出的截留影响因子之间的相互系数和互信息,然后选取出其中的一些截留影响因子,作为优选截留影响因子;
步骤S2、将流域上游所有的水库和塘坝聚合为一个聚合水库,计算聚合水库历史各个时期的聚合库容,并且根据聚合水库历史各个时期的聚合库容建立优选截留影响因子与聚合水库蓄泄规律;根据优选截留影响因子与聚合水库蓄泄规律特点,获取到聚合水库蓄满率与聚合水库蓄泄率的关系,最后依据聚合水库蓄满率与聚合水库蓄泄率的关系,建立聚合水库蓄泄率与聚合水库蓄泄量的关系;
步骤S3、根据流域在洪水发生时初始时段的优选截留影响因子计算出聚合水库在洪水发生时的初始蓄满率,然后根据聚合水库在洪水发生时的初始蓄满率计算出聚合水库在洪水发生时初始时段末的库容;
步骤S4、在当前时段,首先利用步骤S2中优选截留影响因子与聚合水库蓄泄率的关系,根据聚合水库上一时段的蓄满率计算出聚合水库当前时段的蓄泄率;然后利用步骤S2中聚合水库蓄泄率与聚合水库蓄泄量的关系,根据聚合水库当前时段的蓄泄率计算出聚合水库当前时段的蓄泄量;
根据聚合水库上一时段末的库容和聚合水库当前时段的蓄泄量计算出聚合水库当前时段末的库容;然后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率;
步骤S5、根据聚合水库当前时段的蓄泄量针对聚合水库当前时段的净雨量进行校正,得到水利工程影响下的聚合水库当前时段的产流量;
步骤S6、判断当前时段是否为最后一时段;
若否,则在下一时段到来时,进入步骤S4;
若是,则进入步骤S7;
步骤S7、根据水利工程影响下的聚合水库各个时段的产流量获取到水利工程影响下的洪水过程。
优选的,所述步骤S1中,优选截留影响因子选取的过程具体如下:选择BP神经网络模型,然后以分析出的流域各截留影响因子作为输入、以流域聚合水库历史拦蓄量作为输出并且以各截留影响因子之间互信息最大或均方误差最小为目标对BP神经网络模型进行训练,在训练完成后,得到流域聚合水库拦蓄量与各截留影响因子之间的复合相关关系;最后将复合相关关系中权重系数最大的几个截留影响因子选取出来。
优选的,所述步骤S2中将流域上游所有的中小水库和塘坝聚合为一个聚合水库;针对于中小水库,获取到其常年运行库容;将中小水库常年运行库容与各个历史时期塘坝的实际库容相加得到各个历史时期聚合水库的聚合库容。
优选的,所述步骤S2中,根据优选截留影响因子与聚合水库蓄泄规律特点,获取到的聚合水库蓄满率与聚合水库蓄泄率的关系包括:聚合水库蓄满率与聚合水库泄放率之间的关系以及聚合水库蓄满率与聚合水库拦蓄率之间的关系,其中:
聚合水库蓄满率与聚合水库泄放率之间的关系为:
k1=[(A-δ)/A]m
聚合水库蓄满率与聚合水库拦蓄率之间的关系为:
k2=[(δ-A)/(1-A)]n
其中k1表示聚合水库泄放率,k2表示聚合水库拦蓄率,δ表示聚合水库蓄满率;针对于每一个流域,A、m、n均为一定值参数,以预报的洪水过程与实际洪水过程相吻合为目标,然后通过优化算法优选得到的。
优选的,所述步骤S2中,建立聚合水库蓄泄率与聚合水库蓄泄量的关系包括:聚合水库泄放率与聚合水库泄流量的关系以及聚合水库拦蓄率与聚合水库拦蓄量的关系;其中:
聚合水库泄放率与聚合水库泄流量的关系为:
△R1=k1R;
聚合水库拦蓄率与聚合水库拦蓄量的关系为:
△R2=k2R;
其中R表示聚合水库的净雨量,△R1表示聚合水库的泄流量;△R2表示聚合水库的拦蓄量;k1表示聚合水库泄放率,k2表示聚合水库拦蓄率。
优选的,所述步骤S1中优选截留影响因子包括流域土壤饱和度以及流域在洪水发生时前期的降雨因子;
所述步骤S3中,根据流域在洪水发生时初始时段的优选截留影响因子计算出聚合水库在洪水发生时的初始蓄满率为:
δ0=Bχ0 τ+(1-B)ρ0
其中χ0为流域在洪水发生时初始时段的土壤饱和度,ρ0为流域在洪水发生时初始时段的降雨因子;
其中:
其中Px为流域洪水发生时前x天的总降雨量;其中τ、B、x、Pmin和Pmax均为模型参数,以预报的洪水过程与实际洪水过程相吻合为目标,然后通过优化算法优选得到的。
更进一步的,所述步骤S3中,根据聚合水库在洪水发生时的初始蓄满率计算出聚合水库在洪水发生时初始时段末的库容为:
v0=δ0V;
其中v0为聚合水库在洪水发生时初始时段末的库容,V为聚合水库所能拦蓄最高水位对应的库容,即聚合水库的蓄满率为1时的库容,δ0为聚合水库在洪水发生时的初始蓄满率。
更进一步的,x为15~60中的其中一个整数值。
优选的,所述步骤S4中,根据聚合水库上一时段的蓄满率计算出聚合水库当前时段的蓄泄率的过程如下:
若聚合水库上一时段的蓄满率δt-1≥A时,则计算出聚合水库当前时段的泄放率为:
k1,t=[(A-δt-1)/A]m
此时计算出聚合水库当前时段的泄放量为:
△R1,t=k1,tRt
其中δt-1为聚合水库上一时段即t-1时段的蓄满率,k1,t为聚合水库当前时段即t时段的泄放率;△R1,t表示聚合水库当前时段即t时段的泄流量,Rt表示聚合水库t时段的净雨量;
然后根据上述计算出的聚合水库当前时段的泄放量以及聚合水库上一时段末的库容计算出聚合水库当前时段末的库容:
vt=vt-1-△R1,t
其中vt-1为聚合水库上一时段即t-1时段末的库容,vt为聚合水库当前时段即t时段末的库容;
最后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率:
δt=vt/V;
其中δt为聚合水库当前时段的蓄满率,V为聚合水库所能拦蓄最高水位对应的库容,即聚合水库的蓄满率为1时的库容;
若聚合水库上一时段的蓄满率δt-1<A时,则计算出聚合水库当前时段的拦蓄率为:
k2,t=[(δt-1-A)/(1-A)]n
此时计算出聚合水库当前时段的拦蓄量为:
△R2,t=k2,tRt
k2,t为聚合水库当前时段即t时段的拦蓄率;△R2,t表示聚合水库当前时段即t时段的拦蓄量;
然后根据上述计算出的聚合水库当前时段的拦蓄量以及聚合水库上一时段末的库容计算出聚合水库当前时段末的库容:
vt=vt-1+△R2,t
最后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率:
δt=vt/V。
更进一步的,所述步骤S5中,得到水利工程影响下的聚合水库当前时段的产流量的具体过程如下:
若聚合水库上一时段的蓄满率δt-1≥A时,则得到水利工程影响下的聚合水库当前时段的产流量为:
Rt'=Rt-△R1,t
若聚合水库上一时段的蓄满率δt-1<A时,则得到水利工程影响下的聚合水库当前时段的产流量为:
Rt'=Rt+△R2,t
其中Rt'为聚合水库当前时段即t时段的产流量。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明一种流域洪水预报方法,首先针对流域分析出优选截留影响因子;将流域上游所有水库和塘坝聚合为一聚合水库,计算聚合库容,获取到聚合水库蓄满率与聚合水库蓄泄率的关系以及建立聚合水库蓄泄率与聚合水库蓄泄量的关系;然后计算出聚合水库在洪水发生时的初始蓄满率以及聚合水库在洪水发生时初始时段末的库容;分别计算出聚合水库当前时段的蓄泄率、聚合水库当前时段的蓄泄量、聚合水库当前时段末的库容以及聚合水库当前时段的蓄满率;根据聚合水库当前时段的蓄泄量针对聚合水库当前时段的净雨量进行校正,得到水利工程影响下的聚合水库当前时段的产流量;在当前时段为最后一时段时,根据水利工程影响下的聚合水库各个时段的产流量获取到水利工程影响下的洪水过程。本发明洪水预报方法考虑了拦蓄和泄放后的洪水过程,即最终获取到的是考虑了水利工程影响下的洪水过程,提高了流域洪水的预报精度。
(2)本发明流域洪水预报方法中,选择BP神经网络模型,然后以分析出的流域各截留影响因子作为输入、以流域聚合水库历史拦蓄量作为输出并且以各截留影响因子之间互信息最大或均方误差最小为目标对BP神经网络模型进行训练,在训练完成后,得到流域聚合水库拦蓄量与各截留影响因子之间的复合相关关系;最后将复合相关关系中权重系数最大的几个截留影响因子选取出来。可见本发明优选的截留影响因子为对聚合水库拦蓄量影响最大的因子,因此本发明方法优选的截留影响因子使得本发明在不影响洪水的预报精度情况下,能够更简洁以及快速的获取水利工程影响下的洪水过程。
附图说明
图1是本发明方法流程图。
图2是本发明方法中获取优选截留影响因子的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本实施例公开了一种流域洪水预报方法,如图1所示,步骤如下:
步骤S1、针对流域分析出其截留影响因子,并且根据分析出的截留影响因子之间的相互系数和互信息,然后选取出其中的一些截留影响因子,作为优选截留影响因子;在本实施例中优选的截留影响因子包括流域土壤饱和度以及流域在洪水发生时前期的降雨因子;
其中本步骤中,如图2所示,优选截留影响因子选取的过程具体如下:
选择BP神经网络模型,然后以分析出的流域各截留影响因子作为输入、以流域聚合水库历史拦蓄量作为输出并且以各截留影响因子之间互信息最大或均方误差最小为目标对BP神经网络模型进行训练,在训练完成后,得到流域聚合水库拦蓄量与各截留影响因子之间的复合相关关系;最后将复合相关关系中权重系数最大的几个截留影响因子选取出来。
步骤S2、将流域上游所有的水库和塘坝聚合为一个聚合水库,计算聚合水库历史各个时期的聚合库容,并且根据聚合水库历史各个时期的聚合库容建立优选截留影响因子与聚合水库蓄泄规律;根据优选截留影响因子与聚合水库蓄泄规律特点,获取到聚合水库蓄满率与聚合水库蓄泄率的关系,最后依据聚合水库蓄满率与聚合水库蓄泄率的关系,建立聚合水库蓄泄率与聚合水库蓄泄量的关系;
其中本步骤中,上述将流域上游所有的中小水库和塘坝聚合为一个聚合水库;针对于中小水库,获取到其常年运行库容;将中小水库常年运行库容与各个历史时期塘坝的实际库容相加得到各个历史时期聚合水库的聚合库容。
在本步骤中,根据优选截留影响因子与聚合水库蓄泄规律特点,获取到的聚合水库蓄满率与聚合水库蓄泄率的关系包括:聚合水库蓄满率与聚合水库泄放率之间的关系以及聚合水库蓄满率与聚合水库拦蓄率之间的关系,其中:
聚合水库蓄满率与聚合水库泄放率之间的关系为:
k1=[(A-δ)/A]m
聚合水库蓄满率与聚合水库拦蓄率之间的关系为:
k2=[(δ-A)/(1-A)]n
其中k1表示聚合水库泄放率,k2表示聚合水库拦蓄率,δ表示聚合水库蓄满率;针对于每一个流域,A、m、n均为一定值参数,以预报的洪水过程与实际洪水过程相吻合为目标,然后通过优化算法优选得到的。
在本步骤中,建立聚合水库蓄泄率与聚合水库蓄泄量的关系包括:聚合水库泄放率与聚合水库泄流量的关系以及聚合水库拦蓄率与聚合水库拦蓄量的关系;其中:
建立聚合水库蓄泄率与聚合水库蓄泄量的关系包括:聚合水库泄放率与聚合水库泄流量的关系以及聚合水库拦蓄率与聚合水库拦蓄量的关系;聚合水库泄放率与聚合水库泄流量的关系为:
△R1=k1R;
聚合水库拦蓄率与聚合水库拦蓄量的关系为:
△R2=k2R;
其中R表示聚合水库的净雨量,△R1表示聚合水库的泄流量;△R2表示聚合水库的拦蓄量;k1表示聚合水库泄放率,k2表示聚合水库拦蓄率。
步骤S3、根据流域在洪水发生时初始时段的优选截留影响因子计算出聚合水库在洪水发生时的初始蓄满率,然后根据聚合水库在洪水发生时的初始蓄满率计算出聚合水库在洪水发生时初始时段末的库容;
在本步骤中,根据流域在在洪水发生时初始时段的优选截留影响因子计算出聚合水库在洪水发生时的初始蓄满率为:
δ0=Bχ0 τ+(1-B)ρ0
其中χ0为流域在洪水发生时初始时段的土壤饱和度,ρ0为流域在洪水发生时初始时段的降雨因子;
其中:
其中Px为流域在洪水发生时前x天的总降雨量;其中τ、B、x、Pmin和Pmax均为模型参数,以预报的洪水过程与实际洪水过程相吻合为目标,然后通过优化算法优选得到的。x为15~60中的其中一个整数值。
在本步骤中,根据聚合水库在洪水发生时的初始蓄满率计算出聚合水库在洪水发生时初始时段末的库容为:
v0=δ0V;
其中v0为聚合水库在洪水发生时初始时段末的库容,V为聚合水库所能拦蓄最高水位对应的库容,即聚合水库的蓄满率为1时的库容,δ0为聚合水库在洪水发生时的初始蓄满率。
步骤S4、在当前时段,首先利用步骤S2中优选截留影响因子与聚合水库蓄泄率的关系,根据聚合水库上一时段的蓄满率计算出聚合水库当前时段的蓄泄率;然后利用步骤S2中聚合水库蓄泄率与聚合水库蓄泄量的关系,根据聚合水库当前时段的蓄泄率计算出聚合水库当前时段的蓄泄量;
同时根据聚合水库上一时段末的库容和聚合水库当前时段的蓄泄量计算出聚合水库当前时段末的库容;然后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率;
在本步骤中,根据聚合水库上一时段的蓄满率计算出聚合水库当前时段的蓄泄率的过程如下:
若聚合水库上一时段的蓄满率δt-1≥A时,此时聚合水库表现为泄放状态,则计算出聚合水库当前时段的泄放率为:
k1,t=[(A-δt-1)/A]m
此时计算出聚合水库当前时段的泄放量为:
△R1,t=k1,tRt
其中δt-1为聚合水库上一时段即t-1时段的蓄满率,k1,t为聚合水库当前时段即t时段的泄放率;△R1,t表示聚合水库当前时段即t时段的泄流量,Rt表示聚合水库t时段的净雨量;
然后根据上述计算出的聚合水库当前时段的泄放量以及聚合水库上一时段末的库容计算出聚合水库当前时段末的库容:
vt=vt-1-△R1,t
其中vt-1为聚合水库上一时段末的库容,vt聚合水库当前时段末的库容;
最后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率:
δt=vt/V;
其中δt为聚合水库当前时段的蓄满率,V为聚合水库所能拦蓄最高水位对应的库容,即聚合水库的蓄满率为1时的库容;
若聚合水库上一时段的蓄满率δt-1<A时,此时聚合水库表现为拦蓄状态,则计算出聚合水库当前时段的拦蓄率为:
k2,t=[(δt-1-A)/(1-A)]n
此时计算出聚合水库当前时段的拦蓄量为:
△R2,t=k2,tRt
k2,t为聚合水库当前时段即t时段的拦蓄率;△R2,t表示聚合水库当前时段即t时段的拦蓄量;
然后根据上述计算出的聚合水库当前时段的拦蓄量以及聚合水库上一时段末的库容计算出聚合水库当前时段末的库容:
vt=vt-1+△R2,t
最后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率:
δt=vt/V。
步骤S5、根据聚合水库当前时段的蓄泄量针对聚合水库当前时段的净雨量进行校正,得到水利工程影响下的聚合水库当前时段的产流量;
在本步骤中,得到水利工程影响下的聚合水库当前时段的产流量的具体过程如下:
若聚合水库上一时段的蓄满率δt-1≥A时,则得到水利工程影响下的聚合水库当前时段的产流量为:
Rt'=Rt-△R1,t
若聚合水库上一时段的蓄满率δt-1<A时,则得到水利工程影响下的聚合水库当前时段的产流量为:
Rt'=Rt+△R2,t
其中Rt'为聚合水库当前时段即t时段的产流量。
步骤S6、判断当前时段是否为最后一时段;
若否,则在下一时段到来时,进入步骤S4;
若是,则进入步骤S7;
步骤S7、根据水利工程影响下的聚合水库各个时段的产流量获取到水利工程影响下的洪水过程。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (10)

1.一种流域洪水预报方法,其特征在于,步骤如下:
步骤S1、针对流域分析出其截留影响因子,并且根据分析出的截留影响因子之间的相互系数和互信息,然后选取出其中的一些截留影响因子,作为优选截留影响因子;
步骤S2、将流域上游所有的水库和塘坝聚合为一个聚合水库,计算聚合水库历史各个时期的聚合库容,并且根据聚合水库历史各个时期的聚合库容建立优选截留影响因子与聚合水库蓄泄规律;根据优选截留影响因子与聚合水库蓄泄规律特点,获取到聚合水库蓄满率与聚合水库蓄泄率的关系,最后依据聚合水库蓄满率与聚合水库蓄泄率的关系,建立聚合水库蓄泄率与聚合水库蓄泄量的关系;
步骤S3、根据流域在洪水发生时初始时段的优选截留影响因子计算出聚合水库在洪水发生时的初始蓄满率,然后根据聚合水库在洪水发生时的初始蓄满率计算出聚合水库在洪水发生时初始时段末的库容;
步骤S4、在当前时段,首先利用步骤S2中优选截留影响因子与聚合水库蓄泄率的关系,根据聚合水库上一时段的蓄满率计算出聚合水库当前时段的蓄泄率;然后利用步骤S2中聚合水库蓄泄率与聚合水库蓄泄量的关系,根据聚合水库当前时段的蓄泄率计算出聚合水库当前时段的蓄泄量;
根据聚合水库上一时段末的库容和聚合水库当前时段的蓄泄量计算出聚合水库当前时段末的库容;然后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率;
步骤S5、根据聚合水库当前时段的蓄泄量针对聚合水库当前时段的净雨量进行校正,得到水利工程影响下的聚合水库当前时段的产流量;
步骤S6、判断当前时段是否为最后一时段;
若否,则在下一时段到来时,进入步骤S4;
若是,则进入步骤S7;
步骤S7、根据水利工程影响下的聚合水库各个时段的产流量获取到水利工程影响下的洪水过程。
2.根据权利要求1所述的流域洪水预报方法,其特征在于,所述步骤S1中,优选截留影响因子选取的过程具体如下:选择BP神经网络模型,然后以分析出的流域各截留影响因子作为输入、以流域聚合水库历史拦蓄量作为输出并且以各截留影响因子之间互信息最大或均方误差最小为目标对BP神经网络模型进行训练,在训练完成后,得到流域聚合水库拦蓄量与各截留影响因子之间的复合相关关系;最后将复合相关关系中权重系数最大的几个截留影响因子选取出来。
3.根据权利要求1所述的流域洪水预报方法,其特征在于,所述步骤S2中将流域上游所有的中小水库和塘坝聚合为一个聚合水库;针对于中小水库,获取到其常年运行库容;将中小水库常年运行库容与各个历史时期塘坝的实际库容相加得到各个历史时期聚合水库的聚合库容。
4.根据权利要求1所述的流域洪水预报方法,其特征在于,所述步骤S2中,根据优选截留影响因子与聚合水库蓄泄规律特点,获取到的聚合水库蓄满率与聚合水库蓄泄率的关系包括:聚合水库蓄满率与聚合水库泄放率之间的关系以及聚合水库蓄满率与聚合水库拦蓄率之间的关系,其中:
聚合水库蓄满率与聚合水库泄放率之间的关系为:
k1=[(A-δ)/A]m
聚合水库蓄满率与聚合水库拦蓄率之间的关系为:
k2=[(δ-A)/(1-A)]n
其中k1表示聚合水库泄放率,k2表示聚合水库拦蓄率,δ表示聚合水库蓄满率;针对于每一个流域,A、m、n均为一定值参数,以预报的洪水过程与实际洪水过程相吻合为目标,然后通过优化算法优选得到的。
5.根据权利要求1所述的流域洪水预报方法,其特征在于,所述步骤S2中,建立聚合水库蓄泄率与聚合水库蓄泄量的关系包括:聚合水库泄放率与聚合水库泄流量的关系以及聚合水库拦蓄率与聚合水库拦蓄量的关系;其中:
聚合水库泄放率与聚合水库泄流量的关系为:
△R1=k1R;
聚合水库拦蓄率与聚合水库拦蓄量的关系为:
△R2=k2R;
其中R表示聚合水库的净雨量,△R1表示聚合水库的泄流量;△R2表示聚合水库的拦蓄量;k1表示聚合水库泄放率,k2表示聚合水库拦蓄率。
6.根据权利要求1所述的流域洪水预报方法,其特征在于,所述步骤S1中优选截留影响因子包括流域土壤饱和度以及流域在洪水发生时前期的降雨因子;
所述步骤S3中,根据流域在洪水发生时初始时段的优选截留影响因子计算出聚合水库在洪水发生时的初始蓄满率为:
δ0=Bχ0 τ+(1-B)ρ0
其中χ0为流域在洪水发生时初始时段的土壤饱和度,ρ0为流域在洪水发生时初始时段的降雨因子;
其中:
<mrow> <msub> <mi>&amp;rho;</mi> <mn>0</mn> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mi>x</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mo>&lt;</mo> <msub> <mi>P</mi> <mi>x</mi> </msub> <mo>&lt;</mo> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mi>x</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
其中Px为流域洪水发生时前x天的总降雨量;其中τ、B、x、Pmin和Pmax均为模型参数,以预报的洪水过程与实际洪水过程相吻合为目标,然后通过优化算法优选得到的。
7.根据权利要求6所述的流域洪水预报方法,其特征在于,所述步骤S3中,根据聚合水库在洪水发生时的初始蓄满率计算出聚合水库在洪水发生时初始时段末的库容为:
v0=δ0V;
其中v0为聚合水库在洪水发生时初始时段末的库容,V为聚合水库所能拦蓄最高水位对应的库容,即聚合水库的蓄满率为1时的库容,δ0为聚合水库在洪水发生时的初始蓄满率。
8.根据权利要求6所述的流域洪水预报方法,其特征在于,x为15~60中的其中一个整数值。
9.根据权利要求1所述的流域洪水预报方法,其特征在于,
所述步骤S4中,根据聚合水库上一时段的蓄满率计算出聚合水库当前时段的蓄泄率的过程如下:
若聚合水库上一时段的蓄满率δt-1≥A时,则计算出聚合水库当前时段的泄放率为:
k1,t=[(A-δt-1)/A]m
此时计算出聚合水库当前时段的泄放量为:
△R1,t=k1,tRt
其中δt-1为聚合水库上一时段即t-1时段的蓄满率,k1,t为聚合水库当前时段即t时段的泄放率;△R1,t表示聚合水库当前时段即t时段的泄流量,Rt表示聚合水库t时段的净雨量;
然后根据上述计算出的聚合水库当前时段的泄放量以及聚合水库上一时段末的库容计算出聚合水库当前时段末的库容:
vt=vt-1-△R1,t
其中vt-1为聚合水库上一时段即t-1时段末的库容,vt为聚合水库当前时段即t时段末的库容;
最后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率:
δt=vt/V;
其中δt为聚合水库当前时段的蓄满率,V为聚合水库所能拦蓄最高水位对应的库容,即聚合水库的蓄满率为1时的库容;
若聚合水库上一时段的蓄满率δt-1<A时,则计算出聚合水库当前时段的拦蓄率为:
k2,t=[(δt-1-A)/(1-A)]n
此时计算出聚合水库当前时段的拦蓄量为:
△R2,t=k2,tRt
k2,t为聚合水库当前时段即t时段的拦蓄率;△R2,t表示聚合水库当前时段即t时段的拦蓄量;
然后根据上述计算出的聚合水库当前时段的拦蓄量以及聚合水库上一时段末的库容计算出聚合水库当前时段末的库容:
vt=vt-1+△R2,t
最后根据聚合水库当前时段末的库容计算出聚合水库当前时段的蓄满率:
δt=vt/V。
10.根据权利要求9所述的流域洪水预报方法,其特征在于,所述步骤S5中,得到水利工程影响下的聚合水库当前时段的产流量的具体过程如下:
若聚合水库上一时段的蓄满率δt-1≥A时,则得到水利工程影响下的聚合水库当前时段的产流量为:
Rt′=Rt-△R1,t
若聚合水库上一时段的蓄满率δt-1<A时,则得到水利工程影响下的聚合水库当前时段的产流量为:
Rt′=Rt+△R2,t
其中Rt'为聚合水库当前时段即t时段的产流量。
CN201711201884.7A 2017-11-27 2017-11-27 一种流域洪水预报方法 Pending CN107944627A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711201884.7A CN107944627A (zh) 2017-11-27 2017-11-27 一种流域洪水预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711201884.7A CN107944627A (zh) 2017-11-27 2017-11-27 一种流域洪水预报方法

Publications (1)

Publication Number Publication Date
CN107944627A true CN107944627A (zh) 2018-04-20

Family

ID=61948939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711201884.7A Pending CN107944627A (zh) 2017-11-27 2017-11-27 一种流域洪水预报方法

Country Status (1)

Country Link
CN (1) CN107944627A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871988A (zh) * 2019-01-28 2019-06-11 河海大学 一种洪水预报预警精度分析方法
CN109887241A (zh) * 2019-04-08 2019-06-14 河北省水利水电勘测设计研究院 一种山洪灾害气象预警计算方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102182159A (zh) * 2011-03-21 2011-09-14 武汉大学 一种梯级水库汛限水位联合运用调度方法
CN105760703A (zh) * 2016-05-03 2016-07-13 大连理工大学 一种基于聚合水库蓄放水模拟的洪水预报方法
CN105976103A (zh) * 2016-05-03 2016-09-28 大连理工大学 一种基于动态蓄水容量的洪水预报方法
CN106485366A (zh) * 2016-10-31 2017-03-08 武汉大学 一种复杂梯级水库群蓄水期优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102182159A (zh) * 2011-03-21 2011-09-14 武汉大学 一种梯级水库汛限水位联合运用调度方法
CN105760703A (zh) * 2016-05-03 2016-07-13 大连理工大学 一种基于聚合水库蓄放水模拟的洪水预报方法
CN105976103A (zh) * 2016-05-03 2016-09-28 大连理工大学 一种基于动态蓄水容量的洪水预报方法
CN106485366A (zh) * 2016-10-31 2017-03-08 武汉大学 一种复杂梯级水库群蓄水期优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
全国大学生统计建模大赛执行委员会: "基于PSO-BP神经网络预测广州市日均PM10浓度", 《2015年全国大学生统计建模大赛(第四届)获奖论文选》 *
孙新国 等: "基于聚合水库蓄放水模拟的洪水预报研究", 《水利学报》 *
孙新国: "水利工程影响下的洪水预报及历史暴雨洪水重现研究", 《中国博士学位论文全文数据库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871988A (zh) * 2019-01-28 2019-06-11 河海大学 一种洪水预报预警精度分析方法
CN109887241A (zh) * 2019-04-08 2019-06-14 河北省水利水电勘测设计研究院 一种山洪灾害气象预警计算方法及系统

Similar Documents

Publication Publication Date Title
US10962682B2 (en) System and method for forecasting floods
WO2021003768A1 (zh) 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法
CN113378484B (zh) 一种基于机器学习的平原河网地区洪水过程预报方法
US8914266B2 (en) Systems and methods for modeling floods
CN105335603B (zh) 一种度量引水灌溉地区干旱程度的方法
CN109827629B (zh) 一种城市河道水位的分布式可靠性估计方法
TW201333649A (zh) 水位預報即時校正的方法
KR20220080463A (ko) 도시 돌발홍수 예경보 시스템 및 그 방법
CN107944627A (zh) 一种流域洪水预报方法
CN112632871B (zh) 基于遥感的无资料自由溢流水库出流过程动态估算方法
CN116305933B (zh) 一种基于dem数据的坡面产汇流简易计算方法及装置
CN110399587B (zh) 利用距平残差识别河道调整对水位影响幅度的方法
CN113569438A (zh) 基于多源降雨融合和实时校正的城市洪涝模型构建方法
CN111815043B (zh) 一种基于暴雨特征的洪水流量预测方法及系统
CN105760703B (zh) 一种基于聚合水库蓄放水模拟的洪水预报方法
JP6103083B1 (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム
CN108664453B (zh) 一种缺乏水文资料河流悬移质输沙量的计算方法
CN108491974A (zh) 一种基于集合卡尔曼滤波的洪水预报方法
CN109325206B (zh) 一种降雨径流模型参数优化方法
CN115619045B (zh) 一种河口潮差预报方法和系统
CN109992868B (zh) 一种基于异参离散广义Nash汇流模型的河道洪水预报方法
Damangir et al. System identification and subsequent discharge estimation based on level data alone—Gradually varied flow condition
CN115080556B (zh) 一种降雨监测异常数据检测及插补方法
CN114385968A (zh) 一种基于实时误差控制的入库流量反推方法
Mazzoleni et al. Data assimilation in hydrologic routing: Impact of model error and sensor placement on flood forecasting

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180420