CN108009565B - 一种变异环境下河网区设计洪水位计算方法 - Google Patents

一种变异环境下河网区设计洪水位计算方法 Download PDF

Info

Publication number
CN108009565B
CN108009565B CN201711085099.XA CN201711085099A CN108009565B CN 108009565 B CN108009565 B CN 108009565B CN 201711085099 A CN201711085099 A CN 201711085099A CN 108009565 B CN108009565 B CN 108009565B
Authority
CN
China
Prior art keywords
station
calculating
river
distribution
network
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
CN201711085099.XA
Other languages
English (en)
Other versions
CN108009565A (zh
Inventor
陈晓宏
唐亦汉
苏程佳
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201711085099.XA priority Critical patent/CN108009565B/zh
Publication of CN108009565A publication Critical patent/CN108009565A/zh
Application granted granted Critical
Publication of CN108009565B publication Critical patent/CN108009565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques

Abstract

本发明涉及水文水利工程领域,更具体地,涉及一种变异环境下河网区设计洪水位计算方法。包括以下步骤:S1.采集并提取网河区不同位置站点的年最大洪潮水位数据;S2.根据网河区各站洪潮水位序列统计特征进行分区;S3.基于S2步骤的分区结果进行站点特征分布识别;S4.基于主要环境影响要素进行特定分区站点的设计洪水位计算分析。本发明提供的一种变异环境下河网区设计洪水位计算方法,充分考虑了网河区复杂的河道影响及环境变化作用,可提高设计洪水位计算精度,可广泛应用于水文统计计算中。

Description

一种变异环境下河网区设计洪水位计算方法
技术领域
本发明涉及水文水利工程领域,更具体地,涉及一种变异环境下河网区设计洪水位计算方法。
背景技术
河网区设计洪水位计算是对位于河网区站点在一定重现期内对应最高设计水位进行计算,得到站点对应设计洪水水位,正确的设计计算结果对河口区防洪工程建设标准的设立及防洪政策的制定具有重要的理论指导作用。目前对于河网区设计洪水位的主要方法有3种方法:一、基于单站实测序列及单个特征分布进行水文频率统计计算分析;二、基于上下游相关要素实测序列及Copula分布进行水文频率统计计算分析;三、基于水动力数值模型及上下游边界实测序列,对设计洪潮水位进行模拟计算。总的来说,目前的河网区设计洪水位计算方法没有充分考虑到网河区内不同位置的区划差异,以及因环境变化影响造成的序列前后特征值变化,导致计算所得设计值与实际情况存在偏差。
发明内容
本发明的目的在于克服现有技术的不足,提供一种变异环境下河网区设计洪水位计算方法,可有效提高设计洪水位计算精度。
为解决上述问题,本发明提供的技术方案为:一种变异环境下河网区设计洪水位计算方法,其中,包括以下步骤:
S1.采集并提取网河区不同位置站点的年最大洪潮水位数据;
S2.根据网河区各站洪潮水位序列统计特征进行分区;
S3.基于S2步骤的分区结果进行站点特征分布识别;
S4.基于主要环境影响要素进行特定分区站点的设计洪水位计算分析。
进一步地,所述的S2步骤包括:
S21.提取各站序列特征值进行水文分区聚类识别;
S22.对水文初步分区识别结果进行数据不和谐性检验;
S23.对水文初步分区识别结果进行均匀性检验。
进一步地,所述的S21步骤包括:
S211.提取站点洪潮水位系列线性矩中的L-变差系数t2、L-偏态系数t3和L-峰度系数t4作为站点分组聚类的影响因子;
S212.定义任意两个对象之间的差异程度d(xi,xj),具体计算公式如下:
Figure GDA0003545185580000021
S213.根据差异程度计算对象i对于类别j的隶属度u:
Figure GDA0003545185580000022
Figure GDA0003545185580000023
其中,θj为每一类的类代表值,用属同一类的所有对象的均值来表示;n为对象个数,C表示类别,m为设定聚类的类别个数。
进一步地,所述的S22步骤为判断分区站点距离集合中心的距离值Di是否超出允许的范围值,若超出则为不和谐点,Di的计算公式为:
Figure GDA0003545185580000024
Figure GDA0003545185580000025
Figure GDA0003545185580000026
其中,ui为第i个站点的三维属性向量。
进一步地,所述的S23步骤包括:
S231.计算各站变差系数的加权标准差V,计算方式如下:
Figure GDA0003545185580000027
其中,N为水文站点个数;ni为第i个站点的样本序列长度;
Figure GDA0003545185580000028
为站点序列的变差系数、偏态系数与峰态系数;
Figure GDA0003545185580000029
为水文分区的变差系数、偏态系数与峰态系数;
S232.判断水文分区均匀性,分区均匀性的测度为H,当H<1时,该水文分区均匀;当1≤H<2时,该水文分区可能为不均匀的水文分区;当H>2时,水文分区不均匀,H的定义与计算方式如下:
Figure GDA0003545185580000031
进一步地,所述的S3步骤包括:
S31.计算站点系列适线的AIC值,计算方式如下:
Figure GDA0003545185580000032
式中:
Figure GDA0003545185580000033
是数据组D(xi,i=1,n)的最大似然值;
Figure GDA0003545185580000034
为模型参数的最大似然估计值;w为模型参数的个数;
S32.选取AIC最小值对应的分布作为站点的最适特征分布。
进一步地,所述的S4步骤包括:
S41.在假定水位序列满足一致性假设的前提下,在GAMLSS模型框架的基础上选择多种常用于水位模拟的分布对其进行模拟,然后根据AIC准则选择最适分布;
S42.根据已有研究或者成因分析选择与水位具有相关关系的指标因子作为最适分布的协变量;
S43.根据最适分布的参数特征,利用协变量构建分布参数的具体表达式,以此得到不同的非一致性模型;
S44.将所构建的基于GAMLSS框架的非一致性模型用于水位序列的模拟,并根据AIC准则选择最佳非一致性模型;
S45.利用最佳非一致性模型即计算指定设计频率下的设计洪水位。
在本发明中,所用到的GAMLSS模型,可定义如下:
假设因变量yi(i=1,2,…,n)相互独立,n为观测值的个数,且服从概率密度函数f(yii),其中θi=(θi1i2,…,θip),是p个分布参数组成的向量,对于一般的分布,前两个参数一般代表位置和尺度,用μ、σ表示时则分别对应解释变量的均值、均方差,后面的为形状参数,大多数函数只有两个形状参数,可用υ、τ表示。令yT=(y1,y2,…,yn),是因变量观测值组成的向量,记gk(·)(k=1,2,…,p)为已知的单调连接函数,用于连接分布参数与解释变量,则分布参数与解释变量之间的回归关系式如下:
Figure GDA0003545185580000041
上式中,θk、ηk都是n维向量,Xk是已知的n×J'k设计矩阵,
Figure GDA0003545185580000042
为长度为J'k的参数向量;Zjk是固定且已知的n×qkj设计矩阵,γjk是一个qjk维正态分布的随机向量。Zjkγjk称为随机效应项,下标j表示第j项随机项应,qjk表示第j项随机效应中的随机影响因子维数。则上式构建模型称为GAMLSS模型。
当gkk)=常数时,GAMLSS模型则变为一致性模型。
当k=1,2,…,n;Jk=0,则GAMLSS模型可变为:
gkk)=Xkβk
此式称为全参数GAMLSS模型,可方便地研究解释变量与响应变量之间的关系。
所述的利用协变量构建分布参数的具体表达式,根据不同分布的参数特征,利用协变量构建分布参数的表达式可有多种形式。主要分为两大类,第一类是部分参数与协变量建立函数关系,另一类则是全部参数均与协变量建立函数关系。
与现有技术相比,有益效果是:本发明提供的一种变异环境下河网区设计洪水位计算方法,充分考虑了网河区复杂的河道影响及环境变化作用,可提高设计洪水位计算精度,可广泛应用于水文统计计算中。
附图说明
图1为本发明方法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
如图1所示,一种变异环境下河网区设计洪水位计算方法,其中,包括以下步骤:
S1.采集并提取网河区不同位置站点的年最大洪潮水位数据;
S2.根据网河区各站洪潮水位序列统计特征进行分区;
S3.基于S2步骤的分区结果进行站点特征分布识别;
S4.基于主要环境影响要素进行特定分区站点的设计洪水位计算分析。
具体地,S2步骤包括:
S21.提取各站序列特征值进行水文分区聚类识别;
S22.对水文初步分区识别结果进行数据不和谐性检验;
S23.对水文初步分区识别结果进行均匀性检验。
其中,所述的S21步骤包括:
S211.提取站点洪潮水位系列线性矩中的L-变差系数t2、L-偏态系数t3和L-峰度系数t4作为站点分组聚类的影响因子;
S212.定义任意两个对象之间的差异程度d(xi,xj),具体计算公式如下:
Figure GDA0003545185580000051
S213.根据差异程度计算对象i对于类别j的隶属度u:
Figure GDA0003545185580000052
Figure GDA0003545185580000053
式中,θj为每一类的类代表值,用属同一类的所有对象的均值来表示;n为对象个数,C表示类别,m为设定聚类的类别个数。
另外,S22步骤为判断分区站点距离集合中心的距离值Di是否超出允许的范围值,若超出则为不和谐点,Di的计算公式为:
Figure GDA0003545185580000054
Figure GDA0003545185580000055
Figure GDA0003545185580000056
式中,ui为第i个站点的三维属性向量。
其中,S23步骤包括:
S231.计算各站变差系数的加权标准差V,计算方式如下:
Figure GDA0003545185580000061
式中,N为水文站点个数;ni为第i个站点的样本序列长度;
Figure GDA0003545185580000062
为站点序列的变差系数、偏态系数与峰态系数;
Figure GDA0003545185580000063
为水文分区的变差系数、偏态系数与峰态系数;
S232.判断水文分区均匀性,分区均匀性的测度为H,当H<1时,该水文分区均匀;当1≤H<2时,该水文分区可能为不均匀的水文分区;当H>2时,水文分区不均匀,H的定义与计算方式如下:
Figure GDA0003545185580000064
另外,S3步骤包括:
S31.计算站点系列适线的AIC值,计算方式如下:
Figure GDA0003545185580000065
式中:
Figure GDA0003545185580000066
是数据组D(xi,i=1,n)的最大似然值;
Figure GDA0003545185580000067
为模型参数的最大似然估计值;w为模型参数的个数;
S32.选取AIC最小值对应的分布作为站点的最适特征分布。
其中,S4步骤包括:
S41.在假定水位序列满足一致性假设的前提下,在GAMLSS模型框架的基础上选择多种常用于水位模拟的分布对其进行模拟,然后根据AIC准则选择最适分布;
S42.根据已有研究或者成因分析选择与水位具有相关关系的指标因子作为最适分布的协变量;
S43.根据最适分布的参数特征,利用协变量构建分布参数的具体表达式,以此得到不同的非一致性模型;
S44.将所构建的基于GAMLSS框架的非一致性模型用于水位序列的模拟,并根据AIC准则选择最佳非一致性模型;
S45.利用最佳非一致性模型即计算指定设计频率下的设计洪水位。
在本发明中,所述的GAMLSS模型,可定义如下:
假设因变量yi(i=1,2,…,n)相互独立,n为观测值的个数,且服从概率密度函数f(yii),其中θi=(θi1i2,…,θip),是p个分布参数组成的向量,对于一般的分布,前两个参数一般代表位置和尺度,用μ、σ表示时则分别对应解释变量的均值、均方差,后面的为形状参数,大多数函数只有两个形状参数,可用υ、τ表示。令yT=(y1,y2,…,yn),是因变量观测值组成的向量,记gk(·)(k=1,2,…,p)为已知的单调连接函数,用于连接分布参数与解释变量,则分布参数与解释变量之间的回归关系式如下:
Figure GDA0003545185580000072
上式中,θk、ηk都是n维向量,Xk是已知的n×J'k设计矩阵,
Figure GDA0003545185580000071
为长度为J'k的参数向量;Zjk是固定且已知的n×qkj设计矩阵,γjk是一个qjk维正态分布的随机向量。Zjkγjk称为随机效应项,下标j表示第j项随机项应,qjk表示第j项随机效应中的随机影响因子维数。则上式构建模型称为GAMLSS模型。
当gkk)=常数时,GAMLSS模型则变为一致性模型。
当k=1,2,…,n;Jk=0,则GAMLSS模型可变为:
gkk)=Xkβk
此式称为全参数GAMLSS模型,可方便地研究解释变量与响应变量之间的关系。
所述的利用协变量构建分布参数的具体表达式,根据不同分布的参数特征,利用协变量构建分布参数的表达式可有多种形式。主要分为两大类,第一类是部分参数与协变量建立函数关系,另一类则是全部参数均与协变量建立函数关系。
实施例
以西北江三角洲南华站点为例,采用本发明的计算方法,计算其对应百年重现期的洪水位设计值。
步骤1.采集并提取网河区不同位置站点的年最大洪潮水位数据
本例采用珠江三角洲15个站点的1959-2011年的洪潮水位序列。
步骤2.根据网河区各站洪潮水位序列统计特征进行分区
本例选取站点洪潮水位极值序列的变差系数t2、偏态系数t3和峰度系数t4作为站点分区的基本特征。所有站点被分为三组,分组结果如表1所示。其中,三水、马口、南华、天河和三多站属于第一分区,容奇、江门和竹银站属于第二分区,剩余的三沙口、南沙、万顷沙西、横门、灯笼山、黄金与西炮台站属于第三分区。
表1不和谐测度D与均匀性检验H计算值
Figure GDA0003545185580000081
步骤3.基于分区结果进行站点特征分布识别
实例选取五种常见分布分别为Pearson-Ⅲ型(P3)、广义逻辑分布(GLO)、广义极值分布(GEV)、极值分布类Ⅰ型(GMB)、对数正态两参数分布(LN2),从中选取第一分区(南华所在区)各站点的最适分布。结果如表2所示,GEV为南华站的最适分布。
表2各站最适分布结果表
Figure GDA0003545185580000082
步骤4.基于主要环境影响要素进行特定分区站点的设计洪水位计算分析
实施例基于南华站最适分布及其洪潮水位主要影响要素,即上游来水与下游口门潮位,构建考虑要素变化影响的统计计算模型,对当站设计洪水位进行计算,结果如表3所示。
表3设计值计算结果与传统单站单分布设计结果对比
Figure GDA0003545185580000091
注:相对差值Δ%的分母均为各重现期对应此例设计值。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种变异环境下河网区设计洪水位计算方法,其特征在于,包括以下步骤:
S1,采集并提取网河区不同位置站点的年最大洪潮水位数据;
S2,根据网河区各站洪潮水位序列统计特征进行分区;所述的S2步骤包括:
S21,提取各站序列特征值进行水文分区聚类识别;
所述的S21步骤包括:
S211,提取站点洪潮水位系列线性矩中的L-变差系数t2、L-偏态系数t3和L-峰度系数t4作为站点分组聚类的影响因子;
S212,定义任意两个对象之间的差异程度d(xi,xj),具体计算公式如下:
Figure FDA0003545185570000011
S213,根据差异程度计算对象i对于类别j的隶属度u:
Figure FDA0003545185570000012
Figure FDA0003545185570000013
其中,θj为每一类的类代表值,用属同一类的所有对象的均值来表示;n为对象个数,C表示类别,m为设定聚类的类别个数;
S22,对水文初步分区识别结果进行数据不和谐性检验;
S23,对水文初步分区识别结果进行均匀性检验;
S3,基于S2步骤的分区结果进行站点特征分布识别;所述的S3步骤包括:S31计算站点系列适线的AIC值,计算方式如下:
Figure FDA0003545185570000014
式中:
Figure FDA0003545185570000015
是数据组D(xi,i=1,n)的最大似然值;
Figure FDA0003545185570000016
为模型参数的最大似然估计值;w为模型参数的个数;
S32,选取AIC最小值对应的分布作为站点的最适特征分布;
S4,基于主要环境影响要素进行特定分区站点的设计洪水位计算分析;所述的S4步骤包括:
S41,在假定水位序列满足一致性假设的前提下,在GAMLSS模型框架的基础上选择多种常用于水位模拟的分布对其进行模拟,然后根据AIC准则选择最适分布;
S42,根据成因分析选择与水位具有相关关系的指标因子作为最适分布的协变量;
S43,根据最适分布的参数特征,利用协变量构建分布参数的具体表达式,以此得到不同的非一致性模型;
S44,将所构建的基于GAMLSS框架的非一致性模型用于水位序列的模拟,并根据AIC准则选择最佳非一致性模型;
S45,利用最佳非一致性模型即计算指定设计频率下的设计洪水位。
2.根据权利要求1所述的一种变异环境下河网区设计洪水位计算方法,其特征在于,所述的S22步骤为判断分区站点距离集合中心的距离值Di,是否超出允许的范围值,若超出则为不和谐点,Di的计算公式为:
Figure FDA0003545185570000021
Figure FDA0003545185570000022
Figure FDA0003545185570000023
其中,ui为第i个站点的三维属性向量。
3.根据权利要求2所述的一种变异环境下河网区设计洪水位计算方法,其特征在于,所述的S23步骤包括:
S231,计算各站变差系数的加权标准差V,计算方式如下:
Figure FDA0003545185570000024
其中,N为水文站点个数:ni为第i个站点的样本序列长度;
Figure FDA0003545185570000025
Figure FDA0003545185570000026
为站点序列的变差系数、偏态系数与峰态系数;
Figure FDA0003545185570000027
为水文分区的变差系数、偏态系数与峰态系数;
S232,判断水文分区均匀性,分区均匀性的测度为H,当H<1时,该水文分区均匀:当1≤H<2时,该水文分区可能为不均匀的水文分区;当H>2时,水文分区不均匀,H的定义与计算方式如下:
Figure FDA0003545185570000031
CN201711085099.XA 2017-11-07 2017-11-07 一种变异环境下河网区设计洪水位计算方法 Active CN108009565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711085099.XA CN108009565B (zh) 2017-11-07 2017-11-07 一种变异环境下河网区设计洪水位计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711085099.XA CN108009565B (zh) 2017-11-07 2017-11-07 一种变异环境下河网区设计洪水位计算方法

Publications (2)

Publication Number Publication Date
CN108009565A CN108009565A (zh) 2018-05-08
CN108009565B true CN108009565B (zh) 2022-05-06

Family

ID=62052138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711085099.XA Active CN108009565B (zh) 2017-11-07 2017-11-07 一种变异环境下河网区设计洪水位计算方法

Country Status (1)

Country Link
CN (1) CN108009565B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108876047B (zh) * 2018-06-26 2021-07-20 西安理工大学 基于gamlss模型输沙贡献率的研究方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815467A (zh) * 2016-12-12 2017-06-09 河海大学 一种基于大数据统计相似分析的流域水文区划方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2509187C1 (ru) * 2012-07-06 2014-03-10 Ильдус Рафикович Галинуров Способ локализации аварийных разливов нефти в пойменно-паводковых комплексах малых рек и защитное гидротехническое сооружение
CN107066425B (zh) * 2017-03-17 2020-08-14 中山大学 一种变化环境下超定量洪水非一致性分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815467A (zh) * 2016-12-12 2017-06-09 河海大学 一种基于大数据统计相似分析的流域水文区划方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张静怡 等.极值分布和P-III型分布线性矩法在区域洪水频率分析中的检验.《水文》.2002,第22卷(第6期), *
新疆水文分区与设计流量经验公式的研究;张磊;《中国优秀硕士学位论文全文数据库 基础科学辑》;20091215(第12期);第A012-3页 *
极值分布和P-III型分布线性矩法在区域洪水频率分析中的检验;张静怡 等;《水文》;20021231;第22卷(第6期);第36-38页 *
气候变化与人类活动联合影响下东江流域非一致性洪水频率;顾西辉 等;《热带地理》;20141130;第34卷(第6期);第746-757页 *

Also Published As

Publication number Publication date
CN108009565A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN107169628B (zh) 一种基于大数据互信息属性约简的配电网可靠性评估方法
CN108647470B (zh) 一种基于聚类和深度信念网络的漏损初定位方法
CN106874581B (zh) 一种基于bp神经网络模型的建筑空调能耗预测方法
CN110619432B (zh) 一种基于深度学习的特征提取水文预报的方法
CN107590565A (zh) 一种构建建筑能耗预测模型的方法及装置
CN109617888B (zh) 一种基于神经网络的异常流量检测方法及系统
CN109523021B (zh) 一种基于长短时记忆网络的动态网络结构预测方法
CN112685504B (zh) 一种面向生产过程的分布式迁移图学习方法
CN109462853B (zh) 一种基于神经网络模型的网络容量预测方法
CN109376933A (zh) 基于神经网络的锂离子电池负极材料能量密度预测方法
CN109754122A (zh) 一种基于随机森林特征提取的bp神经网络的数值预测方法
CN106296434B (zh) 一种基于pso-lssvm算法的粮食产量预测方法
CN109657147A (zh) 基于萤火虫和加权极限学习机的微博异常用户检测方法
KR101680055B1 (ko) 결합적 클러스터링 기법과 앙상블 모델링 기법을 이용한 인공신경망 모델 개발 방법
CN105721086A (zh) 基于ukfnn的无线信道场景识别方法
CN112700326A (zh) 一种基于灰狼算法优化bp神经网络的信贷违约预测方法
CN104634265A (zh) 一种基于多元图像特征融合的矿物浮选泡沫层厚度软测量方法
CN115019510A (zh) 一种基于动态自适应生成对抗网络的交通数据修复方法
CN108446771A (zh) 一种防止销售预测模型过拟合的方法
CN110289987B (zh) 基于表征学习的多智能体系统网络抗攻击能力评估方法
CN108009565B (zh) 一种变异环境下河网区设计洪水位计算方法
CN114936742A (zh) 一种供水系统调度代理决策方法
CN111914488B (zh) 一种基于对抗神经网络的有资料地区水文参数率定方法
CN110163419A (zh) 一种中小河流流域洪水预报的方法
CN110716998B (zh) 一种精细尺度人口数据空间化方法

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