CN109299521B - 径流总量控制率的确定方法及装置 - Google Patents
径流总量控制率的确定方法及装置 Download PDFInfo
- Publication number
- CN109299521B CN109299521B CN201811019463.7A CN201811019463A CN109299521B CN 109299521 B CN109299521 B CN 109299521B CN 201811019463 A CN201811019463 A CN 201811019463A CN 109299521 B CN109299521 B CN 109299521B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- sequence
- stationary
- determining
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013461 design Methods 0.000 claims abstract description 57
- 238000007476 Maximum Likelihood Methods 0.000 claims description 19
- 238000005315 distribution function Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003657 Likelihood-ratio test Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 33
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种径流总量控制率的确定方法及装置,该方法包括:获取设计降雨量和第一降雨量序列;采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列;根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。本发明实施例提供的径流总量控制率的确定方法得出径流总量控制率的准确度高。
Description
技术领域
本发明涉及雨水工程规划设计技术领域,尤其涉及一种径流总量控制率的确定方法及装置。
背景技术
海绵城市是指通过加强城市规划建设管理,充分发挥建筑、道路、绿地、水系等生态系统对雨水的吸纳、蓄渗和缓释作用,有效控制雨水径流,实现自然积存、自然渗透、自然净化的城市发展方式。目前,海绵城市建设,在有效防治城市内涝、保障城市生态安全等方面取得了积极成效。其中,低影响开发雨水系统的径流总量控制一般采用年径流总量控制率作为控制目标,且年径流总量控制率与设计降雨量为一一对应关系。因此,通过统计学方法可以根据城市年径流总量控制率确定对应的设计降雨量值。
在相关技术中,首先,根据历史气候资料数据,选取至少近30年(可以反映长期的降雨规律和近年气候的变化)的日降雨(不包括降雪)资料,扣除小于等于2mm的降雨事件的降雨量,将日降雨量按降雨量数值由小到大进行排序;然后,统计小于某一阈值的降雨总量(日降雨量小于该阈值的按真实降雨量计算出降雨总量,大于该阈值的按降雨量等于该阈值计算出降雨总量,两者累积求和)在总降雨量中的比率,此比率即为年径流总量控制率,与该比率对应的阈值即为设计降雨量。设计降雨量是各城市实施年径流总量控制的专有量值。考虑不同城市的降雨分布特征不同,各城市的设计降雨量值应单独推求。例如:依据1983-2012年降雨资料计算出:北京市城市年径流总量控制率分别取60%、70%、75%、80%、85%等不同值时,对应的设计降雨量值分别为14mm、19.4mm、22.8mm、27.3mm和33.6mm。
上述方法存在的问题是,没有考虑全球气候变化和城市化对城市降雨和城市内涝防治的影响。例如:根据最新的气候变化评估报告,1961-2013年,中国平均年降水量无明显的增减趋势,但中国年雨日呈显著减少趋势,每10年减少3.9天。中国年累计暴雨日数呈显著增加趋势,每10年增加3.8%。如果再考虑城市热岛和雨岛效应,城市日降雨量的分布规律已经发生了显著变化,这导致城市年径流总量控制率与设计降雨量值之间的对应关系发生了变化。与历史时期相比,当前的暴雨日数增加,有雨日数显著减少,无雨日数显著增加,因此,同一设计降雨量值所能控制的当前的城市年径流总量将小于历史时期,从而造成与该设计降雨量值对应的年径流总量控制率与当前的实际情况不符。
发明内容
本发明实施例提供一种径流总量控制率的确定方法及装置,以解决相关技术中的同一设计降雨量值所能控制的当前的城市年径流总量将小于历史时期,从而造成与该设计降雨量值对应的年径流总量控制率与当前的实际情况不符的问题。
为解决以上技术问题,本发明采用如下技术方案:
第一方面,本发明实施例提供了一种径流总量控制率的确定方法,包括:
获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间;
采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;
根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。
第二方面,本发明实施例提供了一种径流总量控制率的确定装置,包括:
第一获取模块,用于获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间;
调整模块,用于采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;
第一确定模块,用于根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。
第三方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的径流总量控制率的确定方法的步骤。
在本发明实施例中,获取设计降雨量和第一降雨量序列;采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。由于环境、降雨特性等跟随时间发生变化,采用非平稳的GPD模型能够将历史时期内发生的降雨量数据调整为与目标日匹配即最接近当前环境的降雨量数据,从而能够解决同一设计降雨量值所能控制的当前的城市年径流总量小于历史时期,造成与该设计降雨量值对应的年径流总量控制率与当前的实际情况不符的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,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是本发明实施例提供的一种径流总量控制率的确定方法的流程图;
图2是本发明实施例提供的另一种径流总量控制率的确定方法的流程图;
图3是本发明实施例提供的另一种径流总量控制率的确定方法的流程图;
图4是本发明实施例提供的一种径流总量控制率的确定装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的一种径流总量控制率的确定方法,能够用于根据设计降雨量确定一定区域内的径流总量控制率。
请参见图1,图1是本发明实施例提供的一种径流总量控制率的确定方法的流程图,如图1所示,所述径流总量控制率的确定方法包括以下步骤:
步骤101、获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间。
其中,上述设计降雨量μ0的具体数值可以根据历史降雨量序列的特性改变,也可以人为的对所述设计降雨量μ0的值进行设置。
另外,上述历史降雨量序列可以包括多个单位时间段内的降雨量数据,例如:选取城市气象站点,至少30年的日降雨量连续(不包括降雪)观测资料,降雨量小于或者等于2mm的日降雨量以0代替,在此,所述单位时间为日。
当然,所述单位时间还可以是1个小时、1周等其他长度的时间段,在该时间段内的总的降水量即为与该时间段对应的降雨量。
例如:假设所述历史降雨量序列Bj(j=1,2,……,n),其中,Bj为排列于第j日的降雨量数据,n为所述历史降雨量序列中包括的降雨量数据的总数。
所述第一降雨量序列包括所述历史降雨量序列中降雨量大于或者等于所述设计降雨量的多个降雨量数据,将多个降雨量数据按照降雨事件发生的时间顺序进行排列,即可得到所述第一降雨量序列。
例如:所述第一降雨量序列Xt(t=1,2,……,k),其中,Xt表示第t日的降雨量数据,k为所述第一降雨量序列中包括的降雨量数据的总数。由于,所述第一降雨量序列为按照降雨事件发生的时间排列的多个降雨量数据,则在t=k时,表示Xk为最靠近当前时刻的降雨量数据。
本步骤中,根据历史降雨量序列和设计降雨量确定第一降雨量序列,为步骤102和步骤103提供数据基础。
步骤102、采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定。
其中,由于所述第一降雨量序列为直接从历史降雨量序列中选取的多个降雨量数据,部分与当前间隔时间较远的降雨量数据可能与当前的环境不匹配,因此需要根据时间的推移对历史降雨量数据进行调整,从而将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列。
另外,上述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,例如:所述第一降雨量序列Xt(t=1,2,……,k)中,在t=k时,即可表示所述目标时间,Xk为在所述目标时间内的降雨量。
另外,上述时变参数跟随时间发生变化,从而达到根据时间的推移对历史降雨量数据进行调整的目的。
需要说明的是,分别将所述第一降雨量序列中的多个降雨量数据输入所述非平稳GPD模型,通过所述非平稳GPD模型的计算,便能够输出与所述第一降雨量序列中的多个降雨量数据一一对应的函数值序列,该非平稳GPD模型计算出的函数值可以表示与该函数值对应的降雨量数据的概率密度,从而,可以根据该概率密度的情况或者变化趋势等,将该降雨量数据调整为与当前环境匹配的另一降雨量数据,并重复多次,将所述第一降雨量序列中的多个降雨量数据分别调整为所述第二降雨量序列中的多个降雨量数据。
本步骤中,采用包括时变参数的非平稳GPD模型,将历史降雨量数据调整为与当前环境匹配的降雨量数据,从而防止历史降雨量数据所处的环境与当前的环境差异较大,造成的根据设计降雨量确定的径流总量控制率不准确的后果,为步骤103提供数据基础,提升了所述径流总量控制率的准确性。
步骤103、根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。
其中,所述径流总量控制率可以是超阈值降雨总量(即所述第二降雨量序列中的降雨量数据的降雨量分别减去设计降雨量后的总和)与所述历史降雨量序列中的降雨量数据的降雨量之和的比值。需要说明的是,上述超阈值降雨总量为所述第二降雨量序列中的降雨量数据的降雨量分别减去设计降雨量后的总和。
另外,若上述历史降雨量序列为某一城市的降雨量序列,则上述径流总量控制率可以是该城市的年径流总量控制率。
本步骤中,根据步骤102中得到的与当前环境匹配的第二降雨量序列进行计算,从而使本步骤的计算结果与当前的环境匹配,从而提升了所述径流总量控制率的准确性。
在本发明实施例中,获取设计降雨量和第一降雨量序列;采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。由于环境、降雨特性等跟随时间发生变化,采用非平稳的GPD模型能够将历史时期内发生的降雨量数据调整为与目标日匹配即最接近当前环境的降雨量数据,从而能够解决同一设计降雨量值所能控制的当前的城市年径流总量小于历史时期,造成与该设计降雨量值对应的年径流总量控制率与当前的实际情况不符的问题。
请参见图2,图2是本发明实施例提供的另一种径流总量控制率的确定方法的流程图,如图2所示,所述径流总量控制率的确定方法包括以下步骤:
步骤201、获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间。
其中,所述历史降雨量序列可以表示为Bj(j=1,2,……,n),Bj表示排列于第j位的降雨量数据,j为小于或者等于n的整数,n为所述历史降雨量序列中包括的降雨量数据的总数。
另外,所述第一降雨量序列可以表示为Xt(t=1,2,……,k),Xt表示排列于第t位的降雨量数据,t为小于或者等于k的整数,k为所述第一降雨量序列中包括的降雨量数据的总数。
另外,可以以μ0表示所述设计降雨量的值。
步骤202、根据所述第一降雨量序列,采用似然比检验法,对非平稳GPD模型的对数似然函数的最大值与平稳GPD模型的对数似然函数的最大值进行比较,并根据比较结果确定偏差度。
作为一种可选的实施方式,将所述第一降雨量序列分别输入所述非平稳GPD模型和所述平稳GPD模型,根据所述非平稳GPD模型和所述平稳GPD模型的输出结果,分别确定所述非平稳GPD模型的第一对数似然函数值和所述平稳GPD模型的第二对数似然函数值;
确定所述偏差度D=2{l1(M1)-l0(M0)},其中,l1(M1)为所述第一对数似然函数的最大值,l0(M0)为所述第二对数似然函数的最大值。
本实施方式中,提供一种公式,用于计算所述偏差度D的值,从而简化了计算过程。
本步骤中,确定的偏差度用于判断所述非稳定GPD模型和所述稳定GPD模型相比较而言,哪一种模型更加适用于所述第一降雨量序列,即根据所述第一降雨量序列得出的计算结果更加准确。
步骤203、根据所述偏差度,在确定所述非平稳GPD模型的准确度比所述平稳GPD模型的准确度高的情况下,执行步骤204。
需要说明的是,若所述平稳GPD模型的准确度比所述非平稳GPD模型的准确度高的话,仍然可以采用所述平稳GPD模型对所述第一降雨量序列进行计算。
作为一种可选的实施方式,确定卡方分布的1-α分位数的值c1-α,其中,α为所述非平稳GPD模型的置信度;
在D>c1-α的情况下,执行所述采用非平稳GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列的步骤。
其中,在D>c1-α的情况下,便可以确定所述非平稳GPD模型的准确度比所述平稳GPD模型的准确度高。此时采用所述非平稳GPD模型对所述第一降雨量序列进行分析得出的结果更加准确。
在D>c1-α的情况下,两者的准确度相同,可以采用任一种GPD模型对所述第一降雨量序列进行分析。
本实施方式中,确定c1-α的值,通过比较得到D与c1-α的大小关系,便能够轻松的得出所述非平稳GPD模型和所述平稳GPD模型中哪一种模型的准确度更高,从而决定采用准确度高的模型进行数据计算与分析,从而提升所述径流总量控制率的确定方法的准确性。
本步骤中,只有在在所述非平稳GPD模型的准确度比所述平稳GPD模型高的情况下,才执行步骤204之前,从而采用准确度高的所述非平稳GPD模型对第一降雨量序列进行计算,得出准确度更高的计算结果,从而提升所述径流总量控制率的确定方法的准确性。
步骤204、采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定。
作为一种可选的实施方式,所述非平稳GPD模型的分布函数G(x)表示为以下公式:
其中,t=1,2,……,k,k为所述第一降雨量序列中第一降雨量序列包含的降雨量数据的个数,所述目标时间为与t=k对应的时间,exp表示求指数函数,所述时变参数包括时变位置参数μ(t)、时变尺度参数σ(t)、时变形状参数ξ(t),μ(t)=μ0,σ(t)=exp{β0+β1t},ξ(t)∈常数,且1+ξ(t)(x-μ(t))/σ(t)>0,x为所述第一降雨量序列中的降雨量数据的降雨量,β0和β1为常数。
另外,ξ(t)的取值可以决定G(x)的分布函数的类型,例如:在ξ(t)>0时,G(x)为帕累托分布函数(Pareto Distribution),在ξ(t)=0时,G(x)为指数分布函数,ξ(t)<0时,G(x)为贝塔分布函数(Beta Distribution)。
需要说明的是,上述时变位置参数μ(t)、时变尺度参数σ(t)、时变形状参数ξ(t)可以与上述μ(t)=μ0,σ(t)=exp{β0+β1t},ξ(t)∈常数的情况不相同,例如:还可以将时变位置参数μ(t)设置为跟随时间变化的时变参数,将时变尺度参数σ(t)和时变形状参数ξ(t)分别设置为常数,这样同样能够实现将所述第一降雨量序列调整为与当前环境匹配的所述第二降雨量序列的目的。
其中,可以根据所述第一降雨量序列,采用以下极大似然法估计ξ(t)和σ(t)的值:
在ξ≠0时,确定所述G(x)的对数似然函数表示为以下公式:
在ξ=0时,确定所述G(x)的对数似然函数表示为以下公式:
在所述l(σ(t),ξ)和所述l(σ(t))取最大值时,分别确定ξ、β0和β1的极大似然估计值和/>
根据和/>确定σ(t)的极大似然估计值/>
确定所述G(x)中的所述时变尺度参数所述时变形状参数
本实施方式中,可以确定所述G(x)中各个参数的数值,在应用过程中,只需要分别将所述第一降雨量序列中的降雨量数据分别代入G(x)的公式,便能够得出与该降雨量数据对应的函数值,从而简化了运算过程。
作为一种可选的实施方式,将Xt′(t′=1,2,……,k-1)分别输入所述G(x),计算得出与k-1个降雨量数据一一对应的分布函数值序列其中,/>表示所述G(x)中的x分别取Xt′中的各个降雨量数据的降雨量,μ(t)=μ0,/>
在t=k时,根据wt′确定所述第二降雨量序列,其中,所述第二降雨量序列包括与wt′中的各个分布函数值一一对应的所述非平稳GPD模型的分位数值的极大似然估计值序列Rt′(t′=1,2,……,k-1);
其中,Rt′的值采用以下公式计算得出:
其中,为所述第一降雨量序列中降雨量大于所述μ0的降雨量数据的个数;
其中,所述第二降雨量序列中的各个降雨量数据的降雨量分别等于Rt′(t′=1,2,……,k-1)中的各个值,且所述第一降雨量序列中的与t=k对应的降雨量数据,所述第二降雨量序列中的与t=k对应的降雨量数据相同。
本实施方式中,提供根据所述G(x)计算得出函数值序列计算第二降雨量序列的公式,从而简化了计算过程的复杂程度。
步骤205、根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。
作为一种可选的实施方式,通过以下公式计算与所述μ0对应的径流总量控制率KZ:
其中,超阈值降雨总量R1表示为以下公式:
历史降雨总量TR表示为以下公式:
其中,Bj(j=1,2,……,n)为所述历史降雨量序列,Bj包括n个降雨量数据。
其中,R1为所述第二降雨量序列中各个降雨量数据的降雨量分别减去设计降雨量后的总和,即所述第二降雨量序列中各个降雨量数据的降雨量的总和减去k倍设计降雨量,其中,所述第二降雨量序列中包括k个降雨量数据。TR为所述历史降雨量序列中各个降雨量数据的降雨量之和。
本实施方式中,提供一种计算公式,这样只需将相应参数的值代入该计算公式,便能够得出所述径流总量控制率的值,从而简化了所述径流总量控制率的计算过程。
另外,在D≤c1-α的情况下,便可以确定所述平稳GPD模型的准确度比所述非平稳GPD模型的准确度高。此时采用所述平稳GPD模型对所述第一降雨量序列进行分析得出的结果更加准确。
即确定径流总量控制率:
在本发明实施例中,在采用非平稳GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列之前,先比较该非平稳GPD模型与常规的平稳GPD模型的准确度,从而选取准确度高的模型对所述第一降雨量序列进行计算与分析,能够提升所述径流总量控制率的确定方法的准确率。
请参见图3,图3是本发明实施例提供的另一种径流总量控制率的确定方法的流程图,如图3所示,所述径流总量控制率的确定方法包括以下步骤:
步骤301、获取观测时间内城市的第一降雨总量及每日的日降雨量。
其中,所述观测时间可以是30年、40年等任意大于或者等于30年的时间长度。
步骤302、选取一个日降雨量作为阈值,根据所述阈值确定第一降雨量序列。
其中所述第一降雨量序列为所述观测时间内的日降雨量中大于所述阈值且按照时间顺序排列的多个日降雨量。
步骤303、根据所述第一降雨量序列建立非平稳GPD模型,采用极大似然法估计得出所述非平稳GPD模型中的时变参数的值。
步骤304、根据所述第一降雨量序列,采用似然比检验法,比较所述非平稳GPD模型和平稳GPD模型的对数似然函数的最大值之间的偏差度。
其中,根据所述偏差度的大小可以判断出所述非平稳GPD模型在解释所述第一降雨量序列中的降雨量数据的能力上是否有显著的改进,即判断所述非平稳GPD模型的准确性相对于所述平稳GPD模型是否有提升。
仅在所述非平稳GPD模型的准确性相对于所述平稳GPD模型有提升的情况下,执行步骤305、否则,可以采用所述平稳GPD模型对所述第一降雨量序列进行分析与计算。
步骤305、采用所述非平稳GPD模型计算与所述第一降雨量序列中各个降雨量数据对应的分布函数值序列。
步骤306、计算所述分布函数值序列对应于t=k时刻的非平稳GPD模型的分位数值的极大似然估计值。
其中,所述第一降雨量序列可以表示为Xt(t=1,2,……,k),其中,Xt表示排列于第t位的降雨量数据,t为小于或者等于k的整数,k为所述第一降雨量序列中包括的降雨量数据的总数。由于所述第一降雨量序列为按照时间顺序排列的多个日降雨量,则在t=k时,即表示所述第一降雨量序列中离当前时刻最近的时刻。
另外,上述分布函数值序列对应于t=k时刻的非平稳GPD模型的分位数值的极大似然估计值,表示将所述第一降雨量序列修正为与当前环境匹配的第二降雨量序列。
步骤307、根据所述第二降雨量序列,确定第二降雨总量,和与所述阈值对应的城市年径流总量控制率。
其中,所述第二降雨总量为所述第二降雨量序列中各个降雨量数据的降雨量分别减去设计降雨量后的总和,所述城市年径流总量控制率等于所述第二降雨总量与所述第一降雨总量之比。
本发明实施例,应用于确定城市的年径流总量控制率,且能够取得与如图2所示方法实施例相同或者相似的有益效果,为避免重复,在此不再赘述。
通过如图1至图3中所示方法确定的径流总量控制率,可以用于确定该径流总量控制率与设计降雨量之间的对应关系,具体包括以下步骤:
获取多个如上所述径流总量控制率的确定方法确定的径流总量控制率以及与所述多个径流总量控制率一一对应的多个设计降雨量;
根据所述多个径流总量控制率和所述多个设计降雨量,确定径流总量控制率与设计降雨量之间的对应关系。
这样,得出的径流总量控制率与设计降雨量之间的对应关系可以是一个函数或者数学模型,根据已知的设计降雨量可以得出与之对应的径流总量控制率。相反,根据已知的径流总量控制率也可以得出与之对应的设计降雨量。从而避免了需要根据已知的设计降雨量或者径流总量控制率,进行复杂的计算步骤,以得出对应的径流总量控制率或者设计降雨量。达到简化计算过程的效果。
本发明实施方式中,根据图1至图3中任一项所述方法实施例中得出的径流总量控制率及一一对应的设计降雨量确定两者之间的对应关系,可以在与当前环境匹配的径流总量控制率的基础上,进行简单的对应关系换算,从而在确保准确度的前提下,简化了计算过程。
请参见图4,是本发明实施例提供的一种径流总量控制率的确定装置的结构框图;如图4所示,该装置400包括:
第一获取模块401,用于获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间;
调整模块402,用于采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;
第一确定模块403,用于根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。
可选的,所述装置400还包括:
检验模块,用于根据所述第一降雨量序列,采用似然比检验法,对所述非平稳GPD模型的对数似然函数的最大值与平稳GPD模型的对数似然函数的最大值进行比较,并根据比较结果确定偏差度;
执行模块,用于根据所述偏差度,在确定所述非平稳GPD模型的准确度比所述平稳GPD模型的准确度高的情况下,执行所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列。
可选的,所述非平稳GPD模型的分布函数G(x)表示为以下公式:
其中,t=1,2,……,k,k为所述第一降雨量序列中第一降雨量序列包含的降雨量数据的个数,所述目标时间为与t=k对应的时间,exp表示求指数函数,所述时变参数包括时变位置参数μ(t)、时变尺度参数σ(t)、时变形状参数ξ(t),μ(t)的值等于所述设计降雨量的值,σ(t)=exp{β0+β1t},ξ(t)∈常数,且1+ξ(t)(x-μ(t))/σ(t)>0,x为所述第一降雨量序列中的降雨量数据的降雨量,β0和β1为常数。
可选的,根据所述第一降雨量序列,采用以下极大似然法估计ξ(t)和σ(t)的值:
在ξ≠0时,确定所述G(x)的对数似然函数表示为以下公式:
在ξ=0时,确定所述G(x)的对数似然函数表示为以下公式:
在所述l(σ(t),ξ)和所述l(σ(t))取最大值时,分别确定ξ、β0和β1的极大似然估计值和/>
根据和/>确定σ(t)的极大似然估计值/>
确定所述G(x)中的所述时变尺度参数所述时变形状参数
可选的,所述第一降雨量序列表示为Xt(t=1,2,……,k),调整模块402包括:
第一计算单元,用于将Xt′(t′=1,2,……,k-1)分别输入所述G(x),计算得出与k-1个降雨量数据一一对应的分布函数值序列其中,表示所述G(x)中的x分别取Xt′中的各个降雨量数据的降雨量,μ(t)=μ0,/>μ0为所述设计降雨量的值;
确定单元,用于在t=k时,根据wt′确定所述第二降雨量序列,其中,所述第二降雨量序列包括与wt′中的各个分布函数值一一对应的所述非平稳GPD模型的分位数值的极大似然估计值序列Rt′(t′=1,2,……,k-1);
其中,Rt′的值采用以下公式计算得出:
其中,为所述第一降雨量序列中降雨量大于所述μ0的降雨量数据个数;
所述确定模块,包括:
第二计算单元,用于通过以下公式计算与所述μ0对应的径流总量控制率KZ:
其中,超阈值降雨总量R1表示为以下公式:
历史降雨总量TR表示为以下公式:
其中,Bj(j=1,2,……,n)为所述历史降雨量序列,Bj包括n个降雨量数据。
可选的,所述检验模块包括:
第三确定单元,用于将所述第一降雨量序列分别输入所述非平稳GPD模型和所述平稳GPD模型,根据所述非平稳GPD模型和所述平稳GPD模型的输出结果,分别确定所述非平稳GPD模型的第一对数似然函数值和所述平稳GPD模型的第二对数似然函数值;
第四确定单元,用于确定所述偏差度D=2{l1(M1)-l0(M0)},其中,l1(M1)为所述第一对数似然函数的最大值,l0(M0)为所述第二对数似然函数的最大值;
所述执行模块,包括:
第五确定单元,用于确定卡方分布的1-α分位数的值c1-α,其中,α为所述非平稳GPD模型的置信度;
执行单元,用于在D>c1-α的情况下,执行所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列的步骤。
本发明实施例能够实现如图1至图3中任一方法实施例中的步骤,并取得相同的有益效果,为避免重复,在此不再赘述。
本发明实施例还提供一种计算机存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的径流总量控制率的确定方法中的步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述信息数据块的处理方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种径流总量控制率的确定方法,其特征在于,包括:
获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间;
采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;
根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率;
所述非平稳GPD模型的分布函数G(x)表示为以下公式:
其中,t=1,2,……,k,k为所述第一降雨量序列中第一降雨量序列包含的降雨量数据的个数,所述目标时间为与t=k对应的时间,exp表示求指数函数,所述时变参数包括时变位置参数μ(t)、时变尺度参数σ(t)、时变形状参数ξ(t),μ(t)的值等于所述设计降雨量的值,σ(t)=exp{β0+β1t},ξ(t)∈常数,且1+ξ(t)(x-μ(t))/σ(t)>0,x为所述第一降雨量序列中的降雨量数据的降雨量,β0和β1为常数;
根据所述第一降雨量序列,采用以下极大似然法估计ξ(t)和σ(t)的值:
在ξ≠0时,确定所述G(x)的对数似然函数表示为以下公式:
在ξ=0时,确定所述G(x)的对数似然函数表示为以下公式:
在所述l(σ(t),ξ)和所述l(σ(t))取最大值时,分别确定ξ、β0和β1的极大似然估计值和/>
根据和/>确定σ(t)的极大似然估计值/>
确定所述G(x)中的所述时变尺度参数所述时变形状参数/>
所述第一降雨量序列表示为Xt(t=1,2,……,k),所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列的步骤,包括:
将Xt′(t′=1,2,……,k-1)分别输入所述G(x),计算得出与k-1个降雨量数据一一对应的分布函数值序列其中,/>表示所述G(x)中的x分别取Xt′中的各个降雨量数据的降雨量,μ(t)=μ0,/>μ0为所述设计降雨量的值;
在t=k时,根据wt′确定所述第二降雨量序列,其中,所述第二降雨量序列包括与wt′中的各个分布函数值一一对应的所述非平稳GPD模型的分位数值的极大似然估计值序列Rt′(t′=1,2,……,k-1);
其中,Rt′的值采用以下公式计算得出:
其中,为所述第一降雨量序列中降雨量大于所述μ0的降雨量数据的个数;
所述根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率的步骤,包括:
通过以下公式计算与所述μ0对应的径流总量控制率KZ:
其中,超阈值降雨总量R1表示为以下公式:
历史降雨总量TR表示为以下公式:
其中,Bj(j=1,2,……,n)为所述历史降雨量序列,Bj包括n个降雨量数据。
2.根据权利要求1所述的径流总量控制率的确定方法,其特征在于,所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列的步骤之前,所述方法还包括:
根据所述第一降雨量序列,采用似然比检验法,对所述非平稳GPD模型的对数似然函数的最大值与平稳GPD模型的对数似然函数的最大值进行比较,并根据比较结果确定偏差度;
根据所述偏差度,在确定所述非平稳GPD模型的准确度比所述平稳GPD模型的准确度高的情况下,执行所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列。
3.根据权利要求2所述的径流总量控制率的确定方法,其特征在于,所述根据所述第一降雨量序列,采用似然比检验法,对所述非平稳GPD模型的对数似然函数的最大值与平稳GPD模型的对数似然函数的最大值进行比较,并根据比较结果确定偏差度的步骤,包括:
将所述第一降雨量序列分别输入所述非平稳GPD模型和所述平稳GPD模型,根据所述非平稳GPD模型和所述平稳GPD模型的输出结果,分别确定所述非平稳GPD模型的第一对数似然函数值和所述平稳GPD模型的第二对数似然函数值;
确定所述偏差度D=2{l1(M1)-l0(M0)},其中,l1(M1)为所述第一对数似然函数的最大值,l0(M0)为所述第二对数似然函数的最大值;
所述根据所述偏差度,在确定所述非平稳GPD模型的准确度比所述平稳GPD模型的准确度高的情况下,执行所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列的步骤,包括:
确定卡方分布的1-α分位数的值c1-α,其中,α为所述非平稳GPD模型的置信度;
在D>c1-α的情况下,执行所述采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间对应的第二降雨量序列的步骤。
4.一种径流总量控制率的确定装置,其特征在于,包括:
第一获取模块,用于获取设计降雨量和第一降雨量序列,其中,所述第一降雨量序列包括历史降雨量序列中降雨量大于所述设计降雨量的降雨量数据,所述降雨量数据包括降雨量和产生所述降雨量的降雨事件发生的时间;
调整模块,用于采用非平稳的广义帕累托分布GPD模型,将所述第一降雨量序列调整为与目标时间匹配的第二降雨量序列,其中,所述非平稳GPD模型包括时变参数,所述目标时间为所述第一降雨量序列的所述降雨事件发生的时间中最靠近当前的时间,所述第二降雨量序列根据所述非平稳GPD模型输出的函数值序列而确定;
第一确定模块,用于根据所述第二降雨量序列和所述历史降雨量序列确定径流总量控制率。
所述非平稳GPD模型的分布函数G(x)表示为以下公式:
其中,t=1,2,……,k,k为所述第一降雨量序列中第一降雨量序列包含的降雨量数据的个数,所述目标时间为与t=k对应的时间,exp表示求指数函数,所述时变参数包括时变位置参数μ(t)、时变尺度参数σ(t)、时变形状参数ξ(t),μ(t)的值等于所述设计降雨量的值,σ(t)=exp{β0+β1t},ξ(t)∈常数,且1+ξ(t)(x-μ(t))/σ(t)>0,x为所述第一降雨量序列中的降雨量数据的降雨量,β0和β1为常数;
根据所述第一降雨量序列,采用以下极大似然法估计ξ(t)和σ(t)的值:
在ξ≠0时,确定所述G(x)的对数似然函数表示为以下公式:
在ξ=0时,确定所述G(x)的对数似然函数表示为以下公式:
在所述l(σ(t),ξ)和所述l(σ(t))取最大值时,分别确定ξ、β0和β1的极大似然估计值和/>
根据和/>确定σ(t)的极大似然估计值/>
确定所述G(x)中的所述时变尺度参数所述时变形状参数/>
所述第一降雨量序列表示为Xt(t=1,2,……,k),所述调整模块,包括:
第一计算单元,用于将Xt′(t′=1,2,……,k-1)分别输入所述G(x),计算得出与k-1个降雨量数据一一对应的分布函数值序列其中,/>表示所述G(x)中的x分别取Xt′中的各个降雨量数据的降雨量,μ(t)=μ0,μ0为所述设计降雨量的值;
确定单元,用于在t=k时,根据wt′确定所述第二降雨量序列,其中,所述第二降雨量序列包括与wt′中的各个分布函数值一一对应的所述非平稳GPD模型的分位数值的极大似然估计值序列Rt′(t′=1,2,……,k-1);
其中,Rt′的值采用以下公式计算得出:
其中,为所述第一降雨量序列中降雨量大于所述μ0的降雨量数据的个数;
所述第一确定模块,包括:
第二计算单元,用于通过以下公式计算与所述μ0对应的径流总量控制率KZ:
其中,超阈值降雨总量R1表示为以下公式:
历史降雨总量TR表示为以下公式:
其中,Bj(j=1,2,……,n)为所述历史降雨量序列,Bj包括n个降雨量数据。
5.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至3中任一项所述的径流总量控制率的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019463.7A CN109299521B (zh) | 2018-09-03 | 2018-09-03 | 径流总量控制率的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019463.7A CN109299521B (zh) | 2018-09-03 | 2018-09-03 | 径流总量控制率的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109299521A CN109299521A (zh) | 2019-02-01 |
CN109299521B true CN109299521B (zh) | 2023-09-05 |
Family
ID=65166089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811019463.7A Active CN109299521B (zh) | 2018-09-03 | 2018-09-03 | 径流总量控制率的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109299521B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926810B (zh) * | 2019-12-05 | 2024-03-08 | 北京市水科学技术研究院 | 一种年径流总量控制率确定方法、装置及电子设备 |
CN114021908A (zh) * | 2021-10-20 | 2022-02-08 | 中国城市规划设计研究院 | 一种雨水径流总量控制率的评估方法及系统 |
CN117196135B (zh) * | 2023-08-24 | 2024-08-02 | 北京市市政工程设计研究总院有限公司 | 一种海绵城市中径流控制率的调整方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918713A (zh) * | 2017-12-05 | 2018-04-17 | 河海大学 | 基于Copula函数的洪水双变量改进联合重现期推求方法 |
-
2018
- 2018-09-03 CN CN201811019463.7A patent/CN109299521B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918713A (zh) * | 2017-12-05 | 2018-04-17 | 河海大学 | 基于Copula函数的洪水双变量改进联合重现期推求方法 |
Non-Patent Citations (1)
Title |
---|
非平稳时间序列极值统计模型及其在气候-水文变化研究中的应用综述;鲁帆等;《水利学报》;20170430(第04期);第380-383页的第3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN109299521A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299521B (zh) | 径流总量控制率的确定方法及装置 | |
CN112037930A (zh) | 一种传染病预测设备、方法、装置及存储介质 | |
KR101793625B1 (ko) | 기후변화를 고려한 비정상성 지역빈도해석에서의 확률강우량 산출방법 및 그 시스템 | |
CN108830419B (zh) | 一种基于ecc后处理的梯级水库群入库流量联合预报方法 | |
Tonn et al. | Hurricane Isaac: a longitudinal analysis of storm characteristics and power outage risk | |
JP2006092058A (ja) | 流量予測装置 | |
Pavlides et al. | Non-parametric kernel-based estimation and simulation of precipitation amount | |
CN113808015B (zh) | 输电线路区域气象参数的空间插值方法、装置及设备 | |
CN114564487A (zh) | 预报预测相结合的气象栅格数据更新方法 | |
Christensen et al. | The realized empirical distribution function of stochastic variance with application to goodness-of-fit testing | |
JP2005017266A (ja) | レーダ雨量測定装置及びその測定方法 | |
Hema et al. | Reconstructing missing hourly real-time precipitation data using a novel intermittent sliding window period technique for automatic weather station data | |
CN115619045B (zh) | 一种河口潮差预报方法和系统 | |
CN109870146B (zh) | 一种气候变化情景下的洪水频率计算方法和装置 | |
Dars et al. | Assessing the impacts of climate change on future precipitation trends based on downscaled CMIP5 simulations data | |
CN114169590B (zh) | 一种基于多情景划分的水库入库径流预报校正方法和系统 | |
Tian et al. | Statistical modeling and dependence analysis for tide level via multivariate extreme value distribution method | |
CN112182864A (zh) | 一种基于氢原子钟漂移情况选择钟差预报的方法 | |
Koutsoyiannis | Advances in stochastics of hydroclimatic extremes | |
Chen et al. | Uncertainty analysis of hydrologic forecasts based on copulas | |
CN116011170A (zh) | 一种径流丰枯概率确定方法、装置、设备及可读存储介质 | |
Cui et al. | Quantify and reduce flood forecast uncertainty by the CHUP-BMA method | |
CN113159224B (zh) | 一种径流预报模型构建方法、装置、电子设备和介质 | |
JP7467315B2 (ja) | 水系運用計画方法および水系運用計画システム | |
CN116502891B (zh) | 一种雪旱动态风险的确定方法 |
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 |