CN113077167B - 一种面向出入库径流的水文情势变化分析方法 - Google Patents
一种面向出入库径流的水文情势变化分析方法 Download PDFInfo
- Publication number
- CN113077167B CN113077167B CN202110411487.2A CN202110411487A CN113077167B CN 113077167 B CN113077167 B CN 113077167B CN 202110411487 A CN202110411487 A CN 202110411487A CN 113077167 B CN113077167 B CN 113077167B
- Authority
- CN
- China
- Prior art keywords
- flow
- runoff
- warehouse
- warehousing
- traffic
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明为克服由于水库出入库流量的差异造成的水库上游和下游的水文情势变化影响河流实际水文情势变化研究的缺陷,提出一种面向出入库径流的水文情势变化分析方法,包括以下步骤:采集入库流量数据序列和出库流量数据序列,确定入库径流和出库径流的水文年;计算入库流量数据的IHA低流量与高流量所需的划分参数,以及入库流量数据的EFC划分参数;将所述IHA低流量与高流量所需的划分参数以及EFC划分参数应用于出库流量数据,分别计算入库径流和出库径流的IHA参数和EFC参数;根据所述入库径流和出库径流的IHA参数和EFC参数,采用IHA的变化范围法RVA对出入库径流的水文情势变化进行分析。
Description
技术领域
本发明涉及水文情势分析技术领域,更具体地,涉及一种面向出入库径流的水文情势变化分析方法。
背景技术
河流的自然流量对河流的生态功能的维持具有重要的作用,水库的运行在一定程度上会改变河流的自然流量过程,改变原有的水文条件,打破流域内的生态平衡。水文变异指标(IHA)能够较为全面地反映河流的水文情势,包括流量、频率、发生时间、历时和变化率等5个方面。
目前对于河流的水文情势变化研究主要侧重于对比建坝前后的水文变异指标进而分析水文情势的变化,如公开号为CN107563642A(公开日2018-01-09)提出的一种基于投影寻踪的水电站河流水文情势评价方法,提出运用投影寻踪聚类模型由各单项指标的改变度计算河流水文整体改变度,以及将投影寻踪聚类模型与RVA法耦合,应用于水电站河流水文情势改变度评价。该方法针对日径流系列的突变点对河流水文情势的整体改变度进行计算,但对于由于水库的实际运行导致出入库流量的差异造成的水库上游和下游的水文情势发生改变,上述方法难以有效地进行分析评估。
发明内容
本发明为克服上述现有技术中由于水库出入库流量的差异造成的水库上游和下游的水文情势变化影响河流实际水文情势变化研究的缺陷,提供一种面向出入库径流的水文情势变化分析方法。
为解决上述技术问题,本发明的技术方案如下:
一种面向出入库径流的水文情势变化分析方法,包括以下步骤:
采集入库流量数据序列和出库流量数据序列,确定入库径流和出库径流的水文年;
计算入库流量数据的IHA(水文变异指标)低流量与高流量所需的划分参数,以及入库流量数据的EFC(环境流量组分)划分参数;将所述IHA低流量与高流量所需的划分参数以及EFC划分参数应用于出库流量数据,分别计算入库径流和出库径流的IHA参数和EFC参数;
根据所述入库径流和出库径流的IHA参数和EFC参数,采用IHA的变化范围法RVA对出入库径流的水文情势变化进行分析。
作为优选方案,所述IHA参数包括各月平均流量,年均1、3、7、30、90天最小流量,年均1、3、7、30、90天最大流量,断流天数,基流指数,年最大流量发生时间,年最小流量发生时间,高流量次数,低流量次数,高流量平均历时,低流量平均历时,流量平均减少率,流量平均增加率,每年流量逆转次数。
作为优选方案,确定入库径流的水文年的步骤包括:选择12个月中入库流量中月平均流量最低的月份作为水文年的起始月份,且以所述入库径流的水文年作为出库径流的水文年。
作为优选方案,所述EFC参数包括各月平均低流量,极低流量平均发生次数,极低流量发生历时,最小流量大小,最小流量发生时间,高流量平均发生次数,高流量发生历时,最大流量大小,最大流量发生时间,高流量的平均增加率,高流量的平均减少率,大洪水平均发生次数,大洪水发生历时,大洪水的最大流量大小,大洪水的发生时间,大洪水的流量平均增加率,大洪水的流量平均减少率。
作为优选方案,计算入库流量数据的IHA低流量与高流量所需的划分参数的步骤包括:将所述入库流量数据序列由小到大进行排序,取所述入库流量数据序列中第25百分位数作为IHA低流量划分参数,取所述入库流量数据序列中第75百分位数作为IHA高流量划分参数。
作为优选方案,取所述IHA高流量划分参数作为EFC流量初始划分参数,对所述入库流量数据进行初始划分,将所述入库流量数据中高于EFC流量初始划分参数的数据作为初始高流量,将所述入库流量数据中低于EFC流量初始划分参数的数据作为初始低流量。
作为优选方案,还包括以下步骤:将所述初始高流量划分为若干初始高流量序列,并对其逐个进行判断:
若当前初始高流量序列中的最大流量小于预设的第一阈值时,将所述初始高流量序列划分为小洪水;
若当前初始高流量序列中的最大流量大于预设的第二阈值时,将所述初始高流量序列划分为大洪水;
若当前初始高流量序列中的最大流量大于预设的第一阈值且小于预设的第二阈值时,将所述初始高流量序列划分为高流量。
作为优选方案,所述第一阈值和第二阈值分别采用皮尔逊Ⅲ型分布进行拟合得到。
作为优选方案,还包括以下步骤:取所述经过排序后的入库流量数据序列中第10百分位数作为极低流量划分参数,将所述初始低流量中低于所述极低流量划分参数的数据作为极低流量,将所述初始低流量中高于所述极低流量划分参数的数据作为低流量
作为优选方案,还包括以下步骤:将所述IHA低流量与高流量所需的划分参数、EFC划分参数、入库径流的IHA参数、出库径流的IHA参数、入库径流的EFC参数、出库径流的EFC参数以及出入库径流的水文情势变化分析结果进行可视化。
与现有技术相比,本发明技术方案的有益效果是:本发明通过采用IHA参数和EFC参数分别对入库流量数据和出库流量数据进行划分后采用RVA进行分析,能够对比入库径流与出库径流的IHA参数及EFC参数,避免水库出入库流量的差异造成的水库上游和下游水文情势变化影响河流的实际水文情势的分析;采用IHA的变化范围法RVA分析水库运行对河流水文情势的影响,为河流的生态环境保护提供参考信息。
附图说明
图1为本发明的面向出入库径流的水文情势变化分析方法的流程图。
图2为实施例的面向出入库径流的水文情势变化分析方法的流程图。
图3为实施例的入库流量与出库流量的EFC对比图。
图4为实施例的出入库径流五月平均流量对比图。
图5为实施例的出入库径流四月平均低流量对比图。
图6为实施例的出入库流量对比图。
图7为实施例的出入库径流年最小流量对比图。
图8为实施例的出入库径流年高流量的频率和持续时间对比图。
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;
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。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例:
本实施例提出一种面向出入库径流的水文情势变化分析方法,如图1~2所示,为本实施例的面向出入库径流的水文情势变化分析方法的流程图。
本实施例提出的面向出入库径流的水文情势变化分析方法中,包括以下步骤:
步骤1:采集入库流量数据序列和出库流量数据序列,确定入库径流和出库径流的水文年;
步骤2:计算入库流量数据的IHA低流量与高流量所需的划分参数,以及入库流量数据的EFC划分参数;
步骤3:将所述IHA低流量与高流量所需的划分参数以及EFC划分参数应用于出库流量数据,分别计算入库径流和出库径流的IHA参数和EFC参数;
步骤4:根据所述入库径流和出库径流的IHA参数和EFC参数,采用IHA的变化范围法RVA对出入库径流的水文情势变化进行分析。
本实施例中的IHA(水文变异指标)参数共有33个参数,包括流量、频率、发生时间、历时和变化率共5个方面,其具体包括各月平均流量,年均1、3、7、30、90天最小流量,年均1、3、7、30、90天最大流量,断流天数,基流指数,年最大流量发生时间,年最小流量发生时间,高流量次数,低流量次数,高流量平均历时,低流量平均历时,流量平均减少率,流量平均增加率,每年流量逆转次数。具体如下表1所示。
表1 IHA参数
本实施例中的EFC(环境流量组分)参数共有34个参数,包括流量、频率、发生时间、历时和变化率共5个方面,其具体包括各月平均低流量,极低流量平均发生次数,极低流量发生历时,最小流量大小,最小流量发生时间,高流量平均发生次数,高流量发生历时,最大流量大小,最大流量发生时间,高流量的平均增加率,高流量的平均减少率,大洪水平均发生次数,大洪水发生历时,大洪水的最大流量大小,大洪水的发生时间,大洪水的流量平均增加率,大洪水的流量平均减少率。具体如下表2所示。
表2 EFC参数特征
本实施例中,通过选择12个月中入库流量中月平均流量最低的月份作为水文年的起始月份,且以上述入库径流的水文年作为出库径流的水文年。
进一步的,根据IHA参数的分类对入库流量数据进行划分为低流量与高流量,其中,将所述入库流量数据序列由小到大进行排序,取所述入库流量数据序列中第25百分位数作为IHA低流量划分参数,取所述入库流量数据序列中第75百分位数作为IHA高流量划分参数。其表达公式如下:
HighPulse>Q75
LowPulse<Q25
式中,HighPulse表示高流量,LowPulse表示低流量,Q75表示经过排序的入库流量数据的第75百分位数,Q25表示经过排序的入库流量数据的第25百分位数。
将上述经过排序的入库流量数据的第75百分位数Q75作为EFC参数中初始高流量、初始低流量的划分参数,具体的,将入库流量数据中高于Q75作为初始高流量,将所述入库流量数据中低于Q75的数据作为初始低流量。其表达公式如下:
InitialHigh>Q75
InitialLow<Q75
式中,InitialHigh表示初始高流量,InitialLow表示初始低流量。
进一步的,从划分得到的初始高流量中进一步划分得到EFC参数中的高流量、小洪水、大洪水等参数,具体的,先将划分为初始高流量的入库流量数据等时间间距地进一步划分为若干初始高流量序列,并对其逐个进行判断:
若当前初始高流量序列中的最大流量小于预设的第一阈值时,将所述初始高流量序列划分为小洪水;
若当前初始高流量序列中的最大流量大于预设的第二阈值时,将所述初始高流量序列划分为大洪水;
若当前初始高流量序列中的最大流量大于预设的第一阈值且小于预设的第二阈值时,将所述初始高流量序列划分为高流量。
在本实施例中,第一阈值为2年一遇的洪水流量,第二阈值为10年一遇的洪水流量,且第一阈值和第二阈值大小分别采用皮尔逊Ⅲ型分布进行拟合得到,根据拟合结果推求得知相应频率的洪水大小,其中皮尔逊Ⅲ型分布的密度函数f(x)的表达公式为:
式中,Γ(α)为α的伽马函数,α、β、a0分别为皮尔逊Ⅲ型分布的形状尺度和位置未知参数。
进一步的,从划分得到的初始低流量中进一步划分得到EFC参数中的极低流量和低流量,其中,取所述经过排序后的入库流量数据序列中第10百分位数作为极低流量划分参数,将所述初始低流量中低于所述极低流量划分参数的数据作为极低流量,将所述初始低流量中高于所述极低流量划分参数的数据作为低流量。其表达公式如下:
ExtremeLowFlow<Q10
式中,ExtremeLowFlow表示极低流量,Q10表示经过排序的入库流量数据的第10百分位数。
经过上述步骤对入库流量数据进行划分,计算得到入库径流的IHA参数和EFC参数,并将上述划分参数应用于出库流量数据的划分中,计算得到出库径流的IHA参数和EFC参数,再进一步根据需要采用IHA的变化范围法RVA对水库上、下游的水文情势进行分析,得到面向出入库径流的水文情势变化分析结果。
进一步度,将上述计算结果进行数据分析及可视化,即将所述IHA低流量与高流量所需的划分参数、EFC划分参数、入库径流的IHA参数、出库径流的IHA参数、入库径流的EFC参数、出库径流的EFC参数以及采用IHA的变化范围法RVA对出入库径流的水文情势变化分析结果进行可视化,实现直观地对水文情势变化进行分析。
本实施例提出的面向出入库径流的水文情势变化分析方法中,能够对比入库径流与出库径流的IHA参数,采用相关方法分析水库运行对河流水文情势的影响,为河流的生态环境保护提供参考信息。
在一具体实施过程中,在Python平台对东江流域新丰江水库的出入库流量序列采用本实施例的水文情势变化分析方法进行分析的步骤解析如下:
首先,准备东江流域新丰江水库的出入库径流的水文情势变化分析所需的出入库流量序列数据,如下表3所示,其中第一列为观测值对应的日期索引,第二列参数inflow为入库流量,第三列参数outflow为出库流量,该出入库流量序列为2001年1月1日~2019年12月31日的观测数据。
表3东江流域新丰江水库的出入库流量序列表
inflow | outflow | |
2001/1/1 | 7.78 | 7.89 |
2001/1/2 | 48.9 | 156 |
2001/1/3 | 45.3 | 218 |
2001/1/4 | 34.6 | 99.6 |
2001/1/5 | 45.3 | 201 |
2001/1/6 | 35 | 192 |
2001/1/7 | 20.7 | 40.2 |
2001/1/8 | 41.8 | 149 |
2001/1/9 | 24.4 | 100 |
2001/1/10 | 24.8 | 213 |
2001/1/11 | 39.8 | 197 |
2001/1/12 | 40.4 | 131 |
2001/1/13 | 35.2 | 28.9 |
2001/1/14 | 29.1 | 94.1 |
2001/1/15 | 48.5 | 120 |
使用Python第三方库的Pandas包中read_csv函数读取数据文件中的数据,同时用其中的to_datetime函数根据日期索引创建Pandas可以识别的datetime对象。
使用Python第三方库的Numpy包中的quantile函数,计算IHA和EFC的环境流量组分划分所需的参数,皮尔逊III型分布的拟合使用scipy.optimize的curve_fit函数来进行拟合,确定参数之后依次计算33个IHA参数与34个EFC参数:
1)根据水文年的定义确定入库径流的水文年,以入库径流的水文年作为计算时间;
2)计算入库流量序列的环境流量组分划分所需的参数,将其用于入库流量序列和出库流量序列中;
3)根据计算的参数对入库流量和出库流量过程序列的EFC的组分进行划分,使用Matplotlib中的pyplot.scatter函数绘制入库流量与出库流量的EFC对比图如图3所示;
4)分别计算入库流量与出库流量的33个IHA参数和34个EFC参数,使用pandas.DataFrame分别存储入库流量和出库流量的参数计算结果。
根据上述计算得到的数值结果,使用Python第三方库Matplotlib对数值结果进行可视化,根据上述计算得到的数值结果和本步骤的图片结果,采用不同的储存方式进行存储,具体方法如下:
1)采用pyplot.plot函数对出入库径流IHA参数中的五月平均流量进行可视化,如图4所示;对EFC参数中的四月平均低流量进行可视化,如图5所示;
2)采用pyplot.imshow函数绘制出入库流量的对比图如图6所示;
3)采用pyplot.plot函数绘制出入库径流年最小流量对比图如图7所示,采用pyplot.plot和pyplot.bar函数绘制出入库径流高流量的频率和持续时间如图8所示;
4)数值结果储存:通过to_csv()函数将pandas.DataFrame对象以CSV格式存储到指定位置;
5)图片结果存储:通过Matplotlib中savefig函数将图片结果存储到指定的位置。
进一步的,用class语句定义类,并在类中用def()定义EFC的组分划分,IHA和EFC相关参数计算等函数,将与函数相关的数学过程和绘图过程通过编程实现,封装成类函数,并保存为.py文件,只需调用封装完成的类函数,便可实现出入库径流的水文情势变化分析。
在Python平台上实施本实施例提出的面向出入库径流的水文情势变化分析方法,将所有计算分析步骤封装为类函数,在使用过程中只需输入出入库流量过程序列,便可以自动计算IHA参数和EFC参数,且类函数中带有绘图功能,能够很方便地得到入库径流与出库径流的相关参数对比图,用于实际应用分析。
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
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 (10)
1.一种面向出入库径流的水文情势变化分析方法,其特征在于,包括以下步骤:
采集入库流量数据序列和出库流量数据序列,确定入库径流和出库径流的水文年;
计算入库流量数据的IHA低流量与高流量所需的划分参数,以及入库流量数据的EFC划分参数;
将所述IHA低流量与高流量所需的划分参数以及EFC划分参数应用于出库流量数据,分别计算入库径流和出库径流的IHA参数和EFC参数;
根据所述入库径流和出库径流的IHA参数和EFC参数,采用IHA的变化范围法RVA对出入库径流的水文情势变化进行分析。
2.根据权利要求1所述的水文情势变化分析方法,其特征在于,所述IHA参数包括各月平均流量,年均1、3、7、30、90天最小流量,年均1、3、7、30、90天最大流量,断流天数,基流指数,年最大流量发生时间,年最小流量发生时间,高流量次数,低流量次数,高流量平均历时,低流量平均历时,流量平均减少率,流量平均增加率,每年流量逆转次数。
3.根据权利要求2所述的水文情势变化分析方法,其特征在于,确定入库径流的水文年的步骤包括:选择12个月中入库流量中月平均流量最低的月份作为水文年的起始月份,且以所述入库径流的水文年作为出库径流的水文年。
4.根据权利要求2所述的水文情势变化分析方法,其特征在于,所述EFC参数包括各月平均低流量,极低流量平均发生次数,极低流量发生历时,最小流量大小,最小流量发生时间,高流量平均发生次数,高流量发生历时,最大流量大小,最大流量发生时间,高流量的平均增加率,高流量的平均减少率,大洪水平均发生次数,大洪水发生历时,大洪水的最大流量大小,大洪水的发生时间,大洪水的流量平均增加率,大洪水的流量平均减少率。
5.根据权利要求4所述的水文情势变化分析方法,其特征在于,计算入库流量数据的IHA低流量与高流量所需的划分参数的步骤包括:将所述入库流量数据序列由小到大进行排序,取所述入库流量数据序列中第25百分位数作为IHA低流量划分参数,取所述入库流量数据序列中第75百分位数作为IHA高流量划分参数。
6.根据权利要求5所述的水文情势变化分析方法,其特征在于,取所述IHA高流量划分参数作为EFC流量初始划分参数,对所述入库流量数据进行初始划分,将所述入库流量数据中高于EFC流量初始划分参数的数据作为初始高流量,将所述入库流量数据中低于EFC流量初始划分参数的数据作为初始低流量。
7.根据权利要求6所述的水文情势变化分析方法,其特征在于,还包括以下步骤:将所述初始高流量划分为若干初始高流量序列,并对其逐个进行判断:
若当前初始高流量序列中的最大流量小于预设的第一阈值时,将所述初始高流量序列划分为小洪水;
若当前初始高流量序列中的最大流量大于预设的第二阈值时,将所述初始高流量序列划分为大洪水;
若当前初始高流量序列中的最大流量大于预设的第一阈值且小于预设的第二阈值时,将所述初始高流量序列划分为高流量。
8.根据权利要求7所述的水文情势变化分析方法,其特征在于,所述第一阈值和第二阈值分别采用皮尔逊Ⅲ型分布进行拟合得到。
9.根据权利要求6所述的水文情势变化分析方法,其特征在于,还包括以下步骤:取经过排序后的入库流量数据序列中第10百分位数作为极低流量划分参数,将所述初始低流量中低于所述极低流量划分参数的数据作为极低流量,将所述初始低流量中高于所述极低流量划分参数的数据作为低流量。
10.根据权利要求1~9任一项所述的水文情势变化分析方法,其特征在于,还包括以下步骤:将所述IHA低流量与高流量所需的划分参数、EFC划分参数、入库径流的IHA参数、出库径流的IHA参数、入库径流的EFC参数、出库径流的EFC参数以及出入库径流的水文情势变化分析结果进行可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411487.2A CN113077167B (zh) | 2021-04-16 | 2021-04-16 | 一种面向出入库径流的水文情势变化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411487.2A CN113077167B (zh) | 2021-04-16 | 2021-04-16 | 一种面向出入库径流的水文情势变化分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077167A CN113077167A (zh) | 2021-07-06 |
CN113077167B true CN113077167B (zh) | 2022-07-19 |
Family
ID=76617918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110411487.2A Active CN113077167B (zh) | 2021-04-16 | 2021-04-16 | 一种面向出入库径流的水文情势变化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077167B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780829B (zh) * | 2021-09-14 | 2023-04-18 | 中国长江三峡集团有限公司 | 一种水文情势影响的评价方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833609A (zh) * | 2010-03-18 | 2010-09-15 | 北京师范大学 | 一种面向河流生态流量维持的水库优化调度方法 |
CN108108838A (zh) * | 2017-12-18 | 2018-06-01 | 华电福新能源股份有限公司福建分公司 | 一种高水量利用率的季调节水库优化调度方法 |
CN109657848A (zh) * | 2018-12-06 | 2019-04-19 | 东莞理工学院 | 一种基于对冲规则的水库生态供水优化调度方法 |
CN111784160A (zh) * | 2020-06-30 | 2020-10-16 | 中国水利水电科学研究院 | 一种河流水文情势变化的评估方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130332596A1 (en) * | 2012-06-11 | 2013-12-12 | James O. Jones | Network traffic tracking |
CN106087847B (zh) * | 2016-06-16 | 2018-08-31 | 长江勘测规划设计研究有限责任公司 | 基于径流预报的供水型水库调度图动态控制方法 |
CN106934496B (zh) * | 2017-03-08 | 2018-05-11 | 中国水利水电科学研究院 | 耦合径流预报信息的水电站二维调度图绘制及使用方法 |
CN107341570B (zh) * | 2017-06-26 | 2018-10-16 | 华中科技大学 | 一种随机来水条件下水库蓄水期径流分级控制发电调度方法 |
-
2021
- 2021-04-16 CN CN202110411487.2A patent/CN113077167B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833609A (zh) * | 2010-03-18 | 2010-09-15 | 北京师范大学 | 一种面向河流生态流量维持的水库优化调度方法 |
CN108108838A (zh) * | 2017-12-18 | 2018-06-01 | 华电福新能源股份有限公司福建分公司 | 一种高水量利用率的季调节水库优化调度方法 |
CN109657848A (zh) * | 2018-12-06 | 2019-04-19 | 东莞理工学院 | 一种基于对冲规则的水库生态供水优化调度方法 |
CN111784160A (zh) * | 2020-06-30 | 2020-10-16 | 中国水利水电科学研究院 | 一种河流水文情势变化的评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
东江流域基流变化特征及影响因素;张泳华等;《水资源保护》;20200731;第36卷(第4期);第75-81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113077167A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615226B (zh) | 一种运营指标异常监测方法 | |
Mukherjee et al. | A multi-hazard approach to assess severe weather-induced major power outage risks in the us | |
Faulkner et al. | Can we still predict the future from the past? Implementing non‐stationary flood frequency analysis in the UK | |
McManamay et al. | Revisiting the homogenization of dammed rivers in the southeastern US | |
CN110209560B (zh) | 数据异常检测方法及检测装置 | |
US20110085649A1 (en) | Fluctuation Monitoring Method that Based on the Mid-Layer Data | |
CN113077167B (zh) | 一种面向出入库径流的水文情势变化分析方法 | |
US9942416B2 (en) | Telecommunication price-based routing apparatus, system and method | |
Nguyen et al. | Understanding the anthropogenic development impacts on long-term flow regimes in a tropical river basin, Central Vietnam | |
Greimel et al. | PeakTrace: Routing of hydropeaking waves using multiple hydrographs—A novel approach | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN116756481B (zh) | 基于时变增益模型和Copula的流域未来水文干旱概率分析方法 | |
Rehan et al. | Uncertainty and sensitivity analysis of flood risk management decisions based on stationary and nonstationary model choices | |
CN115619045B (zh) | 一种河口潮差预报方法和系统 | |
WO2022217567A1 (zh) | 一种面向出入库径流的水文情势变化分析方法 | |
CN116663716A (zh) | 一种梯级水电站水量平衡计算的水位点预测方法及系统 | |
Chan et al. | Stationarity of extreme streamflow time series for flood control operation in hydropower reservoirs | |
Sadeghian et al. | Evaluating the suspended sediment of mahabad dam using statistical methods | |
KR101484761B1 (ko) | 위기 경보 신호를 이용하여 산업 위기를 예측하는 방법 및 그 장치 | |
CN113268710A (zh) | 一种干旱极值信息输出方法、装置、电子设备和介质 | |
Laitinen | Estimation of internal rate of return under nonsteady conditions | |
Zhu et al. | Extension of Naturalized Flow Using Linear Regression | |
Callahan et al. | Estimation of return levels for extreme skew surge coastal flooding events in the Delaware and Chesapeake Bays for 1980–2019 | |
Huang | Drought level prediction based on log-linear model. | |
Tayara-Zobaida | Hydrologic drought characteristics of selected basins in various climate zones of Lebanon |
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 |