CN112861325B - 水排放系统的设计方法、装置、电子设备及存储介质 - Google Patents

水排放系统的设计方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112861325B
CN112861325B CN202110077619.2A CN202110077619A CN112861325B CN 112861325 B CN112861325 B CN 112861325B CN 202110077619 A CN202110077619 A CN 202110077619A CN 112861325 B CN112861325 B CN 112861325B
Authority
CN
China
Prior art keywords
precipitation
drainage
sequence
maximum
design
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
CN202110077619.2A
Other languages
English (en)
Other versions
CN112861325A (zh
Inventor
钟逸轩
易灵
廖小龙
侯贵兵
李媛媛
吴乐平
薛娇
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.)
China Water Resources Pearl River Planning Surverying & Designing Co ltd
Original Assignee
China Water Resources Pearl River Planning Surverying & Designing Co ltd
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 China Water Resources Pearl River Planning Surverying & Designing Co ltd filed Critical China Water Resources Pearl River Planning Surverying & Designing Co ltd
Priority to CN202110077619.2A priority Critical patent/CN112861325B/zh
Publication of CN112861325A publication Critical patent/CN112861325A/zh
Application granted granted Critical
Publication of CN112861325B publication Critical patent/CN112861325B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种水排放系统的设计方法、装置、电子设备及存储介质。所述水排放系统的设计方法包括：基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列；确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势，并且根据所述降水量变化趋势确定校正降水量序列；基于所述校正降水量序列，确定所述水排放系统的设计降水量；基于所述设计降水量对所述水排放系统进行设计。根据本申请的水排放系统的设计方法、装置、电子设备及存储介质可以在考虑气候变化的因素的情况下设计水排放系统。

Description

水排放系统的设计方法、装置、电子设备及存储介质
技术领域
本申请涉及排水排涝技术领域，具体地涉及城市防洪排涝技术领域，尤其是涉及一种水排放系统的设计方法、装置、电子设备及存储介质。
背景技术
近来，随着全球气候变化和地区“雨岛”、“热岛效应”所带来的局部小气候改变，导致内涝灾害风险显著上升。在这种情况下，排水排涝系统的设计尤为重要，其直接决定了内涝防御标准以及排水排涝系统规模。
然而，目前的排水排涝系统存在着明显问题：一方面，由于排水系统和排涝系统二者分属不同的管理部门进行规划和管理，并且分别具有各自的设计规范和设计要求，这导致两套系统的设计可能存在不衔接、不适应的情况，进而导致地区排水排涝能力无法达到预期设计值或造成工程投资浪费；另一方面，用于现有的排水排涝系统在设计系统建设规模的降水数据时未考虑气候变化因素，因此，随着地区局部暴雨事件频率强度逐渐增大，实施后的排水排涝系统的内涝防御能力可能无法满足需求。
因此，在现有的排水排涝系统设计过程中，未能考虑气候变化因素对排水排涝系统进行设计，并且也未能意识到在考虑气候变化导致设计水平年的潜在内涝灾害风险的同时解决排水系统和排涝系统的设计分别制定而造成的不协调、不衔接问题。
发明内容
如上所述，现有的排水排涝系统设计未能考虑气候变化因素对排水排涝系统设计的影响且未能意识到解决排水系统和排涝系统的设计分别制定所造成的不协调、不衔接问题，鉴于此情况，本申请提供一种水排放系统的设计方法、装置、电子设备及存储介质。
本申请的第一方面提供一种水排放系统的设计方法。所述水排放系统的设计方法包括：基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列；确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势，并且根据所述降水量变化趋势确定校正降水量序列；基于所述校正降水量序列，确定所述水排放系统的设计降水量；基于所述设计降水量对所述水排放系统进行设计。
在一些实施例中，所述水排放系统可以包括排水系统和排涝系统，所述最大降水量序列可以包括用于所述排涝系统的24小时累积最大降水量序列和用于所述排水系统的1小时累积最大降水量序列，其中，所述24小时累积最大降水量序列和所述1小时累积最大降水量序列可以通过以下方式获取：比较所述排水系统和所述排涝系统的设计优先级；当所述排水系统的设计优先级高于所述排涝系统的设计优先级时，从所述降水量数据中选取所述历史预定时间段内的每年的1小时累积最大降水量，按照年份排序形成1小时累积最大降水量序列，并且从所述降水量数据中获取每年的包括所述1小时累积最大降水量在内的24小时累积最大降水量，将获取到的所述24小时累积最大降水量按照年份排序形成24小时累积最大降水量序列；当所述排涝系统的设计优先级高于所述排水系统的设计优先级时，从所述降水量数据中选取所述历史预定时间段内的每年的24小时累积最大降水量，按照年份排序形成24小时累积最大降水量序列，并且从所述降水量数据中获取每年的与所述24小时累积最大降水量对应的24小时内的1小时累积最大降水量，将获取到的所述1小时累积最大降水量按照年份排序形成1小时累积最大降水量序列。
在一些实施例中，确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势并且根据所述降水量变化趋势确定校正降水量序列的步骤可以包括：通过对所述最大降水量序列进行非一致性检验来确定所述降水量变化趋势；当所述最大降水量序列在预定置信水平下呈现上升或下降趋势时，根据所述降水量变化趋势校正所述最大降水量序列，并将校正后的最大降水量序列作为所述校正降水量序列；当所述最大降水量序列在所述预定置信水平下不存在上升或下降趋势时，将所述最大降水量序列作为所述校正降水量序列。
在一些实施例中，所述水排放系统可以包括排水系统和排涝系统，所述校正降水量序列可以包括排水降水量序列和排涝降水量序列，所述设计降水量可以包括所述排水系统的设计降水量和所述排涝系统的设计降水量，其中，所述排水系统的设计降水量和所述排涝系统的设计降水量可以通过以下方式确定：分别对所述排水降水量序列和所述排涝降水量序列进行分布拟合，获得所述排水降水量序列的排水边缘概率分布函数和所述排涝降水量序列的排涝边缘概率分布函数；根据所述排水边缘概率分布函数和所述排涝边缘概率分布函数确定所述排水系统的设计降水量和所述排涝系统的设计降水量。
在一些实施例中，根据所述排水边缘概率分布函数和所述排涝边缘概率分布函数确定所述排水系统的设计降水量和所述排涝系统的设计降水量的步骤可以包括：基于所述排水边缘概率分布函数和所述排涝边缘概率分布函数，建立关于所述排水降水量序列和所述排涝降水量序列的联合概率分布函数；比较所述排水系统和所述排涝系统的设计优先级；当所述排水系统的设计优先级高于所述排涝系统的设计优先级时，根据预定的排水重现期和所述排水边缘概率分布函数确定所述排水系统的设计降水量，并根据所述联合概率分布函数的联合概率密度函数和所述排涝边缘概率分布函数的排涝边缘概率密度函数确定排涝条件概率密度函数，将使得所述排涝条件概率密度函数具有最大值的解作为所述排涝系统的设计降水量；当所述排涝系统的设计优先级高于所述排水系统的设计优先级时，根据预定的排涝重现期和所述排涝边缘概率分布函数确定所述排涝系统的设计降水量，并根据所述联合概率分布函数的联合概率密度函数和所述排水边缘概率分布函数的排水边缘概率密度函数确定排水条件概率密度函数，将使得所述排水条件概率密度函数具有最大值的解作为所述排水系统的设计降水量。
本申请的第二方面提供一种水排放系统的设计装置。所述水排放系统的设计装置包括：最大降水量确定单元，基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列；处理单元，确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势，并且根据所述降水量变化趋势确定校正降水量序列；设计降水量确定单元，基于所述校正降水量序列，确定所述水排放系统的设计降水量；设计单元，基于所述设计降水量对所述水排放系统进行设计。
在一些实施例中，所述水排放系统可以包括排水系统和排涝系统，所述最大降水量序列可以包括用于排涝系统的24小时累积最大降水量序列和用于排水系统的1小时累积最大降水量序列，所述最大降水量确定单元可以通过以下方式获取所述24小时累积最大降水量序列和所述1小时累积最大降水量序列：所述最大降水量确定单元比较所述排水系统和所述排涝系统的设计优先级；当所述排水系统的设计优先级高于所述排涝系统的设计优先级时，所述最大降水量确定单元从所述降水量数据中选取所述历史预定时间段内的每年的1小时累积最大降水量，按照年份排序形成1小时累积最大降水量序列，并且从所述降水量数据中获取每年的包括所述1小时累积最大降水量在内的24小时累积最大降水量，将获取到的所述24小时累积最大降水量按照年份排序形成24小时累积最大降水量序列；当所述排涝系统的设计优先级高于所述排水系统的设计优先级时，所述最大降水量确定单元从所述降水量数据中选取所述历史预定时间段内的每年的24小时累积最大降水量，按照年份排序形成24小时累积最大降水量序列，并且从所述降水量数据中获取每年的与所述24小时累积最大降水量对应的24小时内的1小时累积最大降水量，将获取到的所述1小时累积最大降水量按照年份排序形成1小时累积最大降水量序列。
在一些实施例中，所述处理单元可以通过对所述最大降水量序列进行非一致性检验来确定所述降水量变化趋势；当所述最大降水量序列在预定置信水平下呈现上升或下降趋势时，所述处理单元可以根据所述降水量变化趋势校正所述最大降水量序列，并将校正后的最大降水量序列作为所述校正降水量序列；当所述最大降水量序列在所述预定置信水平下不存在上升或下降趋势时，所述处理单元可以将所述最大降水量序列作为所述校正降水量序列。
本申请的第三方面提供一种电子设备。所述电子设备包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现根据上面所述的水排放系统的设计方法。
本申请的第四方面提供一种存储有计算机程序的计算机可读存储介质。当所述计算机程序被处理器执行时实现根据上面所述的水排放系统的设计方法。
根据本申请的水排放系统的设计方法、装置、电子设备及存储介质，可以通过考虑气候变化的因素来进行水排放系统的设计，并且进一步地，能够在考虑气候变化导致设计水平年的潜在内涝灾害风险的同时解决排水系统和排涝系统的设计分别制定而造成的不协调、不衔接问题。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请的实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了根据本申请的示例性实施例的水排放系统的设计方法的流程图；
图2示出了根据本申请的示例性实施例的确定设计降水量的步骤的示意图；
图3示出了根据本申请的示例性实施例的最大降水量序列的非一致性检验的示意图；
图4示出了根据本申请的示例性实施例的水排放系统的设计装置的示意框图。
具体实施方式
下面将结合附图对本申请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申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，本申请的实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其他的特征。
为了使得本领域技术人员能够使用本申请的内容，将结合特定应用场景“城市水排放系统/城市排水排涝系统”，给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕城市水排放系统/城市排水排涝系统进行描述，但是应该理解，这仅是一个示例性实施例。
本申请的一个方面涉及一种水排放系统的设计方法。该方法可以通过考虑气候变化的因素来进行水排放系统的设计，并且进一步地，能够在考虑气候变化导致设计水平年的潜在内涝灾害风险的同时解决排水系统和排涝系统的设计分别制定而造成的不协调、不衔接问题。
图1示出了根据本申请的示例性实施例的水排放系统的设计方法的流程图。
如图1所示，根据本申请的水排放系统的设计方法可以包括：S1：基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列；S2：确定最大降水量序列在该历史预定时间段内的降水量变化趋势，并且根据降水量变化趋势确定校正降水量序列；S3：基于校正降水量序列，确定水排放系统的设计降水量；S4：基于设计降水量对水排放系统进行设计。
具体来说，在步骤S1中，可以收集目标区域在过去一段时间内的降水量数据。这里，目标区域可以是将要应用水排放系统的地区。
以城市排水排涝设计为例，可以收集目标城市范围内的各个降水站的降水观测资料，并且从该降水观测资料中提取降水量数据。优选地，降水观测资料可以为连续观测的小时降水量数据，例如，可以选取大于20年的降水量数据。
在获取降水量数据后，可以基于降水量数据确定最大降水量序列，例如可以从降水量数据中按照时间序列以预定时间间隔提取最大降水量序列。作为示例，可以从降水量数据确定地区的面雨量数据，然后从面雨量数据中提取面雨量的最大降水量序列。这里，可以采用算数平均法、泰森多边形法、等值线法、格点法、逐步订正格点法、三角形法或权重系数法等方法将降水量数据转化为面雨量数据。然而，这里，面雨量仅是一个示例，也可以根据实际需要以其他降水量参量作为研究对象。
作为示例，本申请的水排放系统可以包括排水系统和排涝系统，最大降水量序列可以包括24小时累积最大降水量序列和1小时累积最大降水量序列。在城市水排放系统的示例中，根据城市排水系统和排涝系统的特性区别，优选地，24小时累积最大降水量序列可以用于确定排涝系统设计标准，1小时累积最大降水量序列可以用于确定排水系统设计标准。
具体来说，可以获取24小时累积最大降水量序列和1小时累积最大降水量序列。作为示例，为了能够协调水排放系统中的排水系统和排涝系统的设计，可以根据排水排涝系统设计的实际需求确定排水系统和排涝系统的设计优先级，从而可以基于排水系统和排涝系统的优先级来确定用于排涝系统的24小时累积最大降水量序列和用于排水系统的1小时累积最大降水量序列。
具体来说，当以排水系统作为设计主导时，可优先保证排水系统的功能，在这种情况下，排水系统的设计优先级高于排涝系统的设计优先级。如此，可以例如采用年最大值法从降水量数据(例如，上面提到的面雨量数据)中选取历史预定时间段(例如，多个历史年份)内的每年的1小时累积最大降水量，按照年份排序形成1小时累积最大降水量序列P排水＝{P1h，1,P1h,2,...P1h,j,...,P1h,m}，其中，P1h,j为第j年的1小时累积最大降水量，m为降雨量数据采样的总年数。然后，可以从降水量数据中获取每年的包括1小时累积最大降水量在内的24小时累积最大降水量，例如对于降水量数据中的第j年的数据样本，可以选取包含P1h,j在内的24小时累积最大降水量，从而将获取到的24小时累积最大降水量按照年份排序形成24小时累积最大降水量序列P排涝＝{P24h，1,P24h,2,...P24h,j,...,P24h,m}，其中，P24h,j为第j年的包含P1h,j的24小时累积最大降水量。
当以排涝系统作为设计主导时，可优先保证排涝系统的功能，在这种情况下，排涝系统的设计优先级高于排水系统的设计优先级。如此，可以例如采用年最大值法从降水量数据中选取历史预定时间段(例如，多个历史年份)内的每年的24小时累积最大降水量，按照年份排序形成24小时累积最大降水量序列P排涝＝{P24h，1,P24h,2,...P24h,k,...,P24h,m}，其中，P24h,j为第k年的24小时累积最大降水量，m为降雨量数据采样的总年数。然后，可以从降水量数据中采集每年的与24小时累积最大降水量对应的24小时内的1小时累积最大降水量，例如对于降水量数据中的第k年的数据样本，可以选取组成P24h,j的24个小时降水量中的1小时累积最大降水量，从而按照年份排序形成1小时累积最大降水量序列P排水＝{P1h，1,P1h,2,...P1h,k,...,P1h,m}，其中，P1h,k为第k年的1小时累积最大降水量。
以上虽然优选地给出了水排放系统包括排水系统和排涝系统的实施例，并且优选地给出了根据排水系统和排涝系统中的一者的最大降水量相关联地确定另一者的最大降水量以优化水排放系统的协调设计，但是根据本申请的水排放系统也可仅包括排水系统或排涝系统，在此情况下，排水系统或排涝系统的最大降水量序列可以单独确定，例如，可根据诸如年最大值法等方法确定1小时累积最大降水量序列，以用于确定排水系统设计标准；可根据诸如年最大值法等方法确定24小时累积最大降水量序列，以用于确定排涝系统设计标准。
此外，除了上面提到的1小时累积最大降水量序列和24小时累积最大降水量序列，排水系统和排涝系统也可根据实际需要选用其他最大降水量序列来设计，只要所确定的最大降水量序列能够表征在历史预定时间段内目标区域的降水特征且满足相应系统的实际功能需求即可。
接着，在获得最大降水量序列后，可以通过对最大降水量序列进行非一致性检验来确定降水量变化趋势。
具体来说，当最大降水量序列在预定置信水平下呈现上升或下降趋势时，可以根据降水量变化趋势校正最大降水量序列，并将校正后的最大降水量序列作为校正降水量序列；当最大降水量序列在预定置信水平下不存在上升或下降趋势时，可以将最大降水量序列作为校正降水量序列。
例如，可以分别对上面提到的24小时累积最大降水量序列P排涝和1小时累积最大降水量序列P排水进行非一致性检验，并且在预定置信水平下识别相应序列是否存在非一致性因素。
非一致性检验的方法可以包括F检验或Mann-Kendall检验法。
例如，置信水平可以预定为5％，当在预定的置信水平下呈现出上升或下降趋势时，表明当前的最大降水量序列存在显著的变化趋势，需要考虑该变化趋势校正最大降水量序列来确定校正降水量序列。在F检验中，可以通过查询F检验的对照值表确定置信水平。
此外，尽管上面以将置信水平设定为5％为例进行说明，但是置信水平的值可以根据实际应用需要来设定，本申请对此没有特别限制。
根据本申请的示例性实施例，对于时间序列的趋势性检验，可以首先以年份序号作为自变量t对最大降水量序列
Figure BDA0002908107340000101
(例如，24小时累积最大降水量序列P排涝和/或1小时累积最大降水量序列P排水)进行线性拟合，得到线性回归方程：
Figure BDA0002908107340000102
其中，t＝1,2,...,m，m为历史预定时间段的总年数，即，降雨量数据采样的总年数，a和b为参数，这里，
Figure BDA0002908107340000103
可表示第i个最大降水量拟合值。
对上述参数a和b的拟合值
Figure BDA0002908107340000104
和
Figure BDA0002908107340000105
可采用最小二乘法估计得到：
Figure BDA0002908107340000111
Figure BDA0002908107340000112
其中，t表示年份序号，ti表示历史预定时间段内的第i年，Pi表示最大降水量序列的第i个最大降水量样本值，
Figure BDA0002908107340000113
和
Figure BDA0002908107340000114
分别表示对年份序号求得的算数平均值和对最大降水量序列求得的算数平均值。
采用F检验对上述拟合得到的回归方程进行趋势性检验，具体来说，可以构建统计量τ～F(1,m-2)：
Figure BDA0002908107340000115
这里，在预定置信水平为5％的情况下，若τ>F0.05(1,m-2)，则认为上面式(1)的线性回归方程具有显著性，显著性是指在预定的置信水平下呈现出上升或下降趋势。这里，可通过查询现有的F检验临界值表得到在预设置信水平下的临界值F(1,m-2)，例如，5％的预定置信水平下的F0.05(1,m-2)。
在τ>F0.05(1,m-2)的情况下，当
Figure BDA0002908107340000116
时，表示最大降水量序列随时间呈显著上升趋势，当
Figure BDA0002908107340000117
时，表示最大降水量序列随时间呈显著下降趋势，当
Figure BDA0002908107340000118
时，表示最大降水量序列随时间呈现平稳趋势。
在τ≤F0.05(1,m-2)的情况下，可认为不存在显著性变化趋势，因此，可认为最大降水量序列在当前的预定置信水平下不存在上升或下降趋势。
在进行非一致性检验后，可以根据非一致性检验的结果来确定校正降水量序列。在水排放系统包括排涝系统和/或排水系统的情况下，校正降水量序列可以包括排涝降水量序列P'排涝和/或排水降水量序列P'排水。
以24小时累积最大降水量序列P排涝为例，当24小时累积最大降水量序列P排涝在预定置信水平下呈现上升或下降趋势时，根据该降水量变化趋势校正24小时累积最大降水量序列P排涝，例如，按照该上升或下降趋势外延至当前水排放系统的设计水平年，以将校正后的最大降水量序列作为排涝降水量序列P'排涝。当24小时累积最大降水量序列P排涝在预定置信水平下不存在上升或下降趋势时，可以将24小时累积最大降水量序列P排涝直接作为排涝降水量序列P'排涝。
根据1小时累积最大降水量序列P排水的非一致性检验结果确定排水降水量序列P'排水的方法与上文所描述的类似。
具体来说，当1小时累积最大降水量序列P排水在预定置信水平下呈现上升或下降趋势时，根据该降水量变化趋势校正1小时累积最大降水量序列P排水，例如，按照该上升或下降趋势外延至当前水排放系统的设计水平年，以将校正后的最大降水量序列作为排水降水量序列P'排水。当1小时累积最大降水量序列P排水在预定置信水平下不存在上升或下降趋势时，可以将1小时累积最大降水量序列P排水直接作为排水降水量序列P'排水。
这里所述的排涝降水量序列P'排涝和排水降水量序列P'排水可以用于确定排水系统和排涝系统的设计降水量，这将在下文中详细描述。
对于上面所述的在呈现显著性上升或下降的趋势的情况下对非一致性校正的趋势外延，具体来说，可以根据实际设计需要设定应用水排放系统的设计水平年，相对于最大降水量序列中的第一年t1而言，设计水平年的年份序号为td，采用下式校正最大降水量序列中的最大降水量值：
Figure BDA0002908107340000121
其中，
Figure BDA0002908107340000131
表示最大降水量序列的第i个最大降水量值经过非一致性校正后的取值，Pi为最大降水量序列的第i个最大降水量值。
具体来说，可以对1小时累积最大降水量序列P排水和24小时累积最大降水量序列P排涝进行校正，其分别可表示为：
Figure BDA0002908107340000132
Figure BDA0002908107340000133
其中，在式(5)和式(6)中，
Figure BDA0002908107340000134
和
Figure BDA0002908107340000135
分别表示排水降水量序列和排涝降水量序列的第i个最大降水量值经过非一致性校正后的取值，
Figure BDA0002908107340000136
和
Figure BDA0002908107340000137
分别为排水降水量序列和排涝降水量序列经过线性回归拟合得到的参数b，ti表示时间变量。
如此，可以获得在多个设计水平年中的每年的排水降水量和排涝降水量，校正后的排水降水量序列和排涝降水量序列可以分别记为
Figure BDA0002908107340000138
和
Figure BDA0002908107340000139
在获得排水降水量序列P'排水和排涝降水量序列P'排涝之后，可以基于排水降水量序列和排涝降水量序列确定排水系统和排涝系统的设计降水量。
这里，当水排放系统仅包括排水系统或排涝系统时，可仅获得排水降水量序列P'排水或排涝降水量序列P'排涝，并基于其确定相应排水系统或排涝系统的设计降水量。
下面将参照图2详细描述基于最大降水量序列确定设计降水量的步骤。在水排放系统包括排水系统和排涝系统的情况下，设计降水量可以包括排水系统的设计降水量和排涝系统的设计降水量。
在步骤S31中，分别对排水降水量序列P'排水和排涝降水量序列P'排涝进行分布拟合，获得排水降水量序列P'排涝的排水边缘概率分布函数U＝Pm排水(x)和排涝降水量序列P'排涝的排涝边缘概率分布函数V＝Pm排涝(x)。
具体来说，可以选用适当的概率分布类型来进行降水量序列分布拟合。例如，分布线型的选取可以基于Kolmogorov-Smirnov检验进行，可选的分布线型包括GEV分布、对数正态分布、皮尔逊三型分布、极值分布、Gamma分布和Halphen分布等，分布拟合方法可采用极大似然法、矩法、概率权重矩、线性矩法和适线法等。
在步骤S32中，根据排水边缘概率分布函数U＝Pm排水(x)和排涝边缘概率分布函数V＝Pm排涝(x)确定排水系统的设计降水量和排涝系统的设计降水量。
具体来说，在步骤S32中，可以基于排水边缘概率分布函数U＝Pm排水(x)和排涝边缘概率分布函数V＝Pm排涝(x)建立关于排水降水量序列P'排水和排涝降水量序列P'排涝的联合概率分布函数C(U,V)，可以比较排水系统和排涝系统的设计优先级，从而根据排水系统和排涝系统的设计优先级来确定排水系统和排涝系统的设计降水量。
例如，当排水系统的设计优先级高于排涝系统的设计优先级时，可以根据预定的排水重现期RP排水和排水边缘概率分布函数U＝Pm排水(x)确定排水系统的设计降水量DP排水，并根据联合概率分布函数C(U,V)的联合概率密度函数c(U,V)和排涝边缘概率分布函数V＝Pm排涝(x)的排涝边缘概率密度函数v＝pm排涝(x)确定排涝条件概率密度函数pcond,排涝(y|x＝DP排水)，将使得排涝条件概率密度函数pcond,排涝(y|x＝DP排水)具有最大值的解作为排涝系统的设计降水量DP排涝。这里，排涝条件概率密度函数pcond,排涝(y|x＝DP排水)可以基于Copula理论和条件概率公式获得，例如基于Copula方法和贝叶斯公式获得。
这里，排水系统的设计降水量DP排水可以根据下式(7)求取：
Figure BDA0002908107340000151
此外，可以基于Copula方法来建立排水降水量序列P'排水和排涝降水量序列P'排涝的联合概率分布函数C(U,V)：
C(U,V)＝C(U＝Pm排水(x),V＝Pm排涝(y)|θ)， (8)
在式(8)中，x和y分别代表排水降水量序列P'排水中的降水量值和排涝降水量序列P'排涝中的降水量值，θ为分布参数，作为示例，θ可通过极大似然法、Kendall秩相关系数法或适线法估计，C(U,V)可以为Copula联结函数，相应的Copula概率密度函数c(U,V)可以通过下式(9)来表示：
Figure BDA0002908107340000152
在确定Copula概率密度函数c(U,V)后，条件概率密度函数pcond,排涝(y|x＝DP排水)可以借助于Copula概率密度函数c(U,V)和条件概率公式获得，其可以通过下式(10)来表示：
pcond,排涝(y|x＝DP排水)＝pm排涝(y)·c(U(DP排水),V(y)) (10)
如此，通过求解使得排涝条件概率密度函数pcond,排涝(y|x＝DP排水)具有最大值的y值，可得到与给定的排水系统设计重现期RP排水衔接的排涝系统设计降水量DP排涝，从而得到衔接性和协调性的包括排水系统和排涝系统的水排放系统设计标准组合(DP排水,DP排涝)。
此外，优选地，可以采用梯度下降法、牛顿法、拟牛顿法、遍历法、启发式算法等方法求得使上式(10)具有最大值的y值，例如为设计的24小时累积最大降水量，并且将该y值作为给定排水系统的设计降水量DP排水条件下的排涝系统设计降水量DP排涝。
当排涝系统的设计优先级高于排水系统的设计优先级时，根据预定的排涝重现期RP排涝和排涝边缘概率分布函数V＝Pm排涝(x)确定排涝系统的设计降水量RP排涝，并根据联合概率分布函数C(U,V)的联合概率密度函数c(U,V)和排水边缘概率分布函数V＝Pm排涝(x)的排水边缘概率密度函数u＝pm排水(x)确定排水条件概率密度函数pcond,排水(x|y＝DP排涝)，将使得排水条件概率密度函数pcond,排水(x|y＝DP排涝)具有最大值的解作为排水系统的设计降水量DP排水。这里，排水条件概率密度函数pcond,排水(x|y＝DP排涝)可以基于Copula理论和条件概率公式获得，例如基于Copula方法和贝叶斯公式获得。
与式(7)类似地，排涝系统的设计降水量DP排涝可以根据下式(11)求取：
Figure BDA0002908107340000161
Copula概率密度函数c(U,V)的确定方式可以与上面参照式(8)和式(9)描述的类似，这里不再赘述。
与式(10)类似地，条件概率密度函数pcond,排水(x|y＝DP排涝)可以借助于Copula概率密度函数c(U,V)和条件概率公式获得，其可以通过下式(12)来表示。
pcond,排水(x|y＝DP排涝)＝pm排水(x)·c(U(x),V(DP排涝)) (12)
如此，通过求解使得排水条件概率密度函数pcond,排水(x|y＝DP排涝)具有最大值的x值，可得到与给定的排涝系统设计重现期RP排涝衔接的排水系统设计降水量DP排水，从而得到具有衔接性和协调性的包括排水系统和排涝系统的水排放系统设计标准组合(DP排水,DP排涝)。
此外，与上面描述的类似，优选地，可以采用梯度下降法、牛顿法、拟牛顿法、遍历法、启发式算法等方法求得使上式(12)具有最大值的x值，例如为设计的1小时累积最大降水量，并且将该x值作为给定排涝系统的设计降水量DP排涝条件下的排水系统设计降水量DP排水。
上文提到的预定的排水重现期RP排水和预定的排涝重现期RP排涝的具体取值可依据实际情况来确定，例如，排水重现期RP排水可以结合《室外排水设计规范GB50014-2006》确定，而排涝重现期RP排涝可以结合《城市防洪工程设计规范GB/T50805-2012》确定。
此外，上文提到的Copula理论的分布构建可以从具有尾部相关性的联结函数中选取，例如可以将Gumbel Copula、Galambos Copula或Husler-Reiss Copula作为联结函数。
优选地，可以通过智能优化算法或图解法求得使排涝条件概率密度函数或排水条件概率密度函数最大的降水量值作为设计降水量值。
在上述示例性实施例中，能够在考虑城镇化伴随的降水事件特性变化的前提下，实现城市排水系统和排涝系统设计标准衔接，对于城市内涝防御工程布局规划建设具有重要意义。
总体来说，根据本申请的水排放系统的设计方法，充分考虑了气候变化对地区内涝灾害防御的影响，可以在考虑降水变化趋势的情况下设计水排放系统，并且可以优选地通过结合Copula理论来协调排水系统设计和排涝系统设计，避免对水排放系统的排水系统和排涝系统设计标准主观组合造成的系统标准不衔接问题，并且可有效协调地区内涝灾害防御与工程成本节约之间的矛盾，对于准确、合理地确定水排放系统设计标准具有重要意义。
下面将具体描述利用本申请的水排放系统的设计方法设计水排放系统的示例性实施例。
以城市排水排涝系统的设计为例，首先，可以从目标城市区域范围内的降水站收集连续20年以上实测记录的小时降水量数据。本实施例收集了从1960年至2010年、共计49年的小时降水量数据，并且将设计水平年预设为2030年。
对于收集的数据，可采用算数平均法从数据中获取城市区域的面雨量P面，这里，也可以采用上面提到的泰森多边形法、等值线法、格点法、逐步订正格点法、三角形法、权重系数法来获取。
假定本次设计的排水排涝系统以排水系统为主导，即，排水系统的设计优先级高于排涝系统。可从面雨量P面中抽取每年1小时累积最大降水量序列P排水＝{P1h,1,P1h,2,...,P1h,49}，然后，抽取每年包含相应年的1小时累积最大降水量在内的24小时累积最大降水量序列P排涝＝{P24h,1,P24h,2,...,P24h,49}。
然后，参照图3，可采用最小二乘法，以年份序号t为自变量，拟合得到回归方程：
Figure BDA0002908107340000181
Figure BDA0002908107340000182
结合式(13)和式(14)，可采用F检验进行趋势性检验，这里，可根据上面的式(4)计算上述自回归方程的F检验量。在本实施例中，通过计算得到τ1h＝1.134以及τ24h＝5.583。
在得到相应的τ值后，可通过查询现有的F检验临界值表得到在预设置信水平下的临界值。在本实施例中，置信水平可预设为5％，则可相应地得到临界值F0.05(1,47)＝4.047，因此，可以确定τ1h<F0.05(1,47)并且τ24h>F0.05(1,47)，并且式(13)和式(14)中的回归系数均大于0，由此可以确定面雨量序列P排水和P排涝均呈现上升趋势，但是在预设5％的置信水平的条件下，仅序列P排涝是呈现显著性上升趋势的，因此可仅对序列P排涝进行非一致性校正。
结合设计水平年为2030年可知td＝68，按照上面式(6)校正存在显著性变化趋势的24小时累积最大降水量序列，校正后得到的排涝降水量序列P'排涝可表示为：
Figure BDA0002908107340000191
这里，优选地，可以利用GEV分布作为排涝降水量序列的边缘分布类型，并且可以采用矩法估计排水降水量序列P'排水和排涝降水量序列P'排涝的边缘分布参数，然而，在本实施例中，参数估计也可以采用其他常用参数估计方式，例如极大似然法、目估适线法等。
在本实施例中，经分析优化估计得到排涝降水量序列P'排水的GEV分布参数分别为θ1h＝{ξ＝-0.0696,μ＝11.225,σ＝43.12}，排涝降水量序列P'排涝的GEV分布参数分别为θ24h＝{ξ＝0.469,μ＝30.866,σ＝73.09}。
然后，可以给定排水系统设计重现期为10年一遇，例如可以根据《室外排水设计规范GB50014-2006》并结合研究区域的设计指标来确定，因此在RP排水＝10年的情况下，求得设计降水量DP排水为：
Figure BDA0002908107340000201
可选取Gumbel Copula作为联结函数，采用极大似然法求得排水降水量序列P'排水和排涝降水量序列P'排涝的Copula联合分布参数θcopula＝1.987。通过式(12)推导出排涝系统设计降水量的条件概率密度函数：
pcond,排涝(y|x＝DP排水)＝pm(y|θ24h)·c(Pm(DP排水|θ1h),Pm(y|θ24h)|θcopula)， (17)
如此，可采用智能优化算法或图解法求解使得式(17)具有最大值的y值，在本实施例中，以智能优化算法中的遗传算法优化求解得到当y＝140.91mm时条件概率密度函数pcond,排涝(y|x＝DP排水)具有最大值，以排水系统设计重现期为10年的设计标准的排水系统相协调的排涝系统的设计24小时累积最大降水量为140.91mm，由此，可得到目标城市排水排涝系统设计降水量组合为(66.5mm,140.91mm)。
在本申请中的方法可以通过在电子装置中的设计水排放系统的装置来实现，也可完全通过计算机程序来实现，例如，所述方法可通过安装在电子装置中的设计水排放系统的应用来执行，或者通过电子装置的操作系统中实现的功能程序来执行。作为示例，所述电子装置可以是个人计算机、服务器、平板电脑、智能手机等具有人工智能运算功能的电子装置。
本申请的另一方面涉及一种水排放系统的设计装置。图4示出了根据本申请示例性实施例的水排放系统的设计装置的示意框图。
如图4所示，根据本申请示例性实施例的水排放系统的设计装置包括最大降水量确定单元100、处理单元200、设计降水量确定单元300和设计单元400。
最大降水量确定单元100可以基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列。
处理单元200可以确定最大降水量序列在历史预定时间段内的降水量变化趋势，并且根据降水量变化趋势确定校正降水量序列。
设计降水量确定单元300可以基于校正降水量序列确定水排放系统的设计降水量。
设计单元400可以基于设计降水量对水排放系统进行设计。
优选地，水排放系统可以包括排水系统和排涝系统，最大降水量序列可以包括用于排涝系统的24小时累积最大降水量序列和用于排水系统的1小时累积最大降水量序列。最大降水量确定单元100可以通过下面的方式获取24小时累积最大降水量序列和1小时累积最大降水量序列。
最大降水量确定单元100可以比较排水系统和排涝系统的设计优先级。当排水系统的设计优先级高于排涝系统的设计优先级时，最大降水量确定单元100可以从降水量数据中选取历史预定时间段内的每年的1小时累积最大降水量，按照年份排序形成1小时累积最大降水量序列，并且从降水量数据中获取每年的包括1小时累积最大降水量在内的24小时累积最大降水量，将获取到的24小时累积最大降水量按照年份排序形成24小时累积最大降水量序列。
当排涝系统的设计优先级高于排水系统的设计优先级时，最大降水量确定单元100可以从降水量数据中选取历史预定时间段内的每年的24小时累积最大降水量，按照年份排序形成24小时累积最大降水量序列，并且从降水量数据中获取每年的与24小时累积最大降水量对应的24小时内的1小时累积最大降水量，将获取到的1小时累积最大降水量按照年份排序形成1小时累积最大降水量序列。
优选地，处理单元200可以通过对最大降水量序列进行非一致性检验来确定降水量变化趋势。
具体来说，当最大降水量序列在预定置信水平下呈现上升或下降趋势时，处理单元200可以根据降水量变化趋势校正最大降水量序列，并将校正后的最大降水量序列作为校正降水量序列。当最大降水量序列在预定置信水平下不存在上升或下降趋势时，处理单元200可以将最大降水量序列作为校正降水量序列。
最大降水量确定单元100、处理单元200、设计降水量确定单元300和设计单元400可以根据如上述图1和图2所示的方法实施例中的水排放系统的设计方法执行所述方法中的相应步骤，例如通过最大降水量确定单元100、处理单元200、设计降水量确定单元300和设计单元400可执行的机器可读指令来实现，最大降水量确定单元100、处理单元200、设计降水量确定单元300和设计单元400的具体实现方式可参见上面描述的方法实施例，在此不再赘述。
本申请实施例还提供一种电子设备，电子设备包括处理器和存储器。存储器存储有计算机程序。当所述计算机程序被处理器执行时，电子设备可以根据如上述图1和图2所示的方法实施例中的水排放系统的设计方法执行所述方法中的相应步骤，例如通过电子设备可执行的机器可读指令来实现，电子设备的具体实现方式可参见上面描述的方法实施例，在此不再赘述。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行(例如，被处理器执行)时可以执行如上述图1所示的方法实施例中的水排放系统的设计方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其他的方式实现。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，又例如，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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请的实施例方案的目的。
另外，在本申请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存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
根据本申请的水排放系统的设计方法、装置、电子设备及存储介质，通过获取历史预定时间段内的降水数据以及确定降水量变化趋势，可以在考虑气候变化的因素的情况下设计水排放系统。
此外，根据本申请的水排放系统的设计方法、装置、电子设备及存储介质，通过根据最大排水量序列获得校正后的排水降水量序列和排涝降水量序列，能够在考虑气候变化因素的同时解决排水系统和排涝系统的设计分别制定而造成的不协调、不衔接问题。
此外，根据本申请的水排放系统的设计方法、装置、电子设备及存储介质，通过比较排水系统和排涝系统的优先级，可以设计以排水系统和排涝系统中的一者为主导来协调排水系统和排涝系统中的另一者的设计标准。
此外，根据本申请的水排放系统的设计方法、装置、电子设备及存储介质，通过将降水量的非一致性与地区水排放系统设计规模的确定相结合，能够有效识别降水情势变化对地区内涝风险的影响。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种水排放系统的设计方法，其特征在于，所述水排放系统的设计方法包括：
基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列；
确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势，并且根据所述降水量变化趋势确定校正降水量序列；
基于所述校正降水量序列，确定所述水排放系统的设计降水量；
基于所述设计降水量对所述水排放系统进行设计；
所述水排放系统包括排水系统和排涝系统，所述最大降水量序列包括用于所述排涝系统的24小时累积最大降水量序列和用于所述排水系统的1小时累积最大降水量序列，
其中，所述24小时累积最大降水量序列和所述1小时累积最大降水量序列通过以下方式获取：
比较所述排水系统和所述排涝系统的设计优先级；
当所述排水系统的设计优先级高于所述排涝系统的设计优先级时，从所述降水量数据中选取所述历史预定时间段内的每年的1小时累积最大降水量，按照年份排序形成1小时累积最大降水量序列，并且从所述降水量数据中获取每年的包括所述1小时累积最大降水量在内的24小时累积最大降水量，将获取到的所述24小时累积最大降水量按照年份排序形成24小时累积最大降水量序列；
当所述排涝系统的设计优先级高于所述排水系统的设计优先级时，从所述降水量数据中选取所述历史预定时间段内的每年的24小时累积最大降水量，按照年份排序形成24小时累积最大降水量序列，并且从所述降水量数据中获取每年的与所述24小时累积最大降水量对应的24小时内的1小时累积最大降水量，将获取到的所述1小时累积最大降水量按照年份排序形成1小时累积最大降水量序列。
2.根据权利要求1所述的水排放系统的设计方法，其特征在于，确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势并且根据所述降水量变化趋势确定校正降水量序列的步骤包括：
通过对所述最大降水量序列进行非一致性检验来确定所述降水量变化趋势；
当所述最大降水量序列在预定置信水平下呈现上升或下降趋势时，根据所述降水量变化趋势校正所述最大降水量序列，并将校正后的最大降水量序列作为所述校正降水量序列；
当所述最大降水量序列在所述预定置信水平下不存在上升或下降趋势时，将所述最大降水量序列作为所述校正降水量序列。
3.根据权利要求1所述的水排放系统的设计方法，其特征在于，所述水排放系统包括排水系统和排涝系统，所述校正降水量序列包括排水降水量序列和排涝降水量序列，所述设计降水量包括所述排水系统的设计降水量和所述排涝系统的设计降水量，
其中，所述排水系统的设计降水量和所述排涝系统的设计降水量通过以下方式确定：
分别对所述排水降水量序列和所述排涝降水量序列进行分布拟合，获得所述排水降水量序列的排水边缘概率分布函数和所述排涝降水量序列的排涝边缘概率分布函数；
根据所述排水边缘概率分布函数和所述排涝边缘概率分布函数确定所述排水系统的设计降水量和所述排涝系统的设计降水量。
4.根据权利要求3所述的水排放系统的设计方法，其特征在于，根据所述排水边缘概率分布函数和所述排涝边缘概率分布函数确定所述排水系统的设计降水量和所述排涝系统的设计降水量的步骤包括：
基于所述排水边缘概率分布函数和所述排涝边缘概率分布函数，建立关于所述排水降水量序列和所述排涝降水量序列的联合概率分布函数；
比较所述排水系统和所述排涝系统的设计优先级；
当所述排水系统的设计优先级高于所述排涝系统的设计优先级时，根据预定的排水重现期和所述排水边缘概率分布函数确定所述排水系统的设计降水量，并根据所述联合概率分布函数的联合概率密度函数和所述排涝边缘概率分布函数的排涝边缘概率密度函数确定排涝条件概率密度函数，将使得所述排涝条件概率密度函数具有最大值的解作为所述排涝系统的设计降水量；
当所述排涝系统的设计优先级高于所述排水系统的设计优先级时，根据预定的排涝重现期和所述排涝边缘概率分布函数确定所述排涝系统的设计降水量，并根据所述联合概率分布函数的联合概率密度函数和所述排水边缘概率分布函数的排水边缘概率密度函数确定排水条件概率密度函数，将使得所述排水条件概率密度函数具有最大值的解作为所述排水系统的设计降水量。
5.一种水排放系统的设计装置，其特征在于，所述水排放系统的设计装置包括：
最大降水量确定单元，基于目标区域在历史预定时间段内的降水量数据，确定最大降水量序列；
处理单元，确定所述最大降水量序列在所述历史预定时间段内的降水量变化趋势，并且根据所述降水量变化趋势确定校正降水量序列；
设计降水量确定单元，基于所述校正降水量序列，确定所述水排放系统的设计降水量；
设计单元，基于所述设计降水量对所述水排放系统进行设计；
所述水排放系统包括排水系统和排涝系统，所述最大降水量序列包括用于排涝系统的24小时累积最大降水量序列和用于排水系统的1小时累积最大降水量序列，所述最大降水量确定单元通过以下方式获取所述24小时累积最大降水量序列和所述1小时累积最大降水量序列：
所述最大降水量确定单元比较所述排水系统和所述排涝系统的设计优先级；
当所述排水系统的设计优先级高于所述排涝系统的设计优先级时，所述最大降水量确定单元从所述降水量数据中选取所述历史预定时间段内的每年的1小时累积最大降水量，按照年份排序形成1小时累积最大降水量序列，并且从所述降水量数据中获取每年的包括所述1小时累积最大降水量在内的24小时累积最大降水量，将获取到的所述24小时累积最大降水量按照年份排序形成24小时累积最大降水量序列；
当所述排涝系统的设计优先级高于所述排水系统的设计优先级时，所述最大降水量确定单元从所述降水量数据中选取所述历史预定时间段内的每年的24小时累积最大降水量，按照年份排序形成24小时累积最大降水量序列，并且从所述降水量数据中获取每年的与所述24小时累积最大降水量对应的24小时内的1小时累积最大降水量，将获取到的所述1小时累积最大降水量按照年份排序形成1小时累积最大降水量序列。
6.根据权利要求5所述的水排放系统的设计装置，其特征在于，所述处理单元通过对所述最大降水量序列进行非一致性检验来确定所述降水量变化趋势；
当所述最大降水量序列在预定置信水平下呈现上升或下降趋势时，所述处理单元根据所述降水量变化趋势校正所述最大降水量序列，并将校正后的最大降水量序列作为所述校正降水量序列；
当所述最大降水量序列在所述预定置信水平下不存在上升或下降趋势时，所述处理单元将所述最大降水量序列作为所述校正降水量序列。
7.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现根据权利要求1至4中的任一项所述的水排放系统的设计方法。
8.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时实现根据权利要求1至4中的任一项所述的水排放系统的设计方法。
CN202110077619.2A 2021-01-20 2021-01-20 水排放系统的设计方法、装置、电子设备及存储介质 Active CN112861325B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110077619.2A CN112861325B (zh) 2021-01-20 2021-01-20 水排放系统的设计方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110077619.2A CN112861325B (zh) 2021-01-20 2021-01-20 水排放系统的设计方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112861325A CN112861325A (zh) 2021-05-28
CN112861325B true CN112861325B (zh) 2023-02-21

Family

ID=76008267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110077619.2A Active CN112861325B (zh) 2021-01-20 2021-01-20 水排放系统的设计方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112861325B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902828A (zh) * 2014-04-02 2014-07-02 北京工业大学 城市24小时长历时暴雨强度的确定方法
CN107967402A (zh) * 2017-12-22 2018-04-27 中国水利水电科学研究院 一种城市内涝排除系统的设计分析方法
CN108955652A (zh) * 2018-08-03 2018-12-07 中山大学 一种水文非一致性序列重构方法
CN109086978A (zh) * 2018-07-13 2018-12-25 浙江大学 一种雨水排水系统内涝风险评估方法
CN110276145A (zh) * 2019-06-26 2019-09-24 天津神州海创科技有限公司 城市排水系统仿真建模与调度方法
CN111898222A (zh) * 2020-06-01 2020-11-06 浙江大学 排水系统设计方法、系统、存储介质、排水系统及应用

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611692B (zh) * 2020-04-26 2022-08-05 武汉大学 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902828A (zh) * 2014-04-02 2014-07-02 北京工业大学 城市24小时长历时暴雨强度的确定方法
CN107967402A (zh) * 2017-12-22 2018-04-27 中国水利水电科学研究院 一种城市内涝排除系统的设计分析方法
CN109086978A (zh) * 2018-07-13 2018-12-25 浙江大学 一种雨水排水系统内涝风险评估方法
CN108955652A (zh) * 2018-08-03 2018-12-07 中山大学 一种水文非一致性序列重构方法
CN110276145A (zh) * 2019-06-26 2019-09-24 天津神州海创科技有限公司 城市排水系统仿真建模与调度方法
CN111898222A (zh) * 2020-06-01 2020-11-06 浙江大学 排水系统设计方法、系统、存储介质、排水系统及应用

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
变化环境对城市暴雨及排水系统影响研究进展;熊立华等;《水科学进展》;20171215(第06期);第133-145页 *
城市内涝决策支持系统的研究及展望;卢健涛 等;《人民珠江》;20200225;第134-139页 *
城市小区管网排水及区域排涝水文计算方法初步探讨;谢淑琴;《人民珠江》;20031225(第06期);第32-34页 *
基于Copula函数的不同历时暴雨组合分析;万永静等;《中国农村水利水电》;20171115(第11期);第6-9页 *
防洪排涝排水一体化模型在洪水风险图编制中的应用;乌景秀 等;《水利水运工程学报》;20180615;第1-9页 *

Also Published As

Publication number Publication date
CN112861325A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN110411605B (zh) 一种红外测量人体温度修正方法
Ferrari et al. Missing data imputation of climate datasets: Implications to modeling extreme drought events
KR101696012B1 (ko) 벤치마킹 기법에 따른 건물 에너지 성능 진단 시스템 및 방법
CN113780657B (zh) 洪水事件识别方法、装置、计算机设备和存储介质
Kaluba et al. Spatial mapping of drought in Zambia using regional frequency analysis
Galera et al. Analysis of airborne Olea pollen in Cartagena (Spain)
CN111105173A (zh) 一种植物适宜生长区域评价方法和设备
CN108510072A (zh) 一种基于混沌神经网络的河道流量监测数据质量控制方法
KR101463492B1 (ko) 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
CN112258337A (zh) 一种自我补全修正的基站能耗模型预测方法
CN112861325B (zh) 水排放系统的设计方法、装置、电子设备及存储介质
CN115660166A (zh) 一种多种作物估产方法、装置、电子设备及存储介质
CN111275246A (zh) 一种基于大数据技术的单品种农产品价格预测方法
CN115329610B (zh) 一种基于土壤水分的旱涝急转事件识别方法、装置及设备
JP4413202B2 (ja) ダム流域積雪量推定装置、ダム流入水量推定装置及びプログラム
CN109902266B (zh) 一种基于Copula函数的河道流量演算方法
CN115271332A (zh) 一种旱情监测方法
CN111222921A (zh) 一种基于集成思想的房产估值方法与系统
KR101884907B1 (ko) 빅데이터 분석 기반 신뢰도 예측 방법
Bakanoğulları et al. Assessment of meteorological and agricultural drought analysis in Kırklareli province
Das et al. Modelling weekly ranifall using gamma probablity distribution and Markov chain for crop planing in sum humid (dry) climate of central Bihar
Yu et al. Corn growth stage estimation using time series vegetation index
Rezaiy et al. Using the ARIMA/SARIMA Model for Afghanistan's Drought Forecasting Based on Standardized Precipitation Index
CN110263300B (zh) 副热带急流和极锋急流强度协同变化的表征方法
US20150254601A1 (en) Inventory control for non-repairable items based on prognostics and health monitoring data

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