CN114020975B - 一种自动筛选洪水场次的方法 - Google Patents
一种自动筛选洪水场次的方法 Download PDFInfo
- Publication number
- CN114020975B CN114020975B CN202111255515.2A CN202111255515A CN114020975B CN 114020975 B CN114020975 B CN 114020975B CN 202111255515 A CN202111255515 A CN 202111255515A CN 114020975 B CN114020975 B CN 114020975B
- Authority
- CN
- China
- Prior art keywords
- flood
- data
- flow
- rainfall
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000012216 screening Methods 0.000 title claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000008521 reorganization Effects 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 8
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000009954 braiding Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000006424 Flood reaction Methods 0.000 abstract description 7
- 238000012795 verification Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Sewage (AREA)
Abstract
本发明公开了一种自动筛选洪水场次的方法,包括S1、收集流域水文资料并对其进行预处理;S2、将预处理后的数据按照洪水过程线展示,并统计相应的洪峰、洪量和峰现时间;S3、以洪峰为标准设定阈值挑选不同的洪水场次;S4、根据降雨径流数据结合洪峰前后最低点流量数据及涨落幅度,确定一场次洪水的起止时间。优点是:本发明可挑选单峰、复峰等不同类型洪水,能够很好的服务于洪水预报模型中产汇流参数的率定验证工作;本发明的筛选方法具有通用性且操作简单易行,能够广泛应用于洪水预报系统中。
Description
技术领域
本发明涉及流域洪水预报技术领域,尤其涉及一种自动筛选洪水场次的方法。
背景技术
流域洪水预报是指根据前期和现时的水文、气象等信息,揭示和预测洪水的发生及其变化过程的应用科学技术。它是防洪非工程措施的重要内容之一,直接为防汛抢险、水资源合理利用与保护、水利工程建设和调度运用管理服务。洪水预报模型建模中重要的一个环节是模型参数的确定,一是利用历史资料为建模进行率定,二是利用实时资料对模型参数进行补充、修改。最后要按照实际模拟达到合格要求后,才能确定预报模型的参数。上述工作则对场系列历史数据中的洪水场次筛选提出了要求。
传统的洪水场次选取的方法,都是依靠人工手动选取,标准不统一,并且人工选取的有些场次并不合适,比如挑选出某场洪水过程和降雨过程对应关系很不好,则该场很难率定出合适的模型参数,就算能率定,其参数也并不合理,无法推广。因而导致后续分析工作量加大。另一方面,由于实际检测的水文气象数据往往时段不统一,来源也不可能不一致,在进行洪水场次筛选前还应该对数据的质量进行把控并对数据进行等时段整编。因此,开放相应的水文气象数据自动整编方法,也能简化历史洪水场次筛选的工作量,并保障筛选场次的可靠性和有效性。
发明内容
本发明的目的在于提供一种自动筛选洪水场次的方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种自动筛选洪水场次的方法,包括如下步骤,
S1、收集流域水文资料并对其进行预处理;
S2、将预处理后的数据按照洪水过程线展示,并统计相应的洪峰、洪量和峰现时间;
S3、以洪峰为标准设定阈值挑选不同的洪水场次;
S4、根据降雨径流数据结合洪峰前后最低点流量数据及涨落幅度,确定一场次洪水的起止时间。
优选的,所述流域水文资料包括流量数据和雨量数据;对流量数据和雨量数据进行预处理即对流量数据和雨量数据进行等时段整编,具体过程如下,
流量数据包括时段流量数据和日流量数据,所述时段流量数据为瞬时值,整编时采用线性直线内插法,整编后得到不同的时间步长的流量数据;日流量数据为日记录流量的平均值,记在次日08:00,整编时采用线性直线内插法插补得到流量数据;
对时段流量数据和日流量数据整编完成后,对比两者时间序列,当时段流量数据和日流量数据出现重复的情况时,优先选取时段流量数据;时段流量数据缺少的部分,选用日流量数据进行补充,最终将时段流量数据和日流量数据整编成一套时段连续的流量整编数据;
雨量数据包括时段雨量数据和日雨量数据,所述时段雨量数据为一个降雨时段内的雨量累计值,记在截止时间;日雨量数据为当天雨量的累计值,记在次日08:00;在对雨量数据整编之前,对比时段雨量数据累计和与日雨量数据,若时段雨量数据累计和大于日雨量数据,则将时段雨量数据按照比例压缩后再进行整编;若日雨量数据大于时段雨量数据累计和,则将多的部分均分到当日的其他时段中,再进行整编,最终将时段雨量数据和日雨量数据整编成一套雨量整编数据。
优选的,流量数据采用线性直线内插法进行整编的具体过程为,假设X轴为时间,Y轴为流量,已知两实时数据坐标(x0,y0)与(x1,y1),要得到[x0,x1]区间内某一整编时刻x在直线上的值,可以得到下式
(y-y0)/(y1-y0)=(x-x0)/(x1-x0)
假设公式两边的值为α,即插值系数,其为从x0到x的距离与从x0到x1距离的比值;由于x值已知,所以可以从公式得到α的值为α=(x-x0)/(x1-x0)或α=(y-y0)/(y1-y0);而α=(y-y0)/(y1-y0)在代数上就可以表示为y=(1-α)y0+αy1或者y=y0+α(y1-y0),则通过α可以直接得到y。
优选的,在对雨量数据进行整编时,需要对雨量数据进行修正,修正的具体过程为:一个整编时段所记录的数值为该时段内所有降雨量的和,记在整编时段的截止时刻;对[a,b]时段的雨量数据进行整编,时段内有[a1,b1]、[a2,b2]到[an,bn]时段中的降雨;其中,a时刻在[a1,b1]时段中,b时刻在[an,bn]时段中,整编时,按照[a,b1]与时段[a1,b1]的比例,乘以[a1,b1]时段的降雨作为[a1,b1]时段内在[a,b]时段中的降雨;按照[an,b]与时段[an,bn]的比例,乘以[an,bn]时段的降雨作为[an,bn]时段内在[a,b]时段中的降雨,综合[a,b]时段内所有降雨累积,得到[a,b]时段内的整编雨量数据,记在该时段截止时刻b。
优选的,步骤S3具体为,
将汛期洪水过程中的洪峰流量值统计出来,并将其组成一个集合A={f1,f2,…,fi},其中,i=1,2,…;fi表示第i个洪水过程的洪水所对应的洪峰流量值;
设定最小洪峰流量限值,将集合中大于或等于该最小洪峰流量限值,即fi≥Q的洪峰及其两旁的洪水过程筛选出来作为一个洪水场次,小于该最小洪峰流量限值的洪峰则被过滤掉;其中,fi表示第i场次洪水的洪峰流量值,Q为所设定的最小洪峰流量限值。
优选的,针对降雨径流数据,降雨开始后,当下一时刻的流量大于上一时刻的流量,则该下一时刻即为洪水开始时刻;降雨结束后持续一段时间内,当流量恢复到日常流量且下一时刻流量小于上一时刻流量,则该下一时刻为洪水结束时刻;则步骤S4具体为:
设流域日常流量范围为Q±ε,统计该洪水场次的起止时间;洪水过程中任意时间点t对应的流量数值为Qt,则在等时段T的流量数据中,洪水的涨落幅度K的计算公式为:
降雨开始后,当流量开始上涨,即下一时刻t+1的流量Qt+1大于上一时刻t的流量Qt时,若K值符合要求,且Qt∈(Q-ε,Q+ε),即Qt接近日常流量,则Qt的出现时间t为该洪水场次的起涨时间;
随着降雨的持续进行,流量也在持续上涨,当下一时刻t+1的流量Qt+1小于上一时刻t的流量Qt时,达到该场洪水的流量最大值,即洪峰,洪水过程为单峰型;
当下一次下一时刻t+1的流量Qt+1大于上一时刻t的流量Qt时,若Qt接近日常流量Q±ε,则Qt的出现时间t为该洪水场次的结束时间;若Qt大于日常流量Q±ε,则该洪水过程为复峰型,继续向下一时刻推进,直至满足下一时刻的流量值大于上一时刻的流量值且接近日常流量时,该时刻为复峰洪水的结束时间。
本发明的有益效果是:1、该方法根据收集到的雨量、径流资料,并进行插值处理和等时段整编,以洪峰为标准,设定阈值,自动筛选洪水场次。2、该方法不仅能识别单峰型洪水外,还能识别复峰型洪水。3、该方法在挑选洪水过程时同时分析了降水和流量数据,是挑选的雨洪关系对应较好的洪水场次数据,可有效支撑洪水预报系统的参数率定工作。4、该方法具有通用性且操作简单易行,可广泛应用于洪水预报系统中。
附图说明
图1是本发明实施例中方法的流程示意图;
图2是本发明实施例中线性直线内插法的概述图;
图3是本发明实施例中雨量数据整编过程示意图;
图4是本发明实施例中单峰洪水的洪水过程图;
图5是本发明实施例中复峰洪水的洪水过程图;
图6是本发明实施例中A流域的洪水过程图
图7是本发明实施例中A流域的一场洪水的洪水过程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
实施例一
如图1所示,本实施例中,提供了一种自动筛选洪水场次的方法,包括如下步骤,
S1、收集流域水文资料并对其进行预处理;
S2、将预处理后的数据按照洪水过程线展示,并统计相应的洪峰、洪量和峰现时间;
S3、以洪峰为标准设定阈值挑选不同的洪水场次;
S4、根据降雨径流数据结合洪峰前后最低点流量数据及涨落幅度,确定一场次洪水的起止时间。
上述方法具体包括四部分内容,分别为:流域水文资料的收集与整理、洪峰相关信息的展示与统计、挑选不同的洪水场次、确定场次洪水的起止时间。下面分别针对这四部分内容进行详细的说明。
一、流域水文资料的收集与整理
各种水文测站测得的原始资料都需要经过整编,按照科学的方法和统一的格式整理、分析、统计,提炼成为系统的整编成果,供下一步水文预报应用。模型中需要的数据有流量数据和雨量数据。针对不同来别的数据的特点和类型,采用不同的方法整编,导入到数据库中,并可以通过系统的查询功能查询。整编数据时段可以分为1小时、2小时、3小时、6小时、12小时、24小时等整编时段,以满足对整编时段的不同需求。
该部分对应步骤S1,步骤S1中,对流量数据和雨量数据进行预处理即对流量数据和雨量数据进行等时段整编,具体过程如下,
1、流量数据的整编:
流量数据包括时段流量数据和日流量数据,所述时段流量数据为瞬时值,整编时采用线性直线内插法,整编后得到不同的时间步长的流量数据;
如图2所示,流量数据采用线性直线内插法进行整编的具体过程为,假设X轴为时间,Y轴为流量,已知两实时数据坐标(x0,y0)与(x1,y1),要得到[x0,x1]区间内某一整编时刻x在直线上的值,可以得到下式
(y-y0)/(y1-y0)=(x-x0)/(x1-x0)
假设公式两边的值为α,即插值系数,其为从x0到x的距离与从x0到x1距离的比值;由于x值已知,所以可以从公式得到α的值为α=(x-x0)/(x1-x0)或α=(y-y0)/(y1-y0);而α=(y-y0)/(y1-y0)在代数上就可以表示为y=(1-α)y0+αy1或者y=y0+α(y1-y0),则通过α可以直接得到y。
日流量数据为日记录流量的平均值,记在次日08:00,整编时同样采用线性直线内插法插补得到流量数据;
对时段流量数据和日流量数据分别整编完成后,对比两者时间序列。由于实测的日流量数据是每天都记录一个数据,整编后其数据序列是连续不中断的;实时的时段流量数据是根据实际情况记录的数据,数据记录时间可能相差较远,相比日流量数据,时段流量数据整编后无法体现空缺部分径流过程;而时段流量数据在其时段范围内更能反映真实径流过程;因此,当时段流量数据和日流量数据出现重复的情况时,优先选取时段流量数据;时段流量数据缺少的部分,选用日流量数据进行补充,最终将时段流量数据和日流量数据整编成一套时段连续的流量整编数据;
2、雨量数据的整编:
雨量数据包括时段雨量数据和日雨量数据。在整编过程中同样将两套数据合并为一套雨量整编数据,以进行下一步计算。
所述时段雨量数据为一个降雨时段内的雨量累计值,记在截止时间;日雨量数据为当天雨量的累计值,记在次日08:00;在对雨量数据整编之前,对比时段雨量数据累计和与日雨量数据,若时段雨量数据累计和大于日雨量数据,则将时段雨量数据按照比例压缩后再进行整编;若日雨量数据大于时段雨量数据累计和,则将多的部分均分到当日的其他时段中,再进行整编,最终将时段雨量数据和日雨量数据整编成一套雨量整编数据。
在对雨量数据进行整编时,需要对雨量数据进行修正,修正的具体过程为:一个整编时段所记录的数值为该时段内所有降雨量的和,记在整编时段的截止时刻;假设对[a,b]时段的雨量数据进行整编,时段内有[a1,b1]、[a2,b2]到[an,bn]等时段中的降雨;其中,a时刻在[a1,b1]时段中,b时刻在[an,bn]时段中,雨量数据整编算法如图3所示,整编时,按照[a,b1]与时段[a1,b1]的比例,乘以[a1,b1]时段的降雨作为[a1,b1]时段内在[a,b]时段中的降雨,如图3中b1时刻的黑色粗线所示;同理,按照[an,b]与时段[an,bn]的比例,乘以[an,bn]时段的降雨作为[an,bn]时段内在[a,b]时段中的降雨,综合[a,b]时段内所有降雨累积,得到[a,b]时段内的整编雨量数据,记在该时段截止时刻b,如图3中b时刻的黑色粗线所示。
二、洪峰相关信息的展示与统计
该部分对应步骤S2的内容,当流域大部分高强度的径流汇入时,流量增至最大值,称此刻的流量为洪峰流量,出现时间为峰现时间。根据流域地形地貌及降雨频率的影像,洪水有单峰型、双峰型和多峰型的形态特征。
三、挑选不同的洪水场次
该部分对应步骤S3的内容,步骤S3中,设定一个阈值(最小洪峰流量限值),大于或等于该阈值的洪峰以及两旁的洪水过程作为一个洪水场次被筛选出来,小于该阈值的洪峰则被过滤掉。具体过程如下:
将汛期洪水过程中的洪峰流量值统计出来,并将其组成一个集合A={f1,f2,...,fi},其中,i=1,2,…;fi表示第i个洪水过程的洪水所对应的洪峰流量值;
设定最小洪峰流量限值,将集合中大于或等于该最小洪峰流量限值,即fi≥Q的洪峰及其两旁的洪水过程筛选出来作为一个洪水场次,小于该最小洪峰流量限值的洪峰则被过滤掉;其中,fi表示第i场次洪水的洪峰流量值,Q为所设定的最小洪峰流量限值。
四、确定场次洪水的起止时间
该部分对应步骤S4的内容,步骤S4中,针对降雨径流数据,降雨开始后,当下一时刻的流量大于上一时刻的流量,则该下一时刻即为洪水开始时刻;降雨结束后持续一段时间内,当流量恢复到日常流量且下一时刻流量小于上一时刻流量,则该下一时刻为洪水结束时刻;则步骤S4具体为:
设流域日常流量范围为Q±ε,统计该洪水场次的起止时间;洪水过程中任意时间点t对应的流量数值为Qt,则在等时段T的流量数据中,洪水的涨落幅度K的计算公式为:
降雨开始后,当流量开始上涨,即下一时刻t+1的流量Qt+1大于上一时刻t的流量Qt时,若K值符合要求,且Qt∈(Q-ε,Q+ε),即Qt接近日常流量,则Qt的出现时间t为该洪水场次的起涨时间;
随着降雨的持续进行,流量也在持续上涨,当下一时刻t+1的流量Qt+1小于上一时刻t的流量Qt时,达到该场洪水的流量最大值,即洪峰,洪水过程为单峰型;
当下一次下一时刻t+1的流量Qt+1大于上一时刻t的流量Qt时,若Qt接近日常流量Q±ε,则Qt的出现时间t为该洪水场次的结束时间;若Qt大于日常流量Q±ε,则该洪水过程为复峰型,继续向下一时刻推进,直至满足下一时刻的流量值大于上一时刻的流量值且接近日常流量时,该时刻为复峰洪水的结束时间。
实施例二
本实施例中,以A流域的供水预报为例,按照图1所示的挑选洪水场次的方法流程,进行洪水场次的自动挑选,以展示本发明所达到的效果。
A流域介于东经-东西方向平均长约400km,南北方向平均宽不足200km,流域面积7.96万km2。实施例中对该流域洪水过程进行洪水场次筛选。实施步骤如下:
一、流域水文资料的收集与整理
收集整理A流域的水文资料数据,包括雨量数据和流量数据。针对不同类别的数据的特点和类型,采用不同的方法整编,导入到数据库中,并可以通过系统的查询功能查询。
二、洪峰相关信息的展示与统计
实时数据通过整编,按照洪水过程线直观的展示出来,如图6所示,并统计相应的洪峰、洪量、峰现时间等信息。当流域大部分高强度的径流汇入时,河水流量增至最大值,称此时流量为洪峰流量,出现的时间为峰现时间。根据流域地形地貌及降雨频率的影响,洪水有单峰型、双峰型、多峰型的形态特征。
三、挑选不同的洪水场次
以洪峰为标准设定阈值来挑选不同的洪水场次。设定500为一个阈值,大于此阈值的洪峰以及两旁的洪水过程作为一个洪水场次被筛选出来(如表1所示),小于此阈值的洪峰则被过滤掉。选择一场洪水2012.07.22洪水过程线如图7所示。
表1洪水筛选场次序列表
四、确定场次洪水的起止时间
根据降雨径流数据结合洪峰前后最低点流量数值及涨落幅度确定一场次洪水的起止时间。降雨开始后,当下一时刻的流量大于上一时刻,为洪水开始时刻;降雨结束后持续一段时间内,当下一次下一时刻流量值小于上一时刻流量值且流量恢复到日常流量范围时为洪水结束时间。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种自动筛选洪水场次的方法,该方法根据收集到的雨量、径流资料,并进行插值处理和等时段整编,以洪峰为标准,设定阈值,自动筛选洪水场次;该方法不仅能识别单峰型洪水外,还能识别复峰型洪水;该方法在挑选洪水过程时同时分析了降水和流量数据,是挑选的雨洪关系对应较好的洪水场次数据,可有效支撑洪水预报系统的参数率定工作。该方法具有通用性且操作简单易行,可广泛应用于洪水预报系统中。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (5)
1.一种自动筛选洪水场次的方法,其特征在于:包括如下步骤,
S1、收集流域水文资料并对其进行预处理;所述流域水文资料包括流量数据和雨量数据;对流量数据和雨量数据进行预处理即对流量数据和雨量数据进行等时段整编,具体过程如下,
流量数据包括时段流量数据和日流量数据,所述时段流量数据为瞬时值,整编时采用线性直线内插法,整编后得到不同的时间步长的流量数据;日流量数据为日记录流量的平均值,记在次日08:00,整编时采用线性直线内插法插补得到流量数据;
对时段流量数据和日流量数据整编完成后,对比两者时间序列,当时段流量数据和日流量数据出现重复的情况时,优先选取时段流量数据;时段流量数据缺少的部分,选用日流量数据进行补充,最终将时段流量数据和日流量数据整编成一套时段连续的流量整编数据;
雨量数据包括时段雨量数据和日雨量数据,所述时段雨量数据为一个降雨时段内的雨量累计值,记在截止时间;日雨量数据为当天雨量的累计值,记在次日08:00;在对雨量数据整编之前,对比时段雨量数据累计和与日雨量数据,若时段雨量数据累计和大于日雨量数据,则将时段雨量数据按照比例压缩后再进行整编;若日雨量数据大于时段雨量数据累计和,则将多的部分均分到当日的其他时段中,再进行整编,最终将时段雨量数据和日雨量数据整编成一套雨量整编数据;
S2、将预处理后的数据按照洪水过程线展示,并统计相应的洪峰、洪量和峰现时间;
S3、以洪峰为标准设定阈值挑选不同的洪水场次;
S4、根据降雨径流数据结合洪峰前后最低点流量数据及涨落幅度,确定一场次洪水的起止时间。
2.根据权利要求1所述的自动筛选洪水场次的方法,其特征在于:流量数据采用线性直线内插法进行整编的具体过程为,假设X轴为时间,Y轴为流量,已知两实时数据坐标(x0,y0)与(x1,y1),要得到[x0,x1]区间内某一整编时刻x在直线上的值,可以得到下式
(y-y0)/(y1-y0)=(x-x0)/(x1-x0)
假设公式两边的值为α,即插值系数,其为从x0到x的距离与从x0到x1距离的比值;由于x值已知,所以可以从公式得到α的值为α=(x-x0)/(x1-x0)或α=(y-y0)/(y1-y0);而α=(y-y0)/(y1-y0)在代数上就可以表示为y=(1-α)y0+αy1或者y=y0+α(y1-y0),则通过α可以直接得到y。
3.根据权利要求1所述的自动筛选洪水场次的方法,其特征在于:在对雨量数据进行整编时,需要对雨量数据进行修正,修正的具体过程为:一个整编时段所记录的数值为该时段内所有降雨量的和,记在整编时段的截止时刻;对[a,b]时段的雨量数据进行整编,时段内有[a1,b1]、[a2,b2]到[an,bn]时段中的降雨;其中,a时刻在[a1,b1]时段中,b时刻在[an,bn]时段中,整编时,按照[a,b1]与时段[a1,b1]的比例,乘以[a1,b1]时段的降雨作为[a1,b1]时段内在[a,b]时段中的降雨;按照[an,b]与时段[an,bn]的比例,乘以[an,bn]时段的降雨作为[an,bn]时段内在[a,b]时段中的降雨,综合[a,b]时段内所有降雨累积,得到[a,b]时段内的整编雨量数据,记在该时段截止时刻b。
4.根据权利要求3所述的自动筛选洪水场次的方法,其特征在于:步骤S3具体为,
将汛期洪水过程中的洪峰流量值统计出来,并将其组成一个集合A={f1,f2,…,fi},其中,i=1,2,…;fi表示第i个洪水过程的洪水所对应的洪峰流量值;
设定最小洪峰流量限值,将集合中大于或等于该最小洪峰流量限值,即fi≥Q的洪峰及其两旁的洪水过程筛选出来作为一个洪水场次,小于该最小洪峰流量限值的洪峰则被过滤掉;其中,fi表示第i场次洪水的洪峰流量值,Q为所设定的最小洪峰流量限值。
5.根据权利要求4所述的自动筛选洪水场次的方法,其特征在于:针对降雨径流数据,降雨开始后,当下一时刻的流量大于上一时刻的流量,则该下一时刻即为洪水开始时刻;降雨结束后持续一段时间内,当流量恢复到日常流量且下一时刻流量小于上一时刻流量,则该下一时刻为洪水结束时刻;则步骤S4具体为:
设流域日常流量范围为Q±ε,统计该洪水场次的起止时间;洪水过程中任意时间点t对应的流量数值为Qt,则在等时段T的流量数据中,洪水的涨落幅度K的计算公式为:
降雨开始后,当流量开始上涨,即下一时刻t+1的流量Qt+1大于上一时刻t的流量Qt时,若K值符合要求,且Qt∈(Q-ε,Q+ε),即Qt接近日常流量,则Qt的出现时间t为该洪水场次的起涨时间;
随着降雨的持续进行,流量也在持续上涨,当下一时刻t+1的流量Qt+1小于上一时刻t的流量Qt时,达到该场洪水的流量最大值,即洪峰,洪水过程为单峰型;
当下一次下一时刻t+1的流量Qt+1大于上一时刻t的流量Qt时,若Qt接近日常流量Q±ε,则Qt的出现时间t为该洪水场次的结束时间;若Qt大于日常流量Q±ε,则该洪水过程为复峰型,继续向下一时刻推进,直至满足下一时刻的流量值大于上一时刻的流量值且接近日常流量时,该时刻为复峰洪水的结束时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111255515.2A CN114020975B (zh) | 2021-10-27 | 2021-10-27 | 一种自动筛选洪水场次的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111255515.2A CN114020975B (zh) | 2021-10-27 | 2021-10-27 | 一种自动筛选洪水场次的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114020975A CN114020975A (zh) | 2022-02-08 |
CN114020975B true CN114020975B (zh) | 2024-06-14 |
Family
ID=80058168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111255515.2A Active CN114020975B (zh) | 2021-10-27 | 2021-10-27 | 一种自动筛选洪水场次的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114020975B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897242B (zh) * | 2022-05-10 | 2023-10-27 | 中国长江电力股份有限公司 | 一种自适应分割时段场次降雨径流的方法 |
CN115063111B (zh) * | 2022-06-24 | 2023-08-18 | 中国长江三峡集团有限公司 | 场次洪水识别方法、装置、电子设备及可读存储介质 |
CN116595345B (zh) * | 2023-03-28 | 2024-05-10 | 中国长江电力股份有限公司 | 一种自动化次洪划分与退水修正方法及系统 |
WO2024198387A1 (zh) * | 2023-03-28 | 2024-10-03 | 中国长江电力股份有限公司 | 一种自动化次洪划分与退水修正方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435381A (zh) * | 2021-07-07 | 2021-09-24 | 贵州东方世纪科技股份有限公司 | 一种针对不同流域的场次洪水识别方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320827B (zh) * | 2014-07-06 | 2018-07-13 | 嘉兴河海中控信息科技有限公司 | 降雨径流预报系统 |
CN106875048A (zh) * | 2017-02-07 | 2017-06-20 | 南京南瑞集团公司 | 基于典型经验模式的应急洪水预报方法 |
CN107609707B (zh) * | 2017-09-20 | 2021-02-02 | 四创科技有限公司 | 一种洪水预报、防灾决策方法及系统 |
CN108734340A (zh) * | 2018-04-27 | 2018-11-02 | 河海大学 | 一种基于洪型概化的河道洪水预报方法 |
CN109785979B (zh) * | 2019-01-07 | 2020-06-09 | 三峡大学 | 一种场次洪水降雨径流过程界定方法 |
CN109815305B (zh) * | 2019-01-18 | 2020-01-14 | 三峡大学 | 一种无资料地区场次洪水径流过程反演的方法 |
CN109902395B (zh) * | 2019-03-04 | 2020-08-18 | 四川大学 | 基于降雨径流响应的实时累积雨量暴雨山洪预警方法 |
CN109993350B (zh) * | 2019-03-13 | 2021-04-27 | 河海大学 | 一种基于降雨空间分布的临界雨量估算方法 |
CN110929956B (zh) * | 2019-12-06 | 2020-07-03 | 中国水利水电科学研究院 | 一种基于机器学习的洪水预报方案实时优选方法 |
CN113095597B (zh) * | 2021-05-07 | 2024-03-12 | 黄河勘测规划设计研究院有限公司 | 一种适用于无资料小流域的洪水过程设计方法 |
-
2021
- 2021-10-27 CN CN202111255515.2A patent/CN114020975B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435381A (zh) * | 2021-07-07 | 2021-09-24 | 贵州东方世纪科技股份有限公司 | 一种针对不同流域的场次洪水识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114020975A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114020975B (zh) | 一种自动筛选洪水场次的方法 | |
CN108491682B (zh) | 降雨径流预报系统 | |
CN105719019A (zh) | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 | |
CN106355274A (zh) | 一种防汛调度决策辅助系统 | |
JP7366304B1 (ja) | 期間内の降雨流出回数の適応分割方法 | |
CN113361195B (zh) | 一种基于lstm和相似日的配电网线路超短期负荷预测方法 | |
Thomas et al. | A comparison of selection at list time and time‐stratified sampling for estimating suspended sediment loads | |
CN116740946B (zh) | 一种公路车流量大数据分析处理方法 | |
CN117436566A (zh) | 一种平原河网区水闸群优化调度方法、系统、装置及介质 | |
CN110543971A (zh) | 一种卫星降雨与实测降雨误差分区融合校正的方法 | |
CN106846891B (zh) | 一种基于序列分解的公共停车场泊位多步预测方法 | |
CN116756481A (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 | |
CN115619045B (zh) | 一种河口潮差预报方法和系统 | |
CN112950436A (zh) | 一种合流制管道溢流控制参数的计算方法及装置 | |
CN102912760A (zh) | 水库下游河道最低通航水位生成方法 | |
CN116502531A (zh) | 一种基于多元线性回归模型的基流模拟方法 | |
CN115345008A (zh) | 一种排水管网入渗入流过程模拟分析方法、系统及装置 | |
CN115688022A (zh) | 一种基于最邻近算法的流域单位线实时优选方法 | |
KR100430219B1 (ko) | 상수도 시스템의 용수 수요 예측 방법 | |
Menzel et al. | Climate change impacts on river flooding: a modelling study of three meso-scale catchments | |
CN113506000A (zh) | 一种计算城市汇水区域暴雨溢流风险的方法 | |
Green et al. | Comparing the new design rainfalls to at-site rainfall frequency curves | |
CN112561734A (zh) | 一种台区线损分析系统及其分析方法 | |
CN113902160B (zh) | 一种应用于水利枢纽工程的水调方法 | |
CN118332475B (zh) | 一种涂料生产全流程智能监督管理方法与系统 |
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 |