CN113487070B - 洪水频率的分析方法、装置和计算机设备 - Google Patents
洪水频率的分析方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113487070B CN113487070B CN202110700699.2A CN202110700699A CN113487070B CN 113487070 B CN113487070 B CN 113487070B CN 202110700699 A CN202110700699 A CN 202110700699A CN 113487070 B CN113487070 B CN 113487070B
- Authority
- CN
- China
- Prior art keywords
- flood
- rainfall
- event
- target
- frequency
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000013461 design Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 28
- 238000005315 distribution function Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010792 warming 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种洪水频率的分析方法、装置和计算机设备。所述方法包括:通过根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生达到洪水径流量峰值的目标洪水事件的频率,并根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。以此考虑洪源差异,确定目标流域在受不同气候(降雨类型)影响下发生目标洪水事件的频率,提高了确定目标流域发生目标洪水事件的频率的准确性,有利于确定适用于目标流域的防洪策略,以提高防洪效果。
Description
技术领域
本申请涉及水利工程技术领域,特别是涉及一种洪水频率的分析方法、装置、计算机设备和存储介质。
背景技术
全球气候变暖的背景下,不同天气系统如热带辐合带、西北太平洋副热带高压以及西南季风等活动均会发生不同程度的变化。这些天气系统的重要影响之一是造成降雨,继而引发洪水。
水利工程建设是防御流域洪水的有效举措之一,洪水频率一般指洪水特征值(如径流量峰值)出现的累计频率。即在多年时期内,该特征值等于或超过某定量的可能出现次数,也可折合成每一年内可能出现的频率。洪水频率分析的目的就是通过频率曲线的外延,推求T年一遇洪水的设计洪水,以为水利工程建设提供数据基础。
传统的洪水频率分析是根据洪水发生季节和洪水发生前的天气类型对洪水形成机制进行区分,并在此基础上进行洪水频率分析,然而上述根据洪水发生季节和洪水发生前的天气类型对洪水形成机制进行区分的方式并不合理,降低了洪水频率分析的准确性。
发明内容
基于此,有必要针对上述技术问题,提供一种洪水频率的分析方法、装置、计算机设备和存储介质。
一种洪水频率的分析方法,包括:
根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;
根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
在其中一个实施例中,根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率,包括:
将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;
其中,洪水频率分析模型为用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的函数模型。
在其中一个实施例中,获得洪水频率分析模型的过程,包括:
根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系;
根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型;
将每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率;
根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。
在其中一个实施例中,根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系,包括:
根据目标流域在预设分析时长内的单位径流量,确定目标流域在预设分析时长内所发生的洪水事件的开始时刻;
根据目标流域在预设分析时长内的单位降雨量,确定目标流域在预设分析时长内所发生的降雨事件的开始时刻;
将洪水事件的开始时刻与发生降雨事件的开始时刻进行匹配,得到洪水事件与降雨事件的对应关系。
在其中一个实施例中,根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型,包括:
根据目标流域对应网格区域的单位网格降雨数据对目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到单位降雨量中各个降雨类型的子单位降雨量;
根据各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量;其中,预设时段为洪水事件对应降雨事件的降雨开始时刻至洪水事件的单位径流量达到峰值的时刻;
根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型。
在其中一个实施例中,根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型,包括:
获取每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值;
根据比值对目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果;
获取每一聚类结果中各洪水事件中各个降雨类型所对应比值的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。
在其中一个实施例中,根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率,包括:
统计目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数;
采用各个降雨类型的洪水事件的个数比上目标流域在预设分析时长内发生洪水事件的总个数,得到洪水事件中各个降雨类型的占比;
根据洪水事件中各个降雨类型的占比对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,得到目标流域发生目标洪水事件的频率。
在其中一个实施例中,上述方法还包括:
根据洪水事件中各个降雨类型的占比对每一降雨类型对应的洪水频率分析模型进行线性拟合;
将目标流域发生设计洪水的概率输入拟合后的洪水频率分析模型,得到设计洪水的洪水径流量峰值。
一种洪水频率的分析装置,包括:
第一分析模块,用于根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;
第二分析模块,用于根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;
根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
一种计算机可读存储介质,其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以下步骤:
根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;
根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率
上述洪水频率的分析方法、装置、计算机设备和存储介质,通过根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生达到洪水径流量峰值的目标洪水事件的频率,并根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。以此考虑洪源差异,确定目标流域在受不同气候(降雨类型)影响下发生目标洪水事件的频率。由于洪水事件的形成机制与降雨类型紧密相关,因此采用每一降雨类型引发目标流域发生目标洪水事件的频率可实现洪水频率的准确分析,进而提高了确定目标流域发生目标洪水事件的频率的准确性,有利于确定适用于目标流域的防洪策略,以提高防洪效果。
附图说明
图1为一个实施例中洪水频率的分析方法的流程示意图;
图2为一个实施例中获得洪水频率分析模型的流程示意图;
图3为一个实施例中在九龙江流域和晋江流域拟合得到的不同降雨类型对应日径流量峰值和对应概率的函数关系示意图;
图4为一个实施例中确定洪水事件与降雨事件的对应关系的流程示意图;
图5为一个实施例中确定洪水事件、降雨事件以及洪水事件与降雨事件的对应关系的流程示意图;
图6为一个实施例中确定洪水事件对应的降雨类型的流程示意图;
图7为一个实施例中一洪水事件与对应的降雨事件之间对应关系的示意图;
图8为一个实施例中确定每一洪水事件对应的降雨类型的流程示意图;
图9为一个实施例中确定目标流域发生目标洪水事件的频率的流程示意图;
图10为一个实施例中确定指定重现期内设计洪水的洪水径流量峰值的流程示意图;
图11为一个实施例中针对九龙江流域和晋江流域由不同方式所确定的径流量与重现期的函数关系示意图;
图12为一个实施例中洪水频率的分析装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种洪水频率的分析方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该方法包括以下步骤:
S110、根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率。
其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件。单位径流量指单位时间内流域的径流量。例如,时径流量,日径流量或者月径流量。洪水径流量峰值可以是目标流域的设计洪水,也可以是目标流域历史降雨径流事件中任一洪水事件的单位径流量峰值。
流域的单位径流量达到单位径流量阈值POT,则确定流域发生洪水事件,洪水径流量峰值则是指每一洪水事件中的最大单位径流量。降雨类型可用于表征引发降雨的气候类型即降雨的形成机制,不同地区的降雨类型可以不同,同一地域也可以有多种降雨类型。例如,我国东南沿海地区受西北太平洋热带气旋气候影响,形成热带气旋型降雨,受东亚季风气候影响,形成非气旋型降雨(即俗称“梅雨”)。
可选地,终端预先获取目标流域历史降雨和径流数据中的单位降雨量和单位径流量,进而确定洪水事件和对应的降雨事件,并根据每一洪水事件所对应的降雨事件的历史降雨数据确定每一洪水事件的降雨类型,统计目标流域的每一降雨类型的洪水事件对应的单位径流量峰值,同时确定在历史降雨数据对应时段内每一洪水事件内出现单位径流量峰值的频率,进而构建得到每一降雨类型的洪水事件对应的单位径流量峰值与其出现的频率的函数关系。
可选地,终端利用上述不同降雨类型对应的函数关系,得到目标流域的洪水径流量峰值分别对应的频率。例如,位于我国东南沿海地区的九龙江流域存在上述热带气旋型降雨和非带气旋型降雨,以及混合型降雨三种降雨类型,对应构建得到三种函数关系,终端将目标流域的设计洪水即洪水径流量峰值采用上述三种函数关系对应分别得到三种频率。
S120、根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
可选地,终端可采用预设权重对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,以得到目标流域发生目标洪水事件的频率。例如,上述热带气旋型降雨和非带气旋型降雨,以及混合型降雨三种降雨类型对应的权重分别为a,b,c,由对应三种函数关系确定的频率分别为F1,F2,F3,则目标流域发生目标洪水事件的频率F=a*F1+b*F2+c*F3。其中,c可以为0。
可选地,终端还可以根据目标流域发生目标洪水事件的频率确定目标流域的防洪策略。
目标流域发生目标洪水事件的频率确定目标流域的防洪策略。
其中,终端可根据洪水事件的单位径流量峰值R对洪水事件进行分级,例如,R1≤R<R2,对应为一级洪水事件,R2≤R<R3,对应为二级洪水事件,R3≤R,对应为三级洪水事件,不同级别的洪水事件对应不同的防洪策略,洪水事件的级别越高,相应地的防洪策略涉及范围越广,要求也越高。防洪策略可以包括对防洪水坝的设计要求、流域建筑的修建要求等防洪相关内容。
可选地,一个洪水径流量峰值对应目标流域发生对应目标洪水事件的一个频率,终端则采用多个洪水径流量峰值,得到目标流域发生对应目标洪水事件的多个频率,统计各级别目标洪水事件的频率之和,从中确定最大的频率之和,进而根据得到最大频率之和对应洪水事件的等级确定防洪策略,还可以根据最高级别的洪水事件的频率之和与频率阈值的大小确定防洪策略。
例如,终端确定目标流域一级洪水事件的频率之和为98.8%,二级洪水事件的频率之和为1.1%,二级洪水事件的频率之和为0.1%,即可确定目标流域对应发生一级洪水事件的频率最大,相应得到一级洪水事件的防洪策略。还可以在三级洪水事件的频率之和大于频率阈值时,得到三级洪水事件对应的防洪策略。
本实施例中,终端根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生达到洪水径流量峰值的目标洪水事件的频率,并根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。由于洪水事件的形成机制与降雨类型紧密相关,因此采用每一降雨类型引发目标流域发生目标洪水事件的频率可实现洪水频率的准确分析,进而提高了确定目标流域发生目标洪水事件的频率的准确性,有利于确定适用于目标流域的防洪策略,以提高防洪效果。
在一个实施例中,可采用用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的频率分析模型确定每一降雨类型引发目标流域发生目标洪水事件的频率,上述S110包括:
将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率。
其中,洪水频率分析模型为用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的函数模型。
具体地,如图2所示,获得洪水频率分析模型的过程,包括:
S210、根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系。
其中,预设分析时长可以是一年,单位径流量可以是目标流域的日径流量,相应地,单位降雨量可以是目标流域的日降雨量。
可选地,终端可根据目标流域在预设分析时长内的单位径流量确定目标流域所发生的每一洪水事件,并根据目标流域在预设分析时长内的单位降雨量确定目标流域所发生的每一降雨事件,并根据每一洪水事件的开始时刻和每一降雨事件的开始时刻确定洪水事件与降雨事件的对应关系。
S220、根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型。
可选地,终端采用适用于划分该目标流域存在的降雨类型的划分方式对每一洪水事件所对应的降雨事件进行降雨类型的划分,以确定每一洪水事件所对应的降雨事件的降雨类型,即每一洪水事件对应的降雨类型。例如,上述位于我国东南沿海地区的九龙江流域存在热带气旋型降雨和非带气旋型降雨,即终端可采用热带气旋降雨分离客观方法(Objective Synoptic Analysis Technique,简称OSAT)对每一洪水事件中所对应的降雨事件的单位降雨量进行降雨类型的划分,在得到每一洪水事件所对应的降雨事件的单位降雨量对应不同降雨类型的降雨量后,再进一步确定每一洪水事件对应的降雨类型。
其中,需要用到的降雨数据可以包括网格日降雨数据和热带气旋路径数据。网格日降雨数据为基于站点数据生成的全国0.25°网格降水产品,数据时长为1960-2015年,时间分辨率为天(China Gauge-based Daily Precipitation Analysis,简称CGDPA),热带气旋路径数据包括中心点的经纬度、2分钟平均近中心最大风速和中心最低气压,数据源为CMA最佳路径数据集。该数据由中国上海台风研究所提供,数据时长为1960-2015年,时间分辨率为6h。
S230、将每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率。
其中,洪水频率分布函数可用于表征发生达到对应单位径流量峰值的洪水事件的频率。可选地,洪水频率分布函数可以是广义帕累托分布函数(Generalized pareto,GDP),具体满足下式:
ξ为位置参数,α为尺度参数,κ为形状参数,x为洪水事件的单位径流量峰值。
具体地,上述位置参数ξ、尺度参数α以及形状参数κ可采用极大似然估计(MaximumLikelihood Estimation,MLE)方法进行估计。在给定洪水事件的按出现时刻排列的单位径流量峰值序列后,假设其频率密度函数为f(x|u1,u2,...,un),其中u1,u2,...,un为待推求的参数即上述位置参数ξ、尺度参数α以及形状参数κ,则可列出似然函数为:
其中,Xi(i=1,2,…,k)是单位径流量峰值序列中的k个单位径流量峰值。
S240、根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。
具体地,终端将每一降雨类型对应洪水事件的单位径流量峰值输入确定好位置参数ξ、尺度参数α以及形状参数κ的广义帕累托分布函数中,即可对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率,并根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率进行线性拟合,得到每一降雨类型对应的单位径流量峰值和对应频率的函数关系,即上述洪水频率分析模型。如图3所示,可采用概率P表征上述频率,例如,以九龙江流域为例,概率P=0.2即表征每发生10次洪水事件,对应2次洪水事件的日径流量峰值超过4000m3/s。由各流域(九龙江、晋江)热带气旋型-经验概率(即实测的热带气旋型降雨对应洪水事件的日径流量峰值和对应概率)拟合得到热带气旋型-理论分布的函数关系(即拟合得到热带气旋型降雨对应日径流量峰值和对应概率的函数关系)。同理,由各流域非热带气旋型-经验概率(即实测的非热带气旋型降雨对应洪水事件的日径流量峰值和对应概率)拟合得到非热带气旋型-理论分布的函数关系(即拟合得到非热带气旋型降雨对应日径流量峰值和对应概率的函数关系)。
例如,终端确定九龙江流域在预设时长1年内发生100次洪水事件,分别为洪水事件H1~H100,其中确定洪水事件H1~H80为热带气旋型降雨,洪水事件H81~H95为非热带气旋型降雨,洪水事件H96~H100为混合型降雨,终端分别将洪水事件H1~H80中每一洪水事件的单位径流量峰值输入上述确定好的广义帕累托分布函数中,对应得到80个频率,分别将洪水事件H81~H95中每一洪水事件的单位径流量峰值输入上述确定好的广义帕累托分布函数中,对应得到15个频率,再分别将洪水事件H96~H100中每一洪水事件的单位径流量峰值输入上述确定好的广义帕累托分布函数中,对应得到5个频率。在对上述洪水事件H1~H80中每一洪水事件的单位径流量峰值和对应的80个频率进行线性拟合,得到热带气旋型降雨对应洪水频率分析模型;对上述洪水事件H81~H95中每一洪水事件的单位径流量峰值和对应的15个频率进行线性拟合,得到非热带气旋型降雨对应洪水频率分析模型;对上述洪水事件H96~H100中每一洪水事件的单位径流量峰值和对应的5个频率进行线性拟合,得到混合型降雨对应洪水频率分析模型。
本实施例中,终端根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系,以根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型,并将每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率,进而根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。在进行目标流域的洪水频率分析时,则将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,从而获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率。以此得到不同洪水形成机制下(不同降雨类型)目标流域发生设计洪水的频率。
在一个实施例中,为准确确定洪水事件与降雨事件的对应关系,如图4所示,S210包括:
S410、根据目标流域在预设分析时长内的单位径流量,确定目标流域在所述预设分析时长内所发生的洪水事件的开始时刻。
具体地,如图5所示,终端可预先对预设分析时长内的单位径流量进行基流分割,得到快速径流和基流,后续提到的单位径流量均为分割后得到的快速径流。终端再根据分割后得到的快速径流进行洪水事件划分,从分割后得到的快速径流中提取单位径流量峰值,比较每一单位径流量峰值与单位径流量阈值的大小,得到大于单位径流量阈值的单位径流量,并确定大于单位径流量阈值的单位径流量对应一洪水事件。例如,图5中事件1对应的单位径流量峰值小于单位径流量阈值,则确定事件1不为洪水事件,而事件2和事件3对应的单位径流量峰值大于单位径流量阈值,则确定事件2和3为洪水事件。
其中,在对应大于单位径流量阈值的单位径流量的发生时刻之前单位径流量首次达到第一单位径流量的第一时刻,即为对应大于单位径流量阈值的单位径流量所对应的洪水事件的开始时刻,在对应大于单位径流量阈值的单位径流量的发生时刻之后单位径流量首次达到第二单位径流量的第二时刻,即为对应大于单位径流量阈值的单位径流量所对应的洪水事件的结束时刻。第一单位径流量与第二单位径流量可以相同,也可以不相同。如图5所示,t1即为洪水事件2(事件2)的开始时刻,t2即为洪水事件2(事件2)的结束时刻。
需要说明的是,每一洪水事件可对应多个单位径流量峰值,出现时刻相邻的两单位径流量峰值之间的时间差若满足预设关系,则确定出现时刻相邻的两单位径流量峰值为同一洪水事件内出现的单位径流量峰值。例如,若出现时刻相邻的两日径流量峰值之间的间隔天数小于目标流域面积的对数值,则确定这两个日径流量峰值为同一洪水事件内出现的日径流量峰值;相应地,若出现时刻相邻的两日径流量峰值之间的间隔天数不小于目标流域面积的对数值,则确定这两个日径流量峰值为独立洪水事件内出现的日径流量峰值。
S420、根据目标流域在预设分析时长内的单位降雨量,确定目标流域在预设分析时长内所发生的降雨事件的开始时刻。
具体地,终端根据目标区域的单位降雨量进行降雨事件划分,具体是根据单位降雨量前后单位时段内是否存在单位降雨量来确定降雨事件的开始时刻和结束时刻。例如,在日降雨量的前一天没有日降雨量,则确定该日降雨量为降雨事件的开始时刻;在日降雨量的后一天没有日降雨量,则确定该日降雨量为降雨事件的结束时刻。
S430、终端将洪水事件的开始时刻与发生降雨事件的开始时刻进行匹配,得到洪水事件与降雨事件的对应关系。
其中,洪水事件一定是由降雨事件引发的,降雨事件与洪水事件的开始时刻之间有着一定的关联关系,即可利用这一关联关系确定预设分析时长内降雨事件与洪水事件的对应关系。
可选地,终端将洪水事件的开始时刻与发生降雨事件的开始时刻进行匹配,若降雨事件的开始时刻与洪水事件的开始时刻之间的时间差满足时间差阈值,则确定该场降雨事件引发该场洪水事件,即该场降雨事件与该场洪水事件对应。例如,以日降雨量为例,如图5中,降雨事件b的开始时刻与洪水事件2(事件2)的开始时刻相差1天<时间差阈值2天,则确定降雨事件b引发洪水事件2(事件2),即降雨事件b与洪水事件2(事件2)对应。
本实施例中,终端通过确定目标流域在所述预设分析时长内所发生的洪水事件的开始时刻,以及目标流域在预设分析时长内所发生的降雨事件的开始时刻,以将洪水事件的开始时刻与发生所述降雨事件的开始时刻进行匹配,以利用降雨事件与洪水事件开始时刻之间的关联关系,得到洪水事件与降雨事件的对应关系,进而提高了洪水事件与降雨事件的对应关系的准确性。
在一个实施例中,为准确确定洪水事件对应的降雨类型,如图6所示,上述S220包括:
S610、根据目标流域对应网格区域的单位网格降雨数据对目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到单位降雨量中各个降雨类型的子单位降雨量。
以目标流域为位于我国东南沿海地区的九龙江流域,单位径流量为日径流量,相应地,单位网格降雨数据即为网格日降雨数据为例进行说明。具体地,终端根据目标流域对应网格区域的网格日降雨数据采用OSAT法对所发生的洪水事件的日降雨量进行降雨类型的划分,得到日降雨量中各个降雨类型的子日降雨量。例如,目标流域在预设分析时长内共发生100次洪水事件,分别为洪水事件1~100,其中,洪水事件1的发生时段为4月10日~4月15日(如图6所示,包括6个日降雨量),终端根据目标流域对应网格区域在4月10日~4月15日的网格日降雨数据对4月10日~4月15日中每一日降雨量进行降雨类型的划分,得到每一日降雨量中各个降雨类型(热带气旋性型降雨、非热带气旋型降雨以及混合型降雨)的子日降雨量。以对4月10日的日降雨量为例,进行降雨类型的划分,R1=80mm,划分后得到4月10日的热带气旋性型降雨的降雨量R1r=47mm,非热带气旋性型降雨的降雨量R1f=21mm,混合型降雨的降雨量R1f=12mm。
S620、根据各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量。
其中,预设时段为洪水事件对应降雨事件的降雨开始时刻至洪水事件的单位径流量达到峰值的时刻。
具体地,终端统计洪水事件从降雨开始时刻至单位径流量达到峰值的预设时段内所有单位降雨量中各个降雨类型的子单位降雨量之和。如图7所示,洪水事件1与降雨事件a对应,降雨开始时刻t1至日位径流量达到峰值的预设时段T对应4月10日~4月14日的日径流量R1~R5,其中,R1=80mm,R1r=47mm,R1f=21mm,R1h=12mm;R2=132mm,R2r=68mm,R2f=45mm,R2h=19mm;R3=185mm,R3r=98mm,R3f=67mm,R3h=30mm;R4=128mm,R4r=65mm,R4f=43mm,R4h=20mm;R5=83mm,R5r=43mm,R5f=25mm,R5h=15mm。统计得到洪水事件1在预设时段T内的热带气旋型降雨的降雨量Rr=R1r+R2r+R3r+R4r+R5r=321mm,非热带气旋型降雨的降雨量Rf=R1f+R2f+R3f+R4f+R5f=201mm,混合型降雨的降雨量Rh=R1h+R2h+R3h+R4h+R5h=96mm。
S630、根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型。
继续上述例子,洪水事件1在预设时段T内的总降雨量R=R1+R2+R3+R4+R5=608mm。对于洪水事件1而言,终端则根据洪水事件1在预设时段T内对应降雨类型的降雨量Rr、Rf、Rh和洪水事件1在预设时段T内的总降雨量R确定洪水事件1对应的降雨类型。
如图8所示,确定每一洪水事件对应的降雨类型的过程,包括:
S810、获取每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值。
具体地,针对洪水事件1,终端则获取洪水事件1在预设时段T内各个降雨类型的降雨量Rr、Rf、Rh与洪水事件1在预设时段T内的总降雨量R的比值,分别得到Rr/R,Rf/R,Rh/R。对应得到目标流域在预设内发生的每一洪水事件的上述比值。
S820、根据比值对目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果。
具体地,终端采用K-means算法根据上述比值对目标流域在预设分析时长内所发生的所有洪水事件进行聚类,得到预设类别数量的聚类结果。继续上述例子,目标流域在预设分析时长内共发生100次洪水事件,分别为洪水事件1~100,采用上述比值对这100次洪水事件进行聚类,得到3种聚类结果,例如,洪水事件1~34,洪水事件45~79为一类,洪水事件34~45,洪水事件85~100为一类,洪水事件79~85为一类。
S830、获取每一聚类结果中各洪水事件中各个降雨类型所对应比值的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。
具体地,针对上述3种聚类结果中的每一种聚类结果,获取该聚类结果中所有洪水事件的各个降雨类型所对应比值的平均值,例如,获取包括洪水事件1~34,洪水事件45~79的聚类结果中,Rr/R的平均值,Rf/R的平均值,以及Rh/R的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。若Rr/R的平均值最大,则确定包括洪水事件1~34,洪水事件45~79的聚类结果中每一洪水事件对应的降雨类型为热带气旋型降雨。同理确认其他聚类结果中每一洪水事件对应的降雨类型。
本实施例中,终端根据目标流域对应网格区域的单位网格降雨数据对目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到单位降雨量中各个降雨类型的子单位降雨量,并根据各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量,进而根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型,具体则是根据每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值对所有洪水事件进行举例,以得到预设类别数量的聚类结果,并各洪水事件中各个降雨类型所对应比值的平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。采用上述方式可以准确确定每一洪水事件的降雨类型,提高了确定供水事件的降雨类型的准确性。
在一个实施例中,为准确分析目标流域发生目标洪水事件的频率,如图9所示,上述S130包括:
S910、统计目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数。
具体地,继续上述例子,终端统计得到目标流域在预设分析时长内发生洪水事件的总个数,即100件洪水事件,并统计得到降雨类型为热带气旋型降雨的降雨事件有69件,降雨类型为非热带气旋型降雨的降雨事件有25件,降雨类型为混合型降雨的降雨事件有6件。
S920、采用各个降雨类型的洪水事件的个数比上目标流域在预设分析时长内发生洪水事件的总个数,得到洪水事件中各个降雨类型的占比。
具体地,终端将降雨类型为热带气旋型降雨的降雨事件的个数69比上目标流域在预设分析时长内发生洪水事件的总个数100,得到所有洪水事件中热带气旋型降雨的占比69/100,将非热带气旋型降雨的降雨事件的个数25比上洪水事件的总个数100,得到所有洪水事件中非热带气旋型降雨的占比25/100,将混合型降雨的降雨事件的个数6比上洪水事件的总个数100,得到所有洪水事件中混合降雨的占比6/100。
S930、根据洪水事件中各个降雨类型的占比对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,得到目标流域发生目标洪水事件的频率。
具体地,终端则以上述得到的各个降雨类型的占比作为对应降雨类型引发目标流域发生目标洪水事件的频率的权重,并进行加权求和,得到目标流域发生目标洪水事件的频率。例如,上述热带气旋型降雨和非带气旋型降雨,以及混合型降雨三种降雨类型对应的权重分别为a=69/100,b=25/100,c=6/100,由每一降雨类型引发目标流域发生目标洪水事件的频率对应为F1,F2,F3,则目标流域发生目标洪水事件的频率F=a*F1+b*F2+c*F3=0.69F1+0.25F2+0.06F3。其中,混合型降雨对应的权重c可以为0,F=a*F1+b*F2=0.69F1+0.25F2。
本实施例中,终端通过统计目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数,并采用各个降雨类型的洪水事件的个数比上目标流域在预设分析时长内发生洪水事件的总个数,得到洪水事件中各个降雨类型的占比,进而根据洪水事件中各个降雨类型的占比对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,得到目标流域发生目标洪水事件的频率,以确定受不同气候(降雨类型)影响下所形成的目标洪水事件的频率,以实现对于目标流域发生目标洪水事件的频率的准确分析,提高确定目标流域发生目标洪水事件的频率的准确性。
在其中一个实施例中,如图10所示,上述方法还包括确定指定重现期内设计洪水的洪水径流量峰值,具体包括:
S1010、根据洪水事件中各个降雨类型的占比对每一降雨类型对应的洪水频率分析模型进行线性拟合。
具体地,终端在确定好每一降雨类型对应的洪水频率分析模型后,采用上述确定的洪水事件中各个降雨类型的占比作为对应洪水频率分析模型的权重并进行线性拟合,得到拟合后的洪水频率分析模型。例如,上述热带气旋型降雨和非带气旋型降雨,以及混合型降雨三种降雨类型对应的洪水频率分析模型的函数表达式分别为f1,f2以及f3,对应的权重分别为a,b,c,线性拟合后得到的洪水频率分析模型的函数表达式即为f=af1+bf2+cf3。
S1020、将目标流域发生设计洪水的频率输入拟合后的洪水频率分析模型,得到设计洪水的洪水径流量峰值。
其中,设计洪水(design flood)是为防洪等工程设计而拟定的、符合指定防洪设计标准的、当地可能出现的例如洪水。
具体地,终端可将目标流域发生设计洪水的频率输入拟合后的洪水频率分析模型,进而得到对应重现期内所发生的设计洪水的洪水径流量峰值。其中,重现期为频率的倒数。例如,如图11所示,用户想得到九龙江流域发生百年一遇的设计洪水的洪水径流量峰值,则通过终端将发生设计洪水的频率1/100输入拟合后的洪水频率分析模型(混合GP),由拟合后的洪水频率分析模型输出对应的洪水径流量峰值8200m3/s,表征九龙江流域发生洪水径流量峰值超过8200m3/s的洪水事件的频率即为1/100。
本实施例中,终端根据洪水事件中各个降雨类型的占比对每一降雨类型对应的洪水频率分析模型进行线性拟合,并将目标流域发生设计洪水的频率输入拟合后的洪水频率分析模型,以得到设计洪水的洪水径流量峰值,即可确定指定重现期内设计洪水的洪水径流量峰值,以优化水利工程设计,为制定可靠流域防洪策略提供科学依据和有效支撑。
应该理解的是,虽然图1-11中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-11中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图12所示,提供了一种洪水频率的分析装置,包括:设计洪水模块1201、频率分析模块1202和策略确定模块1203,其中:
第一分析模块1201用于根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;
第二分析模块1202用于根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
在其中一个实施例中,第一分析模块1201具体用于:
将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,洪水频率分析模型为用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的函数模型。
在其中一个实施例中,第一分析模块1201具体用于:
根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系;根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型;将每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率;根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。
在其中一个实施例中,第一分析模块1201具体用于:
根据目标流域在预设分析时长内的单位径流量,确定目标流域在预设分析时长内所发生的洪水事件的开始时刻;根据目标流域在预设分析时长内的单位降雨量,确定目标流域在预设分析时长内所发生的降雨事件的开始时刻;将洪水事件的开始时刻与发生降雨事件的开始时刻进行匹配,得到洪水事件与降雨事件的对应关系。
在其中一个实施例中,第一分析模块1201具体用于:
根据目标流域对应网格区域的单位网格降雨数据对目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到单位降雨量中各个降雨类型的子单位降雨量;根据各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量;其中,预设时段为洪水事件对应降雨事件的降雨开始时刻至洪水事件的单位径流量达到峰值的时刻;根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型。
在其中一个实施例中,第一分析模块1201具体用于:
获取每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值;根据比值对目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果;获取每一聚类结果中各洪水事件中各个降雨类型所对应比值的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。
在其中一个实施例中,第二分析模块1202具体用于:
统计目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数;采用各个降雨类型的洪水事件的个数比上目标流域在预设分析时长内发生洪水事件的总个数,得到洪水事件中各个降雨类型的占比;根据洪水事件中各个降雨类型的占比对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,得到目标流域发生目标洪水事件的频率。
在其中一个实施例中,上述分析装置还包括设计洪水模块,用于根据洪水事件中各个降雨类型的占比对每一降雨类型对应的洪水频率分析模型进行线性拟合;将目标流域发生设计洪水的概率输入拟合后的洪水频率分析模型,得到设计洪水的洪水径流量峰值。
关于洪水频率的分析装置的具体限定可以参见上文中对于洪水频率的分析方法的限定,在此不再赘述。上述洪水频率的分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种洪水频率的分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,洪水频率分析模型为用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的函数模型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系;根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型;将每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率;根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据目标流域在预设分析时长内的单位径流量,确定目标流域在预设分析时长内所发生的洪水事件的开始时刻;根据目标流域在预设分析时长内的单位降雨量,确定目标流域在预设分析时长内所发生的降雨事件的开始时刻;将洪水事件的开始时刻与发生降雨事件的开始时刻进行匹配,得到洪水事件与降雨事件的对应关系。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据目标流域对应网格区域的单位网格降雨数据对目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到单位降雨量中各个降雨类型的子单位降雨量;根据各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量;其中,预设时段为洪水事件对应降雨事件的降雨开始时刻至洪水事件的单位径流量达到峰值的时刻;根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值;根据比值对目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果;获取每一聚类结果中各洪水事件中各个降雨类型所对应比值的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
统计目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数;采用各个降雨类型的洪水事件的个数比上目标流域在预设分析时长内发生洪水事件的总个数,得到洪水事件中各个降雨类型的占比;根据洪水事件中各个降雨类型的占比对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,得到目标流域发生目标洪水事件的频率。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据洪水事件中各个降雨类型的占比对每一降雨类型对应的洪水频率分析模型进行线性拟合;将目标流域发生设计洪水的概率输入拟合后的洪水频率分析模型,得到设计洪水的洪水径流量峰值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据目标流域的洪水径流量峰值,确定目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,目标洪水事件为单位径流量峰值达到洪水径流量峰值的洪水事件;根据每一降雨类型引发目标流域发生目标洪水事件的频率,确定目标流域发生目标洪水事件的频率。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,洪水频率分析模型为用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的函数模型。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系;根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型;将每一降雨类型对应洪水事件的单位径流量峰值输入频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率;根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据目标流域在预设分析时长内的单位径流量,确定目标流域在预设分析时长内所发生的洪水事件的开始时刻;根据目标流域在预设分析时长内的单位降雨量,确定目标流域在预设分析时长内所发生的降雨事件的开始时刻;将洪水事件的开始时刻与发生降雨事件的开始时刻进行匹配,得到洪水事件与降雨事件的对应关系。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据目标流域对应网格区域的单位网格降雨数据对目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到单位降雨量中各个降雨类型的子单位降雨量;根据各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量;其中,预设时段为洪水事件对应降雨事件的降雨开始时刻至洪水事件的单位径流量达到峰值的时刻;根据每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定每一洪水事件对应的降雨类型。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值;根据比值对目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果;获取每一聚类结果中各洪水事件中各个降雨类型所对应比值的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
统计目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数;采用各个降雨类型的洪水事件的个数比上目标流域在预设分析时长内发生洪水事件的总个数,得到洪水事件中各个降雨类型的占比;根据洪水事件中各个降雨类型的占比对每一降雨类型引发目标流域发生目标洪水事件的频率进行加权求和,得到目标流域发生目标洪水事件的频率。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据洪水事件中各个降雨类型的占比对每一降雨类型对应的洪水频率分析模型进行线性拟合;将目标流域发生设计洪水的概率输入拟合后的洪水频率分析模型,得到设计洪水的洪水径流量峰值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种洪水频率的分析方法,其特征在于,所述方法包括:
将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发所述目标流域发生目标洪水事件的频率;其中,所述洪水频率分析模型为用于表征对应降雨类型引发的所述目标流域发生洪水事件的单位径流量峰值与对应引发发生达到所述径流量峰值的洪水事件的频率之间函数关系的函数模型;所述目标洪水事件为单位径流量峰值达到所述洪水径流量峰值的洪水事件;
根据所述每一降雨类型引发所述目标流域发生目标洪水事件的频率,确定所述目标流域发生所述目标洪水事件的频率;
获得所述洪水频率分析模型的过程,包括:
根据所述目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系;
根据所述洪水事件对应降雨事件的降雨数据确定所述洪水事件对应的降雨类型;
将所述每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率;
根据所述每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到所述每一降雨类型对应的所述洪水频率分析模型。
2.根据权利要求1所述的方法,其特征在于,根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系,包括:
根据所述目标流域在预设分析时长内的单位径流量,确定所述目标流域在所述预设分析时长内所发生的洪水事件的开始时刻;
根据所述目标流域在预设分析时长内的单位降雨量,确定所述目标流域在所述预设分析时长内所发生的降雨事件的开始时刻;
将所述洪水事件的开始时刻与发生所述降雨事件的开始时刻进行匹配,得到所述洪水事件与所述降雨事件的对应关系。
3.根据权利要求1所述的方法,其特征在于,所述根据所述洪水事件对应降雨事件的降雨数据确定所述洪水事件对应的降雨类型,包括:
根据所述目标流域对应网格区域的单位网格降雨数据对所述目标流域所发生的洪水事件的单位降雨量进行降雨类型的划分,得到所述单位降雨量中各个降雨类型的子单位降雨量;
根据所述各个降雨类型的子单位降雨量确定每一洪水事件在预设时段内对应降雨类型的降雨量;其中,所述预设时段为所述洪水事件对应降雨事件的降雨开始时刻至所述洪水事件的单位径流量达到峰值的时刻;
根据所述每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定所述每一洪水事件对应的降雨类型。
4.根据权利要求3所述的方法,其特征在于,所述根据所述每一洪水事件在预设时段内对应降雨类型的降雨量和对应洪水事件在预设时段内的总降雨量确定所述每一洪水事件对应的降雨类型,包括:
获取所述每一洪水事件在预设时段内各个降雨类型的降雨量与对应洪水事件在预设时段内的总降雨量的比值;
根据所述比值对所述目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果;
获取每一聚类结果中各洪水事件中各个降雨类型所对应比值的平均值,并确定对应平均值最大的降雨类型为对应聚类结果中洪水事件对应的降雨类型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述比值对所述目标流域在预设分析时长内的洪水事件进行聚类,得到预设类别数量的聚类结果,包括:
采用K-means算法根据所述比值对所述目标流域在预设分析时长内所发生的所有洪水事件进行聚类,得到所述预设类别数量的聚类结果。
6.根据权利要求1所述的方法,其特征在于,所述根据所述每一降雨类型引发所述目标流域发生目标洪水事件的频率,确定所述目标流域发生所述目标洪水事件的频率,包括:
统计所述目标流域在预设分析时长内发生洪水事件的总个数,以及各个降雨类型的洪水事件的个数;
采用所述各个降雨类型的洪水事件的个数比上所述目标流域在预设分析时长内发生洪水事件的总个数,得到所述洪水事件中各个降雨类型的占比;
根据所述洪水事件中各个降雨类型的占比对所述每一降雨类型引发所述目标流域发生目标洪水事件的频率进行加权求和,得到所述目标流域发生所述目标洪水事件的频率。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述洪水事件中各个降雨类型的占比对所述每一降雨类型对应的洪水频率分析模型进行线性拟合;
将所述目标流域发生设计洪水的概率输入拟合后的洪水频率分析模型,得到所述设计洪水的洪水径流量峰值。
8.一种洪水频率的分析装置,其特征在于,所述装置包括:
第一分析模块,用于将洪水径流量峰值输入每一降雨类型对应的洪水频率分析模型,获得目标流域对应的多种降雨类型中每一降雨类型引发目标流域发生目标洪水事件的频率;其中,洪水频率分析模型为用于表征对应降雨类型引发的目标流域发生洪水事件的单位径流量峰值与对应引发发生达到径流量峰值的洪水事件的频率之间函数关系的函数模型;所述目标洪水事件为单位径流量峰值达到所述洪水径流量峰值的洪水事件;
第二分析模块,用于根据所述每一降雨类型引发所述目标流域发生目标洪水事件的频率,确定所述目标流域发生所述目标洪水事件的频率;
所述第一分析模块还用于:
根据目标流域在预设分析时长内的单位径流量和单位降雨量确定洪水事件与降雨事件的对应关系;根据洪水事件对应降雨事件的降雨数据确定洪水事件对应的降雨类型;将每一降雨类型对应洪水事件的单位径流量峰值输入洪水频率分布函数,对应得到每一降雨类型引发发生达到对应单位径流量峰值的洪水事件的频率;根据每一降雨类型对应洪水事件的单位径流量峰值和对应频率拟合得到每一降雨类型对应的洪水频率分析模型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700699.2A CN113487070B (zh) | 2021-06-23 | 2021-06-23 | 洪水频率的分析方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700699.2A CN113487070B (zh) | 2021-06-23 | 2021-06-23 | 洪水频率的分析方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487070A CN113487070A (zh) | 2021-10-08 |
CN113487070B true CN113487070B (zh) | 2023-10-10 |
Family
ID=77935796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110700699.2A Active CN113487070B (zh) | 2021-06-23 | 2021-06-23 | 洪水频率的分析方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487070B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102009373B1 (ko) * | 2019-05-22 | 2019-08-12 | (주)현이엔씨 | 강우지속기간을 변화시키는 홍수량 산정 방법 |
CN111080107A (zh) * | 2019-12-06 | 2020-04-28 | 中国水利水电科学研究院 | 一种基于时间序列聚类的流域洪水响应相似性分析方法 |
CN111242404A (zh) * | 2019-11-12 | 2020-06-05 | 中国水利水电科学研究院 | 一种强降雨诱发洪灾事件的极端性评估方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197807A1 (en) * | 2012-01-31 | 2013-08-01 | Wei Du | System, method and computer program product for quantifying hazard risk |
US10962682B2 (en) * | 2015-12-15 | 2021-03-30 | Wuhan University | System and method for forecasting floods |
-
2021
- 2021-06-23 CN CN202110700699.2A patent/CN113487070B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102009373B1 (ko) * | 2019-05-22 | 2019-08-12 | (주)현이엔씨 | 강우지속기간을 변화시키는 홍수량 산정 방법 |
CN111242404A (zh) * | 2019-11-12 | 2020-06-05 | 中国水利水电科学研究院 | 一种强降雨诱发洪灾事件的极端性评估方法及系统 |
CN111080107A (zh) * | 2019-12-06 | 2020-04-28 | 中国水利水电科学研究院 | 一种基于时间序列聚类的流域洪水响应相似性分析方法 |
Non-Patent Citations (2)
Title |
---|
Dariusz MŁYŃSKI等.Flood Frequency Analysis by an Event-based Rainfall-Runoff Model in Selected Catchments of Southern Poland.《Soil & Water Res》.2018,第170-176页. * |
卢韦伟等.基于多元分布函数的区域洪水频率分析.《水文》.2015,第6-10页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113487070A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Salvadori et al. | On the return period and design in a multivariate framework | |
Robbins et al. | Mean shift testing in correlated data | |
Adnan et al. | Improving accuracy of river flow forecasting using LSSVR with gravitational search algorithm | |
TW201822032A (zh) | 虛假地址資訊識別的方法及裝置 | |
Yuan et al. | Hydro climatic trend and periodicity for the source region of the Yellow River | |
Burgan et al. | Annual flow duration curve model for ungauged basins | |
Guo et al. | Temperature and precipitation long-term trends and variations in the Ili-Balkhash Basin | |
Rajsekhar et al. | Hydrologic drought atlas for Texas | |
Feng et al. | Extreme water level analysis at three stations on the coast of the Northwestern Pacific Ocean | |
Song et al. | Combined effect of Danjiangkou Reservoir and cascade reservoirs on hydrologic regime downstream | |
Mamun et al. | Regionalisation of low flow frequency curves for the Peninsular Malaysia | |
Singh et al. | Testing reliability of the spatial Hurst exponent method for detecting a change point | |
de Condappa et al. | A decision-support tool for water allocation in the Volta Basin | |
Alazzy et al. | Assessing the uncertainty of the Xinanjiang rainfall-runoff model: effect of the likelihood function choice on the GLUE method | |
Kang et al. | Bivariate frequency analysis of hydrological drought using a nonstationary standardized streamflow index in the Yangtze River | |
Xiong et al. | Evaluation and improvement of the ERA5 wind field in typhoon storm surge simulations | |
US20130342401A1 (en) | Correcting device error radius estimates in positioning systems | |
Mishra et al. | Association between uncertainties in meteorological variables and water-resources planning for the state of Texas | |
CN109977324A (zh) | 一种兴趣点挖掘方法及系统 | |
Kumar et al. | Flood estimation at Hathnikund Barrage, river Yamuna, India using the peak-over-threshold method | |
CN104040378A (zh) | 气象预测装置以及气象预测方法 | |
CN118095581A (zh) | 基于分布式水文模型的梯级小水电来水量预测方法及系统 | |
CN113487070B (zh) | 洪水频率的分析方法、装置和计算机设备 | |
Zhu et al. | Improved hidden Markov model incorporated with copula for probabilistic seasonal drought forecasting | |
CN116539006B (zh) | 径流预测方法、装置、计算机设备和存储介质 |
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 |