CN113095694A - 一种适用于多地貌类型区的降雨输沙模型构建方法 - Google Patents
一种适用于多地貌类型区的降雨输沙模型构建方法 Download PDFInfo
- Publication number
- CN113095694A CN113095694A CN202110421027.8A CN202110421027A CN113095694A CN 113095694 A CN113095694 A CN 113095694A CN 202110421027 A CN202110421027 A CN 202110421027A CN 113095694 A CN113095694 A CN 113095694A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- sand
- model
- different
- indexes
- 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.)
- Granted
Links
- 239000004576 sand Substances 0.000 title claims abstract description 206
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000000528 statistical test Methods 0.000 claims abstract description 6
- 238000005192 partition Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 34
- 239000013049 sediment Substances 0.000 claims description 33
- 230000003628 erosive effect Effects 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000013316 zoning Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 12
- 238000013210 evaluation model Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000001151 non-parametric statistical test Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Sewage (AREA)
Abstract
本发明提供了一种适用于多地貌类型区的降雨输沙模型构建方法，其方法包括：流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量，采用非参数统计检验方法分析建模代表时段，获取分析结果，根据分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标，基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对分区多指标降雨输沙模型中参数的取值范围进行量化约束，获得分区最优模型，采用分区最优模型计算全流域输沙量，根据全流域输沙量对分区最优模型的合理性进行分析。易于操作、成果可靠。
Description
技术领域
本发明涉及工程泥沙技术领域，特别涉及一种适用于多地貌类型区的降雨输沙模型构建方法。
背景技术
流域产沙是降雨和下垫面结合的产物,无论下垫面还是降雨，一旦发生变化，都会产生不同的沙量。在分析流域产沙量变化原因时，需要分析人类活动影响较小的天然下垫面产沙量，在论证新建水库、淤地坝等工程时，需要分析流域现状下垫面的产沙量。在分析不同下垫面产沙量时，一般需要分析建模时段并构建降雨输沙模型。
黄土高原地貌复杂多样，包括黄土丘陵沟壑区、河源梁墹区、黄土高塬沟壑区、风沙区、黄土阶地区和黄土丘陵林区等多种地貌类型区，不同地貌类型区的产沙模数差别很大。对于包含多种地貌类型区的某一流域，如果在计算产沙量时不考虑地貌类型的差别，只采用一个降雨输沙模型计算，势必导致沙量计算结果偏大或者偏小。在确定建模时段时，由于水沙关系的复杂性，常用的双累积曲线法分析得出的突变点往往具有不确定性，会出现多个不同的突变点，在确定流域突变点时可能存在较多的人为因素。另外，在建立降雨输沙模型时，如果设定的参数初始值不当，可能导致计算收敛速度慢或者出现指数为负数等不符合物理概念的情况。
发明内容
为解决上述技术问题，本发明提供一种适用于多地貌类型区的降雨输沙模型构建方法，用以计算不同下垫面输沙量，包括以下步骤：
采集流域雨量站降雨数据、水文站实测输沙量数据、不同地貌类型区面积数据；
根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量；
采用非参数统计检验方法分析建模代表时段，获取分析结果；
根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标；
基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，获得分区最优模型；
采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析。
优选的，所述根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量，包括：
根据所述流域雨量站降雨数据，分析不同地貌类型区的降雨特征指标，根据所述水文站实测输沙量数据，分析不同地貌类型区的分区输沙量；
其中，所述不同地貌类型区指同一流域包含两种及两种以上地貌类型；
所述降雨特征指标包括时段降雨量P、时段平均雨强I、时段降雨笼罩面积F、不同等级降雨量Pn、不同等级雨强In、不同等级降雨笼罩面积Fn及最大N日雨量PmaxN；
所述分区输沙量包括不同地貌类型区的年输沙量Ws分区，根据各地貌分区内水文站实测沙量Ws水文站，采用面积比法进行计算：
其中，F分区为不同地貌类型区的面积，F水文站为各地貌分区内水文站的集水面积。
优选的，所述采用非参数统计检验方法分析建模代表时段，获取分析结果，包括：
基于Mann-Whitney-Pettitt法分析不同地貌类型区的产沙系数(产沙系数＝输沙量/(面积*降水量))统计量Ut，检测出产沙系数序列的一级突变年份，然后以该突变年份为界将原沙量序列一分为二，继续检测新的突变年份，可检测出二级突变年份，从而获得所述建模代表时段；
将所述建模代表时段作为所述分析结果。
优选的，所述根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标，包括：
根据所述分区输沙量与降雨特征指标，采用非线性回归方法，分别建立分区沙量时段降雨量P、时段平均雨强I、时段降雨笼罩面积F、不同等级降雨量Pn、不同等级雨强In、不同等级降雨笼罩面积Fn及最大N日雨量PmaxN等单个降雨指标的关系，从中筛选出与输沙量相关性大于等于预设阈值的多组单个降雨指标，作为有效降雨指标，单指标降雨输沙模型构建方法如下：
Ws分区＝αPβ
其中，α为系数，β为指数。
优选的，所述基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，选择分区最优模型，包括：
基于筛选的有效降雨指标，进行两两降雨指标组合，组合方式为时段降雨量与平均雨强、时段降雨量与笼罩面积、时段降雨量与最大N日雨量、不同等级降雨量与雨强、不同等级降雨量与笼罩面积进行组合，获取多组组合后的降雨指标；
根据每组组合的降雨指标，构建每组组合的降雨指标对应的分区多指标降雨输沙模型：
Ws分区＝αPβIδ
其中，α为系数，β、δ为指数；
根据黄河流域主要产沙区数十组降雨输沙模型总结分析结果对所述分区多指标降雨输沙模型中的参数的取值范围进行量化约束；
在多组多指标降雨输沙模型中选择相关度最高的一组作为采用的分区最优模型。
优选的，所述采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析，包括：
利用所述分区最优模型计算各分区输沙量，累加后计算全流域输沙量；
将计算的全流域输沙量与流域把口水位站的实测输沙量进行对比分析，若二者的相似度大于等于第三预设阈值，确认所述分区最优模型的合理性为优，否则重新选降雨输沙模型进行计算。
优选的，所述方法还包括：对所述分区最优模型进行稳定性检测，检测步骤包括：
设定预设坐标系，在所述流域中固定设置多个不同含沙量的沙坑作为特征点；
将各个特征点输入到所述分区最优模型中，获得所述分区最优模型输出的特征数据；
利用预设图像采集装置在所述特征数据中采集每个沙坑的图像数据，对每个沙坑的图像数据进行处理获得不同特征点的实时坐标值；
根据不同特征点的实时坐标值获得所述流域的第一数字化地貌曲面；
对所述流域进行模拟间接性降雨，检测所述模拟间接性降雨过程中的第一降雨序列；
获取所述第一降雨序列中的第一分位数，根据所述分位数将所述第一降雨序列分为第一极小值、第一常规值和第一极大值；
确定流域内雨水的实测值，根据所述实测值推算出流域实测降雨过程中的第二降雨序列；
获取所述第二降雨序列中的第二分位数，根据所述分位数将所述第二降雨序列分为第二极小值、第二常规值和第二极大值；
根据所述第二极小值、第二常规值和第二极大值与第一极小值、第一常规值和第一极大值之间的偏差值确定第一降雨序列与第二降雨序列之间的修正因子；
基于所述修正因子，对所述第一降雨序列进行修正，获得修正后的第一降雨序列；
将所述修正后的第一降雨序列中的多个序列值转化为在所述预设坐标系中的目标坐标值；
根据多个目标坐标值获得所述流域的第二数字化地貌曲面；
比较所述第一数字化地貌曲面与第二数字化地貌曲面，获得所述流域内不同地貌的形变幅度和速度；
获取流域进行模拟间接性降雨的降雨参数，根据所述流域内不同地貌的形变幅度和速度以及所述降雨参数构建流域在不同降雨条件下的稳定性评估模型；
获取第一目标数量个预设降雨量，将所述预设降雨量同时输入到所述分区最优模型和稳定性评估模型中，获得第一目标数量个第一输出结果和第二输出结果；
确认第一目标数量个第一输出结果与第二输出结果的相似度；
统计第一输出结果与第二输出结果的相似度大于等于第四预设阈值的第二目标数量，确认所述第二目标数量是否大于等于预设数量，若是，确认所述分区最优模型的稳定性为优，否则，确认所述分区最优模型的稳定性为差。
优选的，所述采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析，包括：
确定所述分区最优模型对应的目标有效降雨指标；
确定所述目标有效降雨指标对应的目标降雨强度；
计算出目标降雨强度相对于预设基准降雨强度的地面侵蚀强度：
其中，k表示为目标降雨强度相对于预设基准降雨强度的地面侵蚀强度，Di表示为在目标降雨强度下流域的地面侵蚀量，di表示为在预设基准降雨强度下流域的地面侵蚀量，d1表示为在目标降雨强度与预设基准降雨强度差值的绝对值下流域的地面侵蚀量，δ表示为分区最优模型的精度；
根据目标降雨强度相对于预设基准降雨强度的地面侵蚀强度计算出全流域输沙量：
其中，Q表示为全流域输沙量，N表示为降雨的天数，Si表示为第i天的有效降雨量，Fi表示为第i天的降雨衰减因子，M表示为流域内地貌的数量，Gj表示为第j个地貌的土地稀松度，Xj表示为第j个地貌的输沙模数，θ1表示为流域内的地下产沙比重，θ2表示为流域内的地表产沙比重，m表示为流域内的下垫面的总质量；
将所述全流域输沙量确认为计算结果；
根据所述全流域输沙量与实际检测的输沙量进行比较，若二者的偏差在预设范围内，确认所述分区最优模型的合理性为合理，若二者的偏差在所述预设范围外，确认所述分区最优模型的合理性为不合理。
与现有技术相比，本发明具有以下优点和有益效果：
本发明为一种适用于多地貌类型区的降雨输沙模型构建方法，充分考虑了不同地貌类型区的产沙特点。在分析建模时段时，采用了非参数统计检验方法，基于原始数据所获得的秩进行统计分析，也不受少数异常值和缺失数据的干扰和影响，分析的建模时段更符合实际。在构建模型时，首先通过构建分区单指标降雨输沙模型，优选分区有效降雨指标，再通过指标合理组合，构建出分区多指标降雨输沙模型，并对模型中的指数取值范围进行量化约束，提高了回归分析的准确性及高效性，选择最优降雨输沙模型，为不同下垫面输沙量计算提供了一种技术解决方案，步骤简明、易于操作、成果可靠，是一种易于为基层科技工作者掌握和使用的简便方法。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明提供的适用于多地貌类型区的降雨输沙模型构建方法的流程图；
图2为适应于本发明的典型多地貌类型流域示意图；
图3为本发明提供的建模时段划分示例图；
图4为本发明提供的某一地貌类型区单指标降雨输沙模型示例图；
图5为本发明提供的某一地貌类型区多指标降雨输沙模型示例图；
图6为本发明提供的适用于多地貌类型区的降雨输沙模型构建系统的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案以及技术特征可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
流域产沙是降雨和下垫面结合的产物,无论下垫面还是降雨，一旦发生变化，都会产生不同的沙量。在分析流域产沙量变化原因时，需要分析人类活动影响较小的天然下垫面产沙量，在论证新建水库、淤地坝等工程时，需要分析流域现状下垫面的产沙量。在分析不同下垫面产沙量时，一般需要分析建模时段并构建降雨输沙模型。
黄土高原地貌复杂多样，包括黄土丘陵沟壑区、河源梁墹区、黄土高塬沟壑区、风沙区、黄土阶地区和黄土丘陵林区等多种地貌类型区，不同地貌类型区的产沙模数差别很大。对于包含多种地貌类型区的某一流域，如果在计算产沙量时不考虑地貌类型的差别，只采用一个降雨输沙模型计算，势必导致沙量计算结果偏大或者偏小。在确定建模时段时，由于水沙关系的复杂性，常用的双累积曲线法分析得出的突变点往往具有不确定性，会出现多个不同的突变点，在确定流域突变点时可能存在较多的人为因素。另外，在建立降雨输沙模型时，如果设定的参数初始值不当，可能导致计算收敛速度慢或者出现指数为负数等不符合物理概念的情况为了解决上述问题，本实施例公开了一种适用于多地貌类型区的降雨输沙模型构建方法。
一种适用于多地貌类型区的降雨输沙模型构建方法，如图1所示，包括以下步骤：
步骤1：采集流域雨量站降雨数据、水文站实测输沙量数据、不同地貌类型区面积数据；
步骤2：根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量；
步骤3：采用非参数统计检验方法分析建模代表时段，获取分析结果；
步骤4：根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标；
步骤5：基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，获得分区最优模型；
步骤6：采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析；
在本实施例中，上述步骤1可以从大数据库中调取到上述数据并且进行下载以利用，适用于本方法的典型多地貌类型流域示意图如图2所示。
上述步骤2包括：根据所述流域雨量站降雨数据，分析不同地貌类型区的降雨特征指标，根据所述水文站实测输沙量数据，分析不同地貌类型区的分区输沙量；
其中，所述不同地貌类型区指同一流域包含两种及两种以上地貌类型；
所述降雨特征指标包括时段降雨量P、时段平均雨强I、时段降雨笼罩面积F、不同等级降雨量Pn、不同等级雨强In、不同等级降雨笼罩面积Fn及最大N日雨量PmaxN；
所述分区输沙量包括不同地貌类型区的年输沙量Ws分区，根据各地貌分区内水文站实测沙量Ws水文站，采用面积比法进行计算：
其中，F分区为不同地貌类型区的面积，F水文站为各地貌分区内水文站的集水面积。
上述步骤3包括：基于Mann-Whitney-Pettitt法分析不同地貌类型区的产沙系数(输沙量/面积/降水量)统计量Ut，检测出产沙系数序列的一级突变年份，然后以该突变年份为界将原沙量序列一分为二，继续检测新的突变年份，可检测出二级突变年份，从而获得所述建模代表时段；
将所述建模代表时段作为所述分析结果；
建模代表时段的划分示例图如图3所示。
上述步骤4包括：根据所述分区输沙量与降雨特征指标，采用非线性回归方法，分别建立分区沙量时段降雨量P、时段平均雨强I、时段降雨笼罩面积F、不同等级降雨量Pn、不同等级雨强In、不同等级降雨笼罩面积Fn及最大N日雨量PmaxN等单个降雨指标的关系，从中筛选出与输沙量相关性大于等于预设阈值的多组单个降雨指标，作为有效降雨指标，单指标降雨输沙模型构建方法如下：
Ws分区＝αPβ
其中，α为系数，β为指数；
图4为根据本发明方法构建的某一地貌类型区单指标降雨输沙模型示例图。
上述步骤5包括：基于筛选的有效降雨指标，进行两两降雨指标组合，组合方式为时段降雨量与平均雨强(PI)、时段降雨量与笼罩面积(PF)、时段降雨量与最大N日雨量(PPmaxN)、不同等级降雨量与雨强(PnIn)、不同等级降雨量与笼罩面积进行组合(PnIn)，获取多组组合后的降雨指标；
根据每组组合的降雨指标，构建每组组合的降雨指标对应的分区多指标降雨输沙模型：
Ws分区＝αPβIδ
其中，α为系数，β、δ为指数；
根据黄河流域主要产沙区数十组降雨输沙模型总结分析结果对所述分区多指标降雨输沙模型中的参数的取值范围进行量化约束；
在多组多指标降雨输沙模型中选择相关度最高的一组作为采用的分区最优模型；
图5为根据本发明方法构建的某一地貌类型区多指标降雨输沙模型示例图。
上述步骤6包括：利用所述分区最优模型计算各分区输沙量，累加后计算全流域输沙量；
将计算的全流域输沙量与流域把口水位站的实测输沙量进行对比分析，若二者的相似度大于等于第三预设阈值，确认所述分区最优模型的合理性为优，否则重新选降雨输沙模型进行计算。
上述技术方案的工作原理为：采集流域雨量站降雨数据、水文站实测输沙量数据、不同地貌类型区面积数据，根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量，采用非参数统计检验方法分析建模代表时段，获取分析结果，根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标，基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，获得分区最优模型，采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析。
上述技术方案的有益效果为：充分考虑了不同地貌类型区的产沙特点。在分析建模时段时，采用了非参数统计检验方法，基于原始数据所获得的秩进行统计分析，也不受少数异常值和缺失数据的干扰和影响，分析的建模时段更符合实际。在构建模型时，首先通过构建分区单指标降雨输沙模型，优选分区有效降雨指标，再通过指标合理组合，构建出分区多指标降雨输沙模型，并对模型中的指数取值范围进行量化约束，提高了回归分析的准确性及高效性，选择最优降雨输沙模型，为不同下垫面输沙量计算提供了一种技术解决方案，步骤简明、易于操作、成果可靠。
在一个实施例中，所述方法还包括：对所述分区最优模型进行稳定性检测，检测步骤包括：
设定预设坐标系，在所述流域中固定设置多个不同含沙量的沙坑作为特征点；
将各个特征点输入到所述分区最优模型中，获得所述分区最优模型输出的特征数据；
利用预设图像采集装置在所述特征数据中采集每个沙坑的图像数据，对每个沙坑的图像数据进行处理获得不同特征点的实时坐标值；
根据不同特征点的实时坐标值获得所述流域的第一数字化地貌曲面；
对所述流域进行模拟间接性降雨，检测所述模拟间接性降雨过程中的第一降雨序列；
获取所述第一降雨序列中的第一分位数，根据所述分位数将所述第一降雨序列分为第一极小值、第一常规值和第一极大值；
确定流域内雨水的实测值，根据所述实测值推算出流域实测降雨过程中的第二降雨序列；
获取所述第二降雨序列中的第二分位数，根据所述分位数将所述第二降雨序列分为第二极小值、第二常规值和第二极大值；
根据所述第二极小值、第二常规值和第二极大值与第一极小值、第一常规值和第一极大值之间的偏差值确定第一降雨序列与第二降雨序列之间的修正因子；
基于所述修正因子，对所述第一降雨序列进行修正，获得修正后的第一降雨序列；
将所述修正后的第一降雨序列中的多个序列值转化为在所述预设坐标系中的目标坐标值；
根据多个目标坐标值获得所述流域的第二数字化地貌曲面；
比较所述第一数字化地貌曲面与第二数字化地貌曲面，获得所述流域内不同地貌的形变幅度和速度；
获取流域进行模拟间接性降雨的降雨参数，根据所述流域内不同地貌的形变幅度和速度以及所述降雨参数构建流域在不同降雨条件下的稳定性评估模型；
获取第一目标数量个预设降雨量，将所述预设降雨量同时输入到所述分区最优模型和稳定性评估模型中，获得第一目标数量个第一输出结果和第二输出结果；
确认第一目标数量个第一输出结果与第二输出结果的相似度；
统计第一输出结果与第二输出结果的相似度大于等于第四预设阈值的第二目标数量，确认所述第二目标数量是否大于等于预设数量，若是，确认所述分区最优模型的稳定性为优，否则，确认所述分区最优模型的稳定性为差。
上述技术方案的有益效果为：通过利用数据坐标检测流域内的第一数字化地貌曲面可实现对流域的相对高频检测，以达到精确监测的目的，提高数据的准确性，进一步地，通过对流域进行模拟降雨获得流域在降雨过程中的第二数字化地貌曲面可以快速地与第一数字化地貌曲面进行比较以确定流域在降雨情况下的地形变化，进一步地，通过利用降雨参数和流域在降雨情况下的地形变化参数构建稳定性评估模型可以保证稳定性评估模型与分区最优模型的数据关联性，进而通过对比二者的相似度即可确定分区最优模型的稳定性，避免了人为主观因素对于分区最优模型的稳定性判断结果的影响，保证最终判定结果的客观性。
在一个实施例中，所述采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析，包括：
确定所述分区最优模型对应的目标有效降雨指标；
确定所述目标有效降雨指标对应的目标降雨强度；
计算出目标降雨强度相对于预设基准降雨强度的地面侵蚀强度：
其中，k表示为目标降雨强度相对于预设基准降雨强度的地面侵蚀强度，Di表示为在目标降雨强度下流域的地面侵蚀量，di表示为在预设基准降雨强度下流域的地面侵蚀量，d1表示为在目标降雨强度与预设基准降雨强度差值的绝对值下流域的地面侵蚀量，δ表示为分区最优模型的精度；
根据目标降雨强度相对于预设基准降雨强度的地面侵蚀强度计算出全流域输沙量：
其中，Q表示为全流域输沙量，N表示为降雨的天数，Si表示为第i天的有效降雨量，Fi表示为第i天的降雨衰减因子，M表示为流域内地貌的数量，Gj表示为第j个地貌的土地稀松度，Xj表示为第j个地貌的输沙模数，θ1表示为流域内的地下产沙比重，θ2表示为流域内的地表产沙比重，m表示为流域内的下垫面的总质量；
将所述全流域输沙量确认为计算结果；
根据所述全流域输沙量与实际检测的输沙量进行比较，若二者的偏差在预设范围内，确认所述分区最优模型的合理性为合理，若二者的偏差在所述预设范围外，确认所述分区最优模型的合理性为不合理。
上述技术方案的有益效果为：通过计算目标降雨强度相对于预设基准降雨强度的地面侵蚀强度可以预先评估在目标降雨强度下对应地面的侵蚀强度以及产沙的效率，进一步地，通过利用目标降雨强度相对于预设基准降雨强度的地面侵蚀强度计算出全流域输沙量可以根据流域内的不同地貌的的参数以及降雨量来准确地计算出全流域输沙量，保证了数据的精确性。
优选的，本实施例还公开了一种适用于多地貌类型区的降雨输沙模型构建方法的系统，如图6所示，该系统包括：
采集模块601，用于采集流域雨量站降雨数据、水文站实测输沙量数据、不同地貌类型区面积数据；
第一分析模块602，用于根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量；
第二分析模块603，采用非参数统计检验方法分析建模代表时段，获取分析结果；
筛选模块604，用于根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标；
构建模块605，用于基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，获得分区最优模型；
计算模块606，用于采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明，此处不再赘述。
Claims (8)
1.一种适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，包括以下步骤：
采集流域雨量站降雨数据、水文站实测输沙量数据、不同地貌类型区面积数据；
根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量；
采用非参数统计检验方法分析建模代表时段，获取分析结果；
根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标；
基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，获得分区最优模型；
采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析。
2.如权利要求1所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述根据所述流域雨量站降雨数据、水文站实测输沙量数据和不同地貌类型区面积数据分析出流域不同地貌类型区降雨特征指标及分区输沙量，包括：
根据所述流域雨量站降雨数据，分析不同地貌类型区的降雨特征指标，根据所述水文站实测输沙量数据，分析不同地貌类型区的分区输沙量；
其中，所述不同地貌类型区指同一流域包含两种及两种以上地貌类型；
所述降雨特征指标包括时段降雨量P、时段平均雨强I、时段降雨笼罩面积F、不同等级降雨量Pn、不同等级雨强In、不同等级降雨笼罩面积Fn及最大N日雨量PmaxN；
所述分区输沙量包括不同地貌类型区的年输沙量Ws分区，根据各地貌分区内水文站实测沙量Ws水文站，采用面积比法进行计算：
其中，F分区为不同地貌类型区的面积，F水文站为各地貌分区内水文站的集水面积。
3.如权利要求1所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述采用非参数统计检验方法分析建模代表时段，获取分析结果，包括：
基于Mann-Whitney-Pettitt法分析不同地貌类型区的产沙系数统计量Ut，检测出产沙系数序列的一级突变年份，然后以该突变年份为界将原沙量序列一分为二，继续检测新的突变年份，可检测出二级突变年份，从而获得所述建模代表时段；
将所述建模代表时段作为所述分析结果。
4.如权利要求2所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述根据所述分析结果与流域不同地貌类型区降雨特征指标及分区输沙量构建不同地貌类型区的单指标降雨输沙模型，分析判别并筛选有效降雨指标，包括：
根据所述分区输沙量与降雨特征指标，采用非线性回归方法，分别建立分区沙量时段降雨量P、时段平均雨强I、时段降雨笼罩面积F、不同等级降雨量Pn、不同等级雨强In、不同等级降雨笼罩面积Fn及最大N日雨量PmaxN等单个降雨指标的关系，从中筛选出与输沙量相关性大于等于预设阈值的多组单个降雨指标，作为有效降雨指标，单指标降雨输沙模型构建方法如下：
Ws分区＝αPβ
其中，α为系数，β为指数。
5.如权利要求4所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述基于筛选的有效降雨指标，构建分区多指标降雨输沙模型，对所述分区多指标降雨输沙模型中参数的取值范围进行量化约束，选择分区最优模型，包括：
基于筛选的有效降雨指标，进行两两降雨指标组合，组合方式为时段降雨量与平均雨强、时段降雨量与笼罩面积、时段降雨量与最大N日雨量、不同等级降雨量与雨强、不同等级降雨量与笼罩面积进行组合，获取多组组合后的降雨指标；
根据每组组合的降雨指标，构建每组组合的降雨指标对应的分区多指标降雨输沙模型：
Ws分区＝αPβIδ
其中，α为系数，β、δ为指数；
根据黄河流域主要产沙区数十组降雨输沙模型总结分析结果对所述分区多指标降雨输沙模型中的参数的取值范围进行量化约束；
在多组多指标降雨输沙模型中选择相关度最高的一组作为采用的分区最优模型。
6.如权利要求1所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析，包括：
利用所述分区最优模型计算各分区输沙量，累加后计算全流域输沙量；
将计算的全流域输沙量与流域把口水位站的实测输沙量进行对比分析，若二者的相似度大于等于第三预设阈值，确认所述分区最优模型的合理性为优，否则重新选降雨输沙模型进行计算。
7.如权利要求1所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述方法还包括：对所述分区最优模型进行稳定性检测，检测步骤包括：
设定预设坐标系，在所述流域中固定设置多个不同含沙量的沙坑作为特征点；
将各个特征点输入到所述分区最优模型中，获得所述分区最优模型输出的特征数据；
利用预设图像采集装置在所述特征数据中采集每个沙坑的图像数据，对每个沙坑的图像数据进行处理获得不同特征点的实时坐标值；
根据不同特征点的实时坐标值获得所述流域的第一数字化地貌曲面；
对所述流域进行模拟间接性降雨，检测所述模拟间接性降雨过程中的第一降雨序列；
获取所述第一降雨序列中的第一分位数，根据所述分位数将所述第一降雨序列分为第一极小值、第一常规值和第一极大值；
确定流域内雨水的实测值，根据所述实测值推算出流域实测降雨过程中的第二降雨序列；
获取所述第二降雨序列中的第二分位数，根据所述分位数将所述第二降雨序列分为第二极小值、第二常规值和第二极大值；
根据所述第二极小值、第二常规值和第二极大值与第一极小值、第一常规值和第一极大值之间的偏差值确定第一降雨序列与第二降雨序列之间的修正因子；
基于所述修正因子，对所述第一降雨序列进行修正，获得修正后的第一降雨序列；
将所述修正后的第一降雨序列中的多个序列值转化为在所述预设坐标系中的目标坐标值；
根据多个目标坐标值获得所述流域的第二数字化地貌曲面；
比较所述第一数字化地貌曲面与第二数字化地貌曲面，获得所述流域内不同地貌的形变幅度和速度；
获取流域进行模拟间接性降雨的降雨参数，根据所述流域内不同地貌的形变幅度和速度以及所述降雨参数构建流域在不同降雨条件下的稳定性评估模型；
获取第一目标数量个预设降雨量，将所述预设降雨量同时输入到所述分区最优模型和稳定性评估模型中，获得第一目标数量个第一输出结果和第二输出结果；
确认第一目标数量个第一输出结果与第二输出结果的相似度；
统计第一输出结果与第二输出结果的相似度大于等于第四预设阈值的第二目标数量，确认所述第二目标数量是否大于等于预设数量，若是，确认所述分区最优模型的稳定性为优，否则，确认所述分区最优模型的稳定性为差。
8.如权利要求1所述的适用于多地貌类型区的降雨输沙模型构建方法，其特征在于，所述采用所述分区最优模型计算全流域输沙量，获取计算结果，根据所述计算结果对所述分区最优模型的合理性进行分析，包括：
确定所述分区最优模型对应的目标有效降雨指标；
确定所述目标有效降雨指标对应的目标降雨强度；
计算出目标降雨强度相对于预设基准降雨强度的地面侵蚀强度：
其中，k表示为目标降雨强度相对于预设基准降雨强度的地面侵蚀强度，Di表示为在目标降雨强度下流域的地面侵蚀量，di表示为在预设基准降雨强度下流域的地面侵蚀量，d1表示为在目标降雨强度与预设基准降雨强度差值的绝对值下流域的地面侵蚀量，δ表示为分区最优模型的精度；
根据目标降雨强度相对于预设基准降雨强度的地面侵蚀强度计算出全流域输沙量：
其中，Q表示为全流域输沙量，N表示为降雨的天数，Si表示为第i天的有效降雨量，Fi表示为第i天的降雨衰减因子，M表示为流域内地貌的数量，Gj表示为第j个地貌的土地稀松度，Xj表示为第j个地貌的输沙模数，θ1表示为流域内的地下产沙比重，θ2表示为流域内的地表产沙比重，m表示为流域内的下垫面的总质量；
将所述全流域输沙量确认为计算结果；
根据所述全流域输沙量与实际检测的输沙量进行比较，若二者的偏差在预设范围内，确认所述分区最优模型的合理性为合理，若二者的偏差在所述预设范围外，确认所述分区最优模型的合理性为不合理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110421027.8A CN113095694B (zh) | 2021-04-19 | 2021-04-19 | 一种适用于多地貌类型区的降雨输沙模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110421027.8A CN113095694B (zh) | 2021-04-19 | 2021-04-19 | 一种适用于多地貌类型区的降雨输沙模型构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113095694A true CN113095694A (zh) | 2021-07-09 |
| CN113095694B CN113095694B (zh) | 2022-07-22 |
Family
ID=76678624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110421027.8A Active CN113095694B (zh) | 2021-04-19 | 2021-04-19 | 一种适用于多地貌类型区的降雨输沙模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095694B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114528708A (zh) * | 2022-02-23 | 2022-05-24 | 广东工业大学 | 一种流域侵蚀产沙指数模拟方法和系统 |
| CN116580542A (zh) * | 2023-07-14 | 2023-08-11 | 四川川核地质工程有限公司 | 一种洪水预警方法及系统 |
| CN116645011A (zh) * | 2023-07-27 | 2023-08-25 | 天津市气象科学研究所 | 一种评估建筑气候分区性能的量化指数计算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108896473A (zh) * | 2018-06-06 | 2018-11-27 | 黄河水利委员会黄河水利科学研究院 | 耦合不同时空尺度模型的流域侵蚀产沙量预测方法 |
| CN109543147A (zh) * | 2018-10-26 | 2019-03-29 | 西安理工大学 | 一种流域降雨径流关系非线性快速诊断及归因分析的方法 |
| CN110188404A (zh) * | 2019-05-08 | 2019-08-30 | 黄河流域水土保持生态环境监测中心 | 一种确定可遏制流域产沙的林草植被覆盖率阈值的方法 |
-
2021
- 2021-04-19 CN CN202110421027.8A patent/CN113095694B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108896473A (zh) * | 2018-06-06 | 2018-11-27 | 黄河水利委员会黄河水利科学研究院 | 耦合不同时空尺度模型的流域侵蚀产沙量预测方法 |
| CN109543147A (zh) * | 2018-10-26 | 2019-03-29 | 西安理工大学 | 一种流域降雨径流关系非线性快速诊断及归因分析的方法 |
| CN110188404A (zh) * | 2019-05-08 | 2019-08-30 | 黄河流域水土保持生态环境监测中心 | 一种确定可遏制流域产沙的林草植被覆盖率阈值的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈松伟等: "基于短历时降雨数据的降雨输沙经验模型研究", 《水文泥沙》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114528708A (zh) * | 2022-02-23 | 2022-05-24 | 广东工业大学 | 一种流域侵蚀产沙指数模拟方法和系统 |
| CN114528708B (zh) * | 2022-02-23 | 2024-02-27 | 广东工业大学 | 一种流域侵蚀产沙指数模拟方法和系统 |
| CN116580542A (zh) * | 2023-07-14 | 2023-08-11 | 四川川核地质工程有限公司 | 一种洪水预警方法及系统 |
| CN116580542B (zh) * | 2023-07-14 | 2023-09-15 | 四川川核地质工程有限公司 | 一种洪水预警方法及系统 |
| CN116645011A (zh) * | 2023-07-27 | 2023-08-25 | 天津市气象科学研究所 | 一种评估建筑气候分区性能的量化指数计算方法 |
| CN116645011B (zh) * | 2023-07-27 | 2023-10-03 | 天津市气象科学研究所 | 一种评估建筑气候分区性能的量化指数计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113095694B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
| CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
| CN106599571B (zh) | 兼顾流量和蒸发的流域水文模型分期率定方法 | |
| CN113887972A (zh) | 一种基于水文过程的综合旱情监测与评估方法 | |
| CN108647805B (zh) | 一种山洪灾害临界雨量综合检验方法 | |
| CN109543147B (zh) | 一种流域降雨径流关系非线性快速诊断及归因分析的方法 | |
| CN112883558B (zh) | 一种水文模型参数时变形式构造方法 | |
| CN117807382B (zh) | 基于智慧物联的排水管网污染监测数据智能处理方法 | |
| CN108920427B (zh) | 一种月尺度水文模型时变参数的动态估计方法 | |
| CN107729651B (zh) | 基于多维度的坡面细沟发育形态特征综合量化方法 | |
| CN105571645A (zh) | 一种大坝自动化监测方法 | |
| CN111898831A (zh) | 一种实时洪水概率预报实用化方法 | |
| CN108920429A (zh) | 一种水位动态监测的异常数据分析方法 | |
| CN115014299B (zh) | 基于物联网和大数据的洪峰预警方法 | |
| CN115236005A (zh) | 一种融合光谱和空间特征的土壤重金属含量反演方法 | |
| CN112800379B (zh) | 一种modis遥感积雪信息的处理方法和装置 | |
| CN111104746B (zh) | 一种基于小波分析的河漫滩高程确定方法 | |
| CN115204688A (zh) | 排水系统健康性综合评价方法 | |
| CN116205136A (zh) | 基于径流滞后信息的大尺度流域深度学习洪水预报方法 | |
| CN115909662A (zh) | 一种淤地坝防洪预警方法与系统 | |
| CN109657287B (zh) | 基于综合得分法水文模型精度识别的方法 | |
| Araneda et al. | Unified framework for drought monitoring and assessment in a transboundaryriver basin | |
| CN117171128A (zh) | 一种基于四水耦合模型的水生生物保护阈值识别方法 | |
| CN109409748B (zh) | 一种耕地质量评价指标关联性的检核方法及系统 | |
| CN116502531A (zh) | 一种基于多元线性回归模型的基流模拟方法 |
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 |