CN111611692A - 气候变化情景下基于等可靠度的设计洪水推求方法及系统 - Google Patents

Abstract

本发明公开了一种气候变化情景下基于等可靠度的设计洪水推求方法及系统，属于水库防洪安全设计领域，基于全球气候模式输出与考虑气象变量相关性的两阶段偏差校正方法获取未来气候变化情景，驱动VIC分布式水文模型获取考虑气候变化影响下的径流情景，采用主成分分析法优选影响洪水特征的极端降雨指数作为协变量，考虑洪水序列的非一致性构建时变水文频率分析模型，基于等可靠度方法推求气候变化情景下洪水设计值组合，并采用最可能值作为最终设计值，并选取95％置信区间估算其不确定性。本发明能够充分考虑气候变化对洪水特征的影响，可为推求气候变化情景下的自适应设计洪水提供重要且可操作性强的参考依据。

Description

气候变化情景下基于等可靠度的设计洪水推求方法及系统

技术领域

本发明属于水库防洪安全设计技术领域，更具体地，涉及一种气候变化情景下基于等可靠度法的设计洪水推求方法及系统。

背景技术

设计洪水是确定水利水电工程建设规模及制定运行管理策略的重要依据，对指导水库运行调度和水资源综合规划利用具有重要意义。由于气候变化影响了水文循环过程，改变了不同时期水文极值(如洪水)的时空分布规律，如何推求气候变化情景下的自适应设计洪水成为当前的研究难点。

近年来，国内外关于该问题的研究主要分为两类。一类是基于一致性假定推求未来气候模式下的设计洪水，例如：授权号为ZL201610111489.9的发明专利公开了一种自适应气候变化的水库多变量设计洪水推求方法，该法基于Copula函数构建设计洪水峰量最可能组合法计算模型，并将未来气候变化情景下的水库预测径流资料作为输入，从而推求了水库在不同重现期水平下的多变量联合设计值。该方法假设未来径流的分布函数满足一致性要求，未能充分考虑气候变化对极值分布特征的影响。另一类是采用变参数模型推求非一致性设计洪水，例如：梁忠民等“基于等可靠度法的变化环境下工程水文设计值估计方法[J].水科学进展,2017，28(3):398-405”通过构建变参数频率分析模型并基于等可靠度方法推求了工程设计值。但是该方法以时间作为变参数模型的协变量，未充分挖掘水文事件的物理机制，而且只注重当前入库径流规律，不能适应未来径流模式下的设计洪水推求，在工程实践中难以推广使用。

在工程设计中，通过对实际发生洪水及气象要素的时空特性规律分析，通常发现极值降雨指标与洪水成因具有较大相关性，现阶段将降雨特征指标作为设计洪水时变参数模型解释变量的研究较少。气候变化下水文极值系列的一致性难以满足，现有技术未能充分考虑未来气候模式下的非一致性设计洪水。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种气候变化情景下基于等可靠度的设计洪水推求方法及系统，由此解决现有技术未能充分考虑未来气候模式下的非一致性设计洪水的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种气候变化情景下基于等可靠度的设计洪水推求方法，包括：

(1)基于M个全球气候模式GCMs预测未来降雨信息，并建立GCMs与可变下渗能力水文模型VIC的耦合模型，以预测M组不同气候模式下的未来水库径流过程；

(2)对预测得到的未来降雨信息进行统计分析，得到M组不同的极端降雨指数；基于年最大取样法，得到M组未来水库径流的年最大洪水系列；采用主成分分析法对不同的极端降雨指数与年最大洪水系列进行相关性分析，优选影响洪水特征的极端降雨指数；

(3)对优选的影响洪水特征的极端降雨指数和年最大洪水系列，建立对应的时变水文频率分析模型，并推求时变水文频率分析模型的各项参数；

(4)基于等可靠度法，建立气候变化情景下的水文设计值计算模型，根据选定的重现期T和工程设计寿命周期N年，基于时变水文频率分析模型，推求对应不同GCMs的设计洪水估计值；

(5)针对推求得到的M组不同GCMs的设计洪水估计值，采用最可能值作为目标设计洪水估计值，采用目标置信区间衡量目标设计洪水估计值的不确定性。

优选地，步骤(1)包括：

(1.1)采用分位数偏差校正方法对GCMs输出的日降水、日最高气温和日最低气温变量在各个分位数上的偏差进行校正；

(1.2)采用自由分布方法重建校正后的气温降水变量间的相关性关系，进而得到重建相关性之后的GCMs输出的未来降雨信息；

(1.3)通过降尺度方法处理重建相关性之后的GCMs的输出作为流域水文模型VIC的输入，模拟预测未来气候情景下流域的径流过程。

优选地，步骤(1.1)包括：

计算GCMs输出变量与观测气象变量在各个分位数上的差值，并将该差值在未来的GCMs输出未来情景的各分位数上去掉，得到未来校正后的GCMs气候预测，其中，由T_adj,d＝T_GCM,d+(T_obs,Q-T_GCM，ref,Q)对气温进行校正，由P_adj,d＝P_GCM,d×(P_obs,Q/P_GCM,ref,Q)对降水进行校正，其中，T_adj,d表示校正后的日气温，T_GCM,d表示GCM输出的日气温，T_obs,Q表示气温观测数据的分位数，T_GCM，ref,Q表示GCM输出的气温观测数据在历史参考期的分位数，P_adj,d表示校正后的日降水，P_GCM,d表示GCM输出的日降水，P_obs,Q表示降水观测数据的分位数，P_GCM,ref,Q表示GCM输出的降水观测数据在历史参考期的分位数。

优选地，步骤(1.2)包括：

计算GCMs输出数据的范德瓦尔登值，得到历史基准期GCMs输出数据的值矩阵[W_s,r]和未来时段GCMs输出数据的值矩阵[W_s,f]；

分别对观测数据和GCMs输出数据的变量间相关系数矩阵进行柯列斯基分解：

其中，[C_o,r]代表历史基准期观测数据的相关系数矩阵，[C_s,r]代表历史基准期GCMs输出数据的相关系数矩阵，[C_s,f]代表未来时段GCMs输出数据的相关系数矩阵，P_o,r为[C_o,r]分解后得到的三角矩阵，P_s,r为C_s,r分解后得到的三角矩阵，P_s,f为C_s,f分解后得到的三角矩阵；

通过

计算得到调整后的得分矩阵，通过调整GCMs输出数据顺序，以降水顺序为基准，调整气温顺序，使

和

一致，得到重建相关性之后的GCMs输出。

优选地，步骤(2)包括：

(2.1)初选极端降雨指数，其中，初选的极端降雨指数包括：极端降水总量R95p、极端降水日数R95N、最大连续五日降水量Rx5day、简单降水强度SDII、最长连续干天CDD和最长连续湿天CWD；

(2.2)基于主成分分析法优选极端降雨指数，对于每一个GCM模式得到的未来降雨和径流系列进行统计分析，均可以得到不同年份的初选极端降雨指数系列及年最大洪水系列；对这M组初选极端降雨指数系列和年最大洪水系列，采用主成分分析法得到因子载荷绝对值最大的极端降雨指数，作为最优极端降雨指数EPI。

优选地，步骤(3)包括：

(3.1)采用P-III线型作为洪水特征量的边缘分布函数，时变P-III分布函数的累计概率函数为：

其中，α(t),β(t),γ(t)分别表示P-III分布函数第t年的形状、尺度和位置参数；α(t),β(t),γ(t)均是随最优极端降雨指数EPI呈线性变化，即

其中α₀,α₁,β₀,β₁,γ₀,γ₁均为代求的常数，EPI(t)为第t年的最优极端降雨指数；

(3.2)以经验频率与理论频率的离差平方和最小为目标函数，采用模拟退火算法求解时变P-III分布函数的各项参数。

优选地，步骤(4)包括：

(4.1)假定工程的设计标准为防御T年一遇极值事件，工程设计寿命周期为N年，则在一致性条件下，对应于T年设计标准和N年工程使用寿命的水文设计可靠度为:

(4.2)在非一致性条件下，由时变P-III分布函数的累计概率函数，对于某一给定的阈值X_thr，未来第t年发生超过X_thr事件的概率为P(X＞X_thr)＝F(X_thr|α(t)，β(t)，γ(t))；不超过X_thr的概率为1-F(X_thr|α(t)，β(t)，γ(t))，故N年生命周期的水文设计可靠度为

为了保证在平稳和变化环境下，工程在设计寿命期内具有同等的水文设计可靠度，令R_ns＝R_s，即

采用数值算法求解阈值X_thr，则求解出的阈值X_thr即为非一致性条件下的水文设计值。

优选地，在选定设计标准T和N后，能够采用牛顿下山法、牛顿迭代法或二分法求解阈值X_thr。

按照本发明的另一个方面，提供了一种气候变化情景下基于等可靠度的设计洪水推求系统，包括：

气候情景生成模块，用于基于M个全球气候模式GCMs预测未来降雨信息，并建立GCMs与可变下渗能力水文模型VIC的耦合模型，以预测M组不同气候模式下的未来水库径流过程；对预测得到的未来降雨信息进行统计分析，得到M组不同的极端降雨指数；基于年最大取样法，得到M组未来水库径流的年最大洪水系列；采用主成分分析法对不同的极端降雨指数与年最大洪水系列进行相关性分析，优选影响洪水特征的极端降雨指数；

水文模拟模块，用于对优选的影响洪水特征的极端降雨指数和年最大洪水系列，建立对应的时变水文频率分析模型，并推求时变水文频率分析模型的各项参数；

时变水文频率分析模块，用于基于等可靠度法，建立气候变化情景下的水文设计值计算模型，根据选定的重现期T和工程设计寿命周期N年，基于时变水文频率分析模型，推求对应不同GCMs的设计洪水估计值；针对推求得到的M组不同GCMs的设计洪水估计值，采用最可能值作为目标设计洪水估计值，采用目标置信区间衡量目标设计洪水估计值的不确定性。

按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现如上述任一所述的气候变化情景下基于等可靠度的设计洪水推求方法。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

1、科学合理、贴近工程实际；

本发明充分考虑水文系列的非一致性特征，采用极端降雨指数作为协变量建立时变的水文频率分析模型，并基于等可靠度法推求了给定设计标准条件下的设计值；

2、考虑未来径流规律，可为气候变化条件下水库推求非一致性设计洪水提供重要且可操作性强的参考依据。

附图说明

图1是本发明实施例提供的一种方法流程示意图；

图2是本发明实施例提供的一种某一气候模式对应的给定设计重现期下设计值随工程寿命变化的示意图；

图3是本发明实施例提供的一种系统结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明公开了一种气候变化情景下基于等可靠度的设计洪水推求方法及系统，通过M个全球气候模式集合(Global Climate Models，GCMs)模拟得到未来降雨与径流序列，通过主成分分析法得到影响洪水成因的最优极端降雨指数，然后构造洪水特征量的时变分布函数F(x|α(t),β(t),γ(t))，采用模拟退火算法求解该时变分布函数的参数值，然后基于等可靠度法，在选定设计标准T和N后，推求对应于M个不同GCMs的设计洪水估计值，选取最可能值作为设计洪水值，并采用90％置信区间衡量设计洪水估计的不确定性。

本发明基于全球气候模式集合(GCMs)，通过多变量偏差校正方法预测未来降雨信息，并建立GCMs与可变下渗能力水文模型(VariableInfiltration Capacity，VIC)的耦合模型，获取未来气候变化情景下的预测径流信息，建立时变水文频率分析模型，并考虑等可靠度方法，提供气候变化情景下基于等可靠度法的设计洪水推求方法。

如图1所示是本发明实施例提供的一种方法流程示意图，在图1所示的方法中，包括以下步骤：

步骤S1：基于M个全球气候模式(GCMs)，通过统计降尺度方法预测未来降雨过程，并建立GCMs与可变下渗能力水文模型VIC的耦合模型，以预测M组不同气候模式下的未来径流过程；

统计降尺度是指通过建立大尺度气候模式输出变量与小尺度气象要素之间的统计关系，产生站点或流域尺度气候变化情景的过程，是开展站点或流域尺度气候变化影响评估的重要技术环节。在本发明实施例中，将统计降尺度方法应用于全球气候模式GCMs，模拟预测不同网格或站点的未来降水过程，再通过泰森多边形方法求得流域面降雨系列。

作为一种优选的实施方式，本实施例采用的统计降尺度方法为多变量偏差校正方法，具体为：

S1.1：采用分位数偏差校正方法(Quantile Mapping)对GCMs输出的日降水、日最高气温和最低气温变量在各个分位数上的偏差进行校正。具体为计算GCMs输出变量与观测气象变量在各个分位数(0.01-0.99)上的差值，并将该差值在未来的GCMs输出的各分位数上去掉，得到未来修正后的GCMs气候预测。

其中，对气温和降水的校正分别如下：

T_adj,d＝T_GCM,d+(T_obs,Q-T_GCM，ref,Q)

P_adj,d＝P_GCM,d×(P_obs,Q/P_GCM,ref,Q)

式中，T和P分别代表气温和降水，adj代表校正后序列，obs代表观测数据，ref和fut分别代表历史参考期和未来预测期，d代表日数据，Q代表各分位数，T_adj,d表示校正后的日气温，T_GCM,d表示GCM输出的日气温，T_obs,Q表示气温观测数据的分位数，T_GCM，ref,Q表示GCM输出的气温观测数据在历史参考期的分位数，P_adj,d表示校正后的日降水，P_GCM,d表示GCM输出的日降水，P_obs,Q表示降水观测数据的分位数，P_GCM,ref,Q表示GCM输出的降水观测数据在历史参考期的分位数；

S1.2：重建子步骤S1.1修正后的气温降水变量间的相关性关系；

由于研究资料发现GCMs输出不仅在单变量分位数上存在一定偏差，在各变量之间的相关性结构上同样存在模拟偏差，该技术采用自由分布(Distribution-free)方法对步骤S1.1得到数据的变量间相关性进行重建。首先计算步骤S1.1校正后的GCMs输出数据的范德瓦尔登值，得到历史基准期GCMs输出数据和未来时段GCMs输出数据的值矩阵[W_s,r]与[W_s,f]，其中，下标s代表模拟数据，r为历史基准期，f为未来时段，然后分别对观测数据和GCMs输出数据(包括历史和未来)的变量间相关系数矩阵进行柯列斯基分解：

式中，下标o为观测数据，[C_o,r]代表历史基准期观测数据的相关系数矩阵，[C_s,r]代表历史基准期GCMs输出数据的相关系数矩阵，[C_s,f]未来时段GCMs输出数据的相关系数矩阵，P_o,r为[C_o,r]分解后得到的三角矩阵，P_s,r为C_s,r分解后得到的三角矩阵，P_s,f为C_s,f分解后得到的三角矩阵，之后通过

和

计算得到调整后的得分矩阵。为了保持降水这一影响径流模拟的关键输入变量，以步骤S1.1所得降水顺序为基准，对重建后的降水气温组合进行整体调整(调整校正后的气温序列顺序)，使

与

一致，即可得到重建相关性之后的GCMs校正数据。

相对于集总式水文模型，分布式水文模型可以将土壤、植被的空间分布、土地利用的区域特征以及降水、蒸发和径流的空间分布较好的反映出来，并将其建立在网格点上，更适合与GCMs耦合。在本发明实施例中，通过降尺度方法处理GCMs的输出(如降水和气温)作为流域水文模型VIC的输入，模拟预测未来气候情景下流域的径流过程。

进一步地，由于单一GCM模型具有较大的不确定性，本发明采用M个全球气候模式(GCMs)与VIC模型耦合，于是在给定的气候情景下，可以得到M组预测降雨、径流系列。

步骤S2：对步骤S1得到的未来降雨系列进行统计分析，得到M组不同的极端降雨指数；基于年最大取样法，得到M组未来径流的年最大洪水系列；采用主成分分析法对不同的极端降雨指数与年最大洪水系列进行相关性分析，优选影响洪水特征的极端降雨指数；

在本发明实施例中，步骤S2可以通过以下方法实现：

S2.1：初选极端降雨指数。定义与极端事件相关的代用气候指数，通过分析这些气候指数的变化特征来反映极端事件的变化情况，是分析研究极端气候事件演变规律的常用方法，通常极值降水指标应该包括三个方面的特性：量级、强度和持续性。本实施例初选的极端降雨指数包括：极端降水总量(R95p)、极端降水日数(R95N)、最大连续五日降水量(Rx5day)、简单降水强度(SDII)、最长连续干天(CDD)和最长连续湿天(CWD)；

S2.2：基于主成分分析法优选极端降雨指数。对于每一个GCM模式得到的未来降雨、径流系列进行统计分析，均可以得到不同年份的初选极端降雨指数系列及年最大洪水系列；对这M组初选极端降雨指数和年最大洪水系列，采用主成分分析法得到因子载荷绝对值最大的极端降雨指数，本发明称为最优极端降雨指数(记为EPI)。

进一步地，本实施例中采用流域面降雨系列计算极端降雨指数。

步骤S3：对步骤S2优选的极端降雨指数和年最大洪水系列，建立对应的时变水文频率分析模型，采用模拟退火算法推求该模型的各项参数；

在本发明实施例中，步骤S3可以通过以下方法实现：

S3.1：构建时变模型。令x表示洪水特征量的值，采用中国规范推荐的P-III线型作为洪水特征量的边缘分布函数，时变P-III分布函数的累计概率函数为：

式中，α(t),β(t),γ(t)分别表示P-III分布函数第t年的形状、尺度和位置参数。

在时变参数模型(1)中，α(t),β(t),γ(t)均是随最优极端降雨指数(EPI)呈线性变化，即

式中，α₀,α₁,β₀,β₁,γ₀,γ₁均为代求的常数，EPI(t)为第t年的最优极端降雨指数。

S3.2：以经验频率与理论频率的离差平方和最小为目标函数，采用模拟退火算法求解时变分布函数的各项参数。

在本发明实施例中，模拟退火算法为本领域常规技术，它的基本思想来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。

步骤S4：基于等可靠度法，建立气候变化情景下的水文设计值计算模型，选定的重现期T和工程设计寿命周期N年，推求对应不同GCMs的设计洪水值。

在本发明实施例中，步骤S4可以通过以下方法实现：

S4.1：推求工程的设计可靠度。假定工程的设计标准为防御T年一遇极值事件，工程设计寿命周期为N年，则在一致性条件下，对应于T年设计标准和N年工程使用寿命的水文设计可靠度为：

S4.2：推求N年生命周期的水文设计可靠度。在非一致性条件下，由式(1)，对于某一给定的阈值X_thr，未来第t年发生超过X_thr事件的概率为：

P(X＞X_thr)＝F(X_thr|α(t)，β(t)，γ(t)) (4)

不超过X_thr的概率为1-F(X_thr|α(t)，β(t)，γ(t))，故N年生命周期的水文设计可靠度为

为了保证在平稳和变化环境下，工程在设计寿命期内具有同等的水文设计可靠度，令R_ns＝R_s，即：

采用数值算法求解式(6)中的阈值X_thr，则该值即为非一致性条件下的水文设计值。

进一步地，在选定设计标准T和N后，可以采用牛顿下山法、牛顿迭代法或二分法求解式(6)。

如图2所示，给出了在某一个气候模型下，对应的给定设计重现期条件下设计值随工程寿命变化情况。

进一步地，选定设计标准T和N，针对M个气候模型的未来径流系列，分别构建不同的时变水文频率分析模型，故可以得到相应的M组设计洪水估计值。

步骤S5：针对步骤S4得到的M组设计洪水估计值，采用最可能值作为目标设计洪水值，采用目标置信区间衡量设计目标洪水估计的不确定性。

在本发明实施例中，目标置信区间可以根据需要确定，本实施例优选90％置信区间衡量设计洪水估计的不确定性。

进一步地，最可能值即是M组设计洪水值的众数。

本实施例的计算思路为：通过全球气候集合模型(GCMs)模拟与偏差校正方法相结合得到未来降雨序列，通过水文模型得到未来径流序列，通过主成分分析法得到影响洪水成因的最优极端降雨指数，然后构造洪水特征量的时变分布函数F(x|α(t),β(t),γ(t))，采用模拟退火算法求解该时变分布函数的参数值，然后基于等可靠度法，在在选定设计标准T和N后，推求对应于M个不同GCMs的设计洪水估计值，选取最可能值(众数)作为设计洪水值，并采用90％置信区间衡量设计洪水估计的不确定性。

如图3所示是本发明实施例提供的一种系统结构示意图，包括：

气候情景生成模块301，用于基于M个全球气候模式GCMs预测未来降雨信息，并建立GCMs与可变下渗能力水文模型VIC的耦合模型，以预测M组不同气候模式下的未来水库径流过程；对预测得到的未来降雨信息进行统计分析，得到M组不同的极端降雨指数；基于年最大取样法，得到M组未来水库径流的年最大洪水系列；采用主成分分析法对不同的极端降雨指数与年最大洪水系列进行相关性分析，优选影响洪水特征的极端降雨指数；

水文模拟模块302，用于对优选的影响洪水特征的极端降雨指数和年最大洪水系列，建立对应的时变水文频率分析模型，并推求时变水文频率分析模型的各项参数；

时变水文频率分析模块303，用于基于等可靠度法，建立气候变化情景下的水文设计值计算模型，根据选定的重现期T和工程设计寿命周期N年，基于时变水文频率分析模型，推求对应不同GCMs的设计洪水估计值；用于针对推求得到的M组不同GCMs的设计洪水估计值，采用最可能值作为目标设计洪水估计值，采用目标置信区间衡量目标设计洪水估计值的不确定性。

在本发明实施例中，各模块的具体实施方式可以参考上述方法实施例的描述，本发明实施例将不再复述。

在本发明的另一实施例中，还提供了一种计算机可读存储介质，其上存储有程序指令，该程序指令被处理器执行时实现如上述的气候变化情景下基于等可靠度的设计洪水推求方法。

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

上述根据本发明的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的处理方法。此外，当通用计算机访问用于实现在此示出的处理的代码时，代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种气候变化情景下基于等可靠度的设计洪水推求方法，其特征在于，包括：

(1)基于M个全球气候模式GCMs预测未来降雨信息，并建立GCMs与可变下渗能力水文模型VIC的耦合模型，以预测M组不同气候模式下的未来水库径流过程；

(2)对预测得到的未来降雨信息进行统计分析，得到M组不同的极端降雨指数；基于年最大取样法，得到M组未来水库径流的年最大洪水系列；采用主成分分析法对不同的极端降雨指数与年最大洪水系列进行相关性分析，优选影响洪水特征的极端降雨指数；

(3)对优选的影响洪水特征的极端降雨指数和年最大洪水系列，建立对应的时变水文频率分析模型，并推求时变水文频率分析模型的各项参数；

(4)基于等可靠度法，建立气候变化情景下的水文设计值计算模型，根据选定的重现期T和工程设计寿命周期N年，基于时变水文频率分析模型，推求对应不同GCMs的设计洪水估计值；

(5)针对推求得到的M组不同GCMs的设计洪水估计值，采用最可能值作为目标设计洪水估计值，采用目标置信区间衡量目标设计洪水估计值的不确定性。

2.根据权利要求1所述的方法，其特征在于，步骤(1)包括：

(1.1)采用分位数偏差校正方法对GCMs输出的日降水、日最高气温和日最低气温变量在各个分位数上的偏差进行校正；

(1.2)采用自由分布方法重建校正后的气温降水变量间的相关性关系，进而得到重建相关性之后的GCMs输出的未来降雨信息；

(1.3)通过降尺度方法处理重建相关性之后的GCMs的输出作为流域水文模型VIC的输入，模拟预测未来气候情景下流域的径流过程。

3.根据权利要求2所述的方法，其特征在于，步骤(1.1)包括：

计算GCMs输出变量与观测气象变量在各个分位数上的差值，并将该差值在未来的GCMs输出未来情景的各分位数上去掉，得到未来校正后的GCMs气候预测，其中，由T_adj,d＝T_GCM,d+(T_obs,Q-T_GCM，ref,Q)对气温进行校正，由P_adj,d＝P_GCM,d×(P_obs,Q/P_GCM,ref,Q)对降水进行校正，其中，T_adj,d表示校正后的日气温，T_GCM,d表示GCM输出的日气温，T_obs,Q表示气温观测数据的分位数，T_GCM，ref,Q表示GCM输出的气温观测数据在历史参考期的分位数，P_adj,d表示校正后的日降水，P_GCM,d表示GCM输出的日降水，P_obs,Q表示降水观测数据的分位数，P_GCM,ref,Q表示GCM输出的降水观测数据在历史参考期的分位数。

4.根据权利要求2或3所述的方法，其特征在于，步骤(1.2)包括：

计算校正后的GCMs输出数据的范德瓦尔登值，得到历史基准期GCMs输出数据的值矩阵[W_s,r]和未来时段GCMs输出数据的值矩阵[W_s,f]；

分别对观测数据和GCMs输出数据的变量间相关系数矩阵进行柯列斯基分解：

其中，[C_o,r]代表历史基准期观测数据的相关系数矩阵，[C_s,r]代表历史基准期GCMs输出数据的相关系数矩阵，[C_s,f]代表未来时段GCMs输出数据的相关系数矩阵，P_o,r为[C_o,r]分解后得到的三角矩阵，P_s,r为C_s,r分解后得到的三角矩阵，P_s,f为C_s,f分解后得到的三角矩阵；

通过

和

计算得到调整后的得分矩阵，通过调整校正后的GCMs输出数据的顺序，以降水顺序为基准，调整气温顺序，使

和

一致，得到重建相关性之后的GCMs输出。

5.根据权利要求4所述的方法，其特征在于，步骤(2)包括：

(2.1)初选极端降雨指数，其中，初选的极端降雨指数包括：极端降水总量R95p、极端降水日数R95N、最大连续五日降水量Rx5day、简单降水强度SDII、最长连续干天CDD和最长连续湿天CWD；

(2.2)基于主成分分析法优选极端降雨指数，对于每一个GCM模式得到的未来降雨和径流系列进行统计分析，均可以得到不同年份的初选极端降雨指数系列及年最大洪水系列；对这M组初选极端降雨指数系列和年最大洪水系列，采用主成分分析法得到因子载荷绝对值最大的极端降雨指数，作为最优极端降雨指数EPI。

6.根据权利要求5所述的方法，其特征在于，步骤(3)包括：

(3.1)采用P-III线型作为洪水特征量的边缘分布函数，时变P-III分布函数的累计概率函数为：

其中，α(t),β(t),γ(t)分别表示P-III分布函数第t年的形状、尺度和位置参数；α(t),β(t),γ(t)均是随最优极端降雨指数EPI呈线性变化，即

其中α₀,α₁,β₀,β₁,γ₀,γ₁均为代求的常数，EPI(t)为第t年的最优极端降雨指数；

(3.2)以经验频率与理论频率的离差平方和最小为目标函数，采用模拟退火算法求解时变P-III分布函数的各项参数。

7.根据权利要求6所述的方法，其特征在于，步骤(4)包括：

(4.1)假定工程的设计标准为防御T年一遇极值事件，工程设计寿命周期为N年，则在一致性条件下，对应于T年设计标准和N年工程使用寿命的水文设计可靠度为:

(4.2)在非一致性条件下，由时变P-III分布函数的累计概率函数，对于某一给定的阈值X_thr，未来第t年发生超过X_thr事件的概率为P(X＞X_thr)＝F(X_thr|α(t)，β(t)，γ(t))；不超过X_thr的概率为1-F(X_thr|α(t)，β(t)，γ(t))，故N年生命周期的水文设计可靠度为

为了保证在平稳和变化环境下，工程在设计寿命期内具有同等的水文设计可靠度，令R_ns＝R_s，即

采用数值算法求解阈值X_thr，则求解出的阈值X_thr即为非一致性条件下的水文设计值。

8.根据权利要求7所述的方法，其特征在于，在选定设计标准T和N后，能够采用牛顿下山法、牛顿迭代法或二分法求解阈值X_thr。

9.一种气候变化情景下基于等可靠度的设计洪水推求系统，其特征在于，包括：

气候情景生成模块，用于基于M个全球气候模式GCMs预测未来降雨信息，并建立GCMs与可变下渗能力水文模型VIC的耦合模型，以预测M组不同气候模式下的未来水库径流过程；对预测得到的未来降雨信息进行统计分析，得到M组不同的极端降雨指数；基于年最大取样法，得到M组未来水库径流的年最大洪水系列；采用主成分分析法对不同的极端降雨指数与年最大洪水系列进行相关性分析，优选影响洪水特征的极端降雨指数；

水文模拟模块，用于对优选的影响洪水特征的极端降雨指数和年最大洪水系列，建立对应的时变水文频率分析模型，并推求时变水文频率分析模型的各项参数；

时变水文频率分析模块，用于基于等可靠度法，建立气候变化情景下的水文设计值计算模型，根据选定的重现期T和工程设计寿命周期N年，基于时变水文频率分析模型，推求对应不同GCMs的设计洪水估计值；针对推求得到的M组不同GCMs的设计洪水估计值，采用最可能值作为目标设计洪水估计值，采用目标置信区间衡量目标设计洪水估计值的不确定性。

10.一种计算机可读存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现如权利要求1至8任一所述的气候变化情景下基于等可靠度的设计洪水推求方法。

Images