CN114219252A - 一种基于sce-ua算法的流域单位线分析方法 - Google Patents
一种基于sce-ua算法的流域单位线分析方法 Download PDFInfo
- Publication number
- CN114219252A CN114219252A CN202111477202.1A CN202111477202A CN114219252A CN 114219252 A CN114219252 A CN 114219252A CN 202111477202 A CN202111477202 A CN 202111477202A CN 114219252 A CN114219252 A CN 114219252A
- Authority
- CN
- China
- Prior art keywords
- flood
- rainfall
- time
- sequence
- unit line
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 230000000630 rising effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000006424 Flood reaction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000012360 testing method 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于SCE‑UA算法的流域单位线分析方法,包括以下步骤:1)数据的收集、处理;2)洪水场次划分;3)关联降雨过程,构建样本集合;4)推求净雨过程;5)推求单位线时长;6)设定目标函数;7)设定约束条件;8)单位线优化率定。本发明中提出的方法能够充分利用本流域降雨、流量数据所包含的信息,能够更加快速、准确地提取流域单位线。
Description
技术领域
本发明属于水利工程技术领域,尤其涉及洪水预报技术领域,具体为一种基于SCE-UA算法的流域单位线分析方法。
背景技术
1932年,谢尔曼(Sherman)提出了单位线的概念:在给定的流域上,单位时段内均匀分布的单位净雨量,在流域出口断面形成的地面径流过程线。利用单位线来推求洪水汇流过程线,简单易行,效果较好,在洪水预报中应用较广。
目前,单位线的推求方法主要有分析法、最小二乘法、线性规划法及柯林斯(Collins)迭代法等。当降雨时段大于1时,基于线性假设的单位线并不存在确定解,传统方法均是根据单场降雨径流资料推求的最优解,实践证明,同一流域不同场次洪水所推求的单位线往往是不同的,因而基于单场洪水所推求的单位线并不一定能够代表本流域的最优解。同时由于测验误差、净雨估算误差以及线性假设本身的不完备性,上述方法在推求单位线的过程中容易出现锯齿振荡或负值的情况,往往需要人为干预和优化。
发明内容
本发明的目的在于克服以上技术缺陷,提出一种基于SCE-UA算法的单位线分析方法,利用流域多场次的降雨洪水过程数据,实现单位线的自动优化率定。
本发明的目的是通过以下技术方案实现的:
一种基于SCE-UA算法的单位线分析方法,包括以下步骤:
1)数据的收集、处理:收集流域内雨量站及水文站观测数据,处理获得等时段流域面雨量时间序列及等时段流域出口流量时间序列;
2)洪水场次划分:根据流域出口流量时间序列划分洪水场次;
3)关联降雨过程,构建样本集合:将场次洪水与场次降雨进行匹配关联,依次寻找每个场次洪水序列所关联的降雨事件,筛选掉无法找到关联降雨事件的洪水事件,从而得到元素一一关联的降雨事件集合与洪水事件集合;以洪水序列开始、结束时间点为基准进行关联降雨的提取;最终获得的关联的可利用洪水降雨场次数记为N;
4)推求净雨过程:采用初损后损法对产流过程的水量损失进行划分,获得各场次洪水净雨过程;
5)推求单位线时长:设步骤3)获得可利用洪水降雨场次中,其中第l场净雨过程为对应洪水过程为其中pl为净雨时段数,ql为洪水时段数,则此单位线时段数为nu,l=ql-pl+1;依此计算的单位线时段数在各场次洪水间存在差异,取其中位数作为流域单位线的拟定时长,即:
nu=Median(nu,1,nu,2,...,nu,l,...,nu,N) (9)
式中,Median()代表取中位数,nu,l为第l场洪水推求的单位线时段数,N为可利用降雨洪水场次数;
6)设定目标函数:包括以下步骤:
6-1对步骤5)中计算的各场次洪水单位线时段数进行排序,把所有数值由小到大排列并分成四等份,选择四分位数数值,即25%和75%分位数数值作为阈值,提取单位线时段数位于25%分位数和75%分位数之间的场次洪水;
6-2将步骤6-1中选择的场次洪水的总剩余平方和最小作为目标函数,如下式所示:
7)约束条件设定:添加水量约束、单调约束及退水速率约束三个约束条件;
8)单位线优化率定:以步骤6-1中获得的场次洪水的总剩余平方和最小作为目标函数,以水量约束、单调约束及退水速率约束作为约束条件,采用SCE-UA算法进行单位线优化率定。
进一步的优化方案:步骤1)具体包括如下步骤:
1-1采用线性内插法进行等时段处理,获得等时段流域出口流量时间序列数据;
1-2根据降雨量累积曲线插值进行等时段处理,获得等时段流域站点雨量时间序列数据;
1-3采用泰森多边形法进行面雨量的计算,获得面雨量时间序列。
进一步的,步骤2)具体包括如下步骤:
2-1划分流量序列中的基流部分和洪水部分,采用数字滤波法得到流量过程的基流部分,如公式(2)所示:
式中,bt为时刻t的基流,Q't为时刻t的流量,β为滤波系数;
通过调整滤波次数和滤波系数来控制滤波效果,获得基流序列后,利用式(3)分离洪水序列{Q1,Q2,...,Qt}:
Qt=Q't-bt (3)
2-2对洪水序列进行平滑处理,消除噪声项和异常点的影响,平滑公式如下式所示:
2-3识别序列中的转折点:计算洪水序列的一阶差分序列{d1,d2,...,di,...,dt},根据一阶差分序列的正负变换判断序列转折点的位置,并对极大值与极小值加以区分,对于序列首尾处,若首尾值为极大值,则将其去掉;设定阈值Thmin,若首尾值小于序列均值除以阈值Thmin,则设定其为极小值,记录转折点序列及各值对应的峰(极大值)、谷(极小值)标记;
2-4识别洪水事件的开始、结束点:设定阈值Thslp,选定第一个极小值作为开始点并向后搜索另一极小值,依据转折点数组的一阶差分序列进行判断,寻找满足公式(5)要求的极小值点Mink作为结束点;
Mink-Min1<Thslp·max(|d1|,|d2|,...,|dk|) (5)
2-5对上一步中提取的洪水事件进行筛选与处理:设置阈值Thpeak,对于一次独立的洪水事件,若峰值与序列起始点或结束点的差值小于阈值Thpeak,则认为本次洪水过程量级不足以纳入考虑范围;设定动态坡度阈值Thdy,对于一次独立的洪水事件,动态坡度为阈值Thdy与极差的乘积,依据动态坡度删除洪水事件前部与后部的平坦部分;设定时间阈值ThΔT,对于一次独立的洪水事件,如持续时间小于阈值ThΔT,则认为本次洪水过程不足以纳入考虑范围。
进一步的,步骤3)降雨过程提取具体步骤如下:
3-1设定阈值ThS,基于流域面积确定ThS的值,如公式(6)所示,以T1-ThS为开始时间,以洪水结束时刻T3为结束时间,初步提取降雨序列;
式中,F为流域面积,km2;阈值ThS为以洪水开始时刻T1为起点向前考虑降雨的最大时间范围,单位为h;
3-2对降雨开始时间进行检查,去除前部的无效降雨:首先去除降雨序列前端的零值,然后计算T1时刻前无雨间隔,若无雨间隔ΔT≥6h,则只考虑无雨间隔后的降雨时段,有效降雨开始时刻记为Ts;
3-3对降雨结束时间进行检查,去除后部的无效降雨:利用洪水序列的差分序列提取最后一个洪水峰值Qlastpeak,以0.3Qlastpeak为阈值,由洪水结束时刻T3向前搜索得到有效降雨结束时刻,记为T'e,最后一个有效降雨时刻记为Te。
进一步的,步骤4)具体步骤如下:
4-1构建水量平衡公式:
4-2进行产流过程初损后损划分,通过公式(8)试算获得平均后损率和产流开始、结束时间:
式中,T1为洪水起涨时刻;T2为产流结束时刻;
4-3计算净雨过程,利用洪水起涨时刻T1至产流结束时刻T2之间的降雨过程,扣除平均后损率即可获得净雨过程R'={R'1,R'2,...,R'L},其中其中T1≤t≤T2,Pt为t时刻降雨量,L=T2-T1+1代表净雨过程的长度。
本发明的有益效果:
本发明提出的一种基于SCE-UA算法的单位线分析方法,区别于以往利用单一场次洪水过程进行分析,本方法基于多场次洪水过程,进行自动优化率定,能够充分利用流域降雨、流量数据所包含的信息,实现单位线的快速、准确提取。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明整体流程示意图;
图2为场次洪水提取参数示意图;
图3为关联降雨事件提取参数示意图;
图4为产流过程初损后损划分示意图;
图5为样本集合中的历史洪水示意图;
图6单一场次降雨洪水过程及净雨洪水过程示意图;
图7为实施例中流域单位线图。
具体实施方式
实施例1
本实施例为一种基于SCE-UA算法的单位线分析方法,如图1所示,具体步骤如下:
1)数据的收集、处理:收集流域内雨量站及水文站观测数据,处理获得等时段流域面雨量时间序列及流域出口流量时间序列;
1-1采用线性内插法进行等时段处理,获得等时段流域出口流量时间序列数据;
1-2采用根据降雨量累积曲线插值进行等时段处理,获得等时段流域点雨量时间序列数据;
1-3采用泰森多边形法进行面雨量的计算,获得面雨量时间序列,具体的计算方法为:对流域进行泰森多边形划分,根据站点对应的多边形面积占流域总面积的百分比计算雨量站的权重;设流域内共有m个雨量站,其中第i个雨量站对应的多边形面积为AREAi,对应的降雨时间序列为{Pi1,Pi2,...,Pij,...Pin},则流域面雨量时间序列{P1,P2,...,Pj,...,Pn}的计算方法如式(1):
式中,i为雨量站索引,j为降雨时间序列的长度索引,m为流域内雨量站点个数,n为雨量时间序列的总长度,AREA为流域总面积。
2)洪水场次划分:根据流域出口流量时间序列划分洪水场次;方式如下:
2-1划分流量序列中的基流部分和洪水部分。采用数字滤波法得到流量过程的基流部分,如公式(2)所示。
式中,bt为时刻t的基流,Q't为时刻t的流量,β为滤波系数。
通过调整滤波次数和滤波系数来控制滤波效果,获得基流序列后,利用式(3)分离洪水序列{Q1,Q2,...,Qt}:
Qt=Q't-bt (3)
2-2对洪水序列进行平滑处理,消除噪声项和异常点的影响,平滑公式如下式所示:
2-3识别序列中的转折点:计算洪水序列的一阶差分序列{d1,d2,...,di,...,dt},根据一阶差分序列的正负变换判断序列转折点的位置,并对极大值与极小值加以区分。对于序列首尾处,若首尾值为极大值,则将其去掉;设定阈值Thmin,若首尾值小于序列均值除以阈值Thmin,则设定其为极小值。记录转折点序列及各值对应的峰(极大值)、谷(极小值)标记。
2-4识别洪水事件的开始、结束点:设定阈值Thslp,选定第一个极小值作为开始点并向后搜索另一极小值,依据转折点数组的一阶差分序列进行判断,寻找满足公式(5)要求的极小值点Mini作为结束点。
Mink-Min1<Thslp·max(|d1|,|d2|,...,|dk|) (5)
2-5对上一步中提取的洪水事件进行筛选与处理:设置阈值Thpeak,对于一次独立的洪水事件,若峰值与序列起始点或结束点的差值小于阈值Thpeak,则认为本次洪水过程量级不足以纳入考虑范围;设定动态坡度阈值Thdy,对于一次独立的洪水事件,动态坡度为阈值Thdy与极差的乘积,依据动态坡度删除洪水事件前部与后部的平坦部分;设定时间阈值ThΔT,对于一次独立的洪水事件,如持续时间小于阈值ThΔT,则认为本次洪水过程不足以纳入考虑范围,如图2所示。
3)关联降雨过程,构建样本集合:将场次洪水与场次降雨进行匹配关联,依次寻找每个场次洪水序列所关联的降雨事件,筛选掉无法找到关联降雨事件的洪水事件,从而得到元素一一关联的降雨事件集合与洪水事件集合;以洪水序列开始、结束时间点为基准进行关联降雨的提取;具体步骤如下:
3-1设定阈值ThS,基于流域面积确定ThS的值,如公式(6)所示。
式中,F为流域面积(km2),阈值ThS(h)为以洪水开始时刻T1为起点向前考虑降雨的最大时间范围。以T1-ThS为开始时间,以洪水结束时刻T3为结束时间,初步提取降雨序列。
3-2对降雨开始时间进行检查,去除前部的无效降雨。首先去除降雨序列前端的零值,然后计算T1时刻前无雨间隔,若无雨间隔ΔT≥6h,则只考虑无雨间隔后的降雨时段,有效降雨开始时刻记为Ts。
3-3对降雨结束时间进行检查,去除后部的无效降雨。利用洪水序列的差分序列提取最后一个洪水峰值Qlastpeak,以0.3Qlastpeak为阈值,由洪水结束时刻T3向前搜索得到有效降雨结束时刻,记为T'e,最后一个有效降雨时刻记为Te。关联降雨事件提取参数如图3所示,其中Ts至Te时刻为有效降雨,其余降雨为初步提取但被去除的无效降雨。
4)推求净雨过程:采用初损后损法对产流过程的水量损失进行划分,获得各场次洪水净雨过程;具体步骤如下:
4-1构建水量平衡公式,将流域产流前的水量损失记为初损I0,包括植物截留、填洼、蒸发以及产流前下渗的水量,将产流发生后损失的水量作为后损,使用f代表产流过程中的平均水量损失率,获得水量平衡公式如式(7)所示。
4-2进行产流过程初损后损划分,方式如图4所示,中小河流汇流时间较短,出口断面的起涨点大致可以作为产流开始时刻,因而洪水起涨点前的雨量可作为初损I0的近似值,进而通过公式(8)试算获得平均后损率和产流开始、结束时间。
式中,P为场次降雨量(mm),R为次洪径流深(mm),I0为初损量(mm),P'为后期不产流的雨量(mm),tR为产流时间(h),T1为洪水起涨时刻;T2为产流结束时刻。
4-3计算净雨过程,利用洪水起涨时刻T1至产流结束时刻T2之间的降雨过程,扣除平均后损率即可获得净雨过程R'={R'1,R'2,...,R'L},其中其中T1≤t≤T2,Pt为t时刻降雨量,L=T2-T1+1代表净雨过程的长度。
5)推求单位线时长:设步骤3)获得可利用洪水降雨场次中,其中第l场净雨过程为对应洪水过程为其中pl为净雨时段数,ql为洪水时段数,则此单位线时段数为nu,l=ql-pl+1;依此计算的单位线时段数在各场次洪水间存在差异,取其中位数作为流域单位线的拟定时长,即:
nu=Median(nu,1,nu,2,...,nu,l,...,nu,N) (9)
式中,Median()代表取中位数,nu,l为第l场洪水推求的单位线时段数,N为可利用降雨洪水场次数;
6)设定目标函数。
6-1对步骤5)中计算的各场次洪水单位线时段数进行排序,把所有数值由小到大排列并分成四等份,选择四分位数数值,即25%和75%分位数数值作为阈值,提取单位线时段数位于25%分位数和75%分位数之间的场次洪水。
6-2将6-1中选择的场次洪水的总剩余平方和最小作为目标函数,如下式所示:
7)约束条件设定:添加水量约束、单调约束及退水速率约束三个约束条件;
式中,F为流域面积(km2),Δt为时段长(h)。
8)单位线优化率定:以步骤6-1中获得的场次洪水的总剩余平方和最小作为目标函数,以水量约束、单调约束及退水速率约束作为约束条件,采用SCE-UA算法进行单位线优化率定,具体步骤如下:
8-1初始化,设定复合形个数p,以及每个复合形包含的顶点个数m,其中m=2×nu,nu为步骤5)中计算的单位线时长;
8-2生成样本,根据步骤7)中设置的约束条件,在约束空间内生成s个样本点x1,...,xs,其中s=m×p;
8-3基于步骤8-2中生成的样本点,计算步骤6)中设置的目标函数值f;
8-4对样本点进行排序,按照步骤8-3中计算的函数值升序排列,排序后记为(xi,fi),其中i=1,...,s,f1≤f2≤...≤fs,组成样本集S,S={(xi,fi),i=1,...,s};
8-5划分复合形,将S划分为p个复合形A1,...,Ap,每个复合形含有m个点,其中Ak={xk,j,fk,j|xk,j=xk+p,j-1,fk,j=fk+p,j-1,j=1,2,...,m};
8-6复合形进化,采用复合形竞争演化(CCE)算法分别进化步骤8-5中的每个复合形;
8-7复合形混合,将进化后的复合形组合,并按照步骤8-4进行排序,组成新的样本集合。
8-8设置目标函数阈值Thf和循环次数M,比较步骤8-7中得到的最小目标函数值f1与阈值Thf,若f1≤Thf则停止计算,否则返回步骤8-5继续计算直至达到设置的循环次数M。
本实施例中,收集到陕西省某小流域1962至2014年水文数据,包括流域出口水文站流量数据及流域内雨量站点的降雨数据,插值处理为等时段时间序列数据。根据泰森多边形计算权重,将雨量站点时间序列转换为面雨量时间序列。进行洪水场次划分,获得148场洪水,将洪水事件与降雨事件相关联,筛选掉无法找到关联降雨事件的洪水事件,得到元素一一关联的降雨事件集合与洪水事件集合,共包含139场降雨洪水过程,其中洪水过程如图5所示。
推求净雨过程,单一场次结果如图6所示。
基于所有场次样本数据,统计净雨、洪水过程时长,推求单位线时段数为41。依据本发明所给出的目标函数和约束条件设定,基于SCE-UA优化算法获得流域单位线如图7所示。
最后应说明的是,以上仅用以说明本发明的技术方案而非限制,尽管参照较佳布置方案对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案(比如各种公式的运用、步骤的先后顺序等)进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (5)
1.一种基于SCE-UA算法的单位线分析方法,其特征在于:包括以下步骤:
1)数据的收集、处理:收集流域内雨量站及水文站观测数据,处理获得等时段流域面雨量时间序列及等时段流域出口流量时间序列;
2)洪水场次划分:根据流域出口流量时间序列划分洪水场次;
3)关联降雨过程,构建样本集合:将场次洪水与场次降雨进行匹配关联,依次寻找每个场次洪水序列所关联的降雨事件,筛选掉无法找到关联降雨事件的洪水事件,从而得到元素一一关联的降雨事件集合与洪水事件集合;以洪水序列开始、结束时间点为基准进行关联降雨的提取;最终获得的关联的可利用洪水降雨场次数记为N;
4)推求净雨过程:采用初损后损法对产流过程的水量损失进行划分,获得各场次洪水净雨过程;
5)推求单位线时长:设步骤3)获得可利用洪水降雨场次中,其中第l场净雨过程为R'l={R'1,R'2,...,R'pl},对应洪水过程为Ql={Q1,Q2,...,Qql},其中pl为净雨时段数,ql为洪水时段数,则此单位线时段数为nu,l=ql-pl+1;依此计算的单位线时段数在各场次洪水间存在差异,取其中位数作为流域单位线的拟定时长,即:
nu=Median(nu,1,nu,2,...,nu,l,...,nu,N) (9)
式中,Median()代表取中位数,nu,l为第l场洪水推求的单位线时段数,N为可利用降雨洪水场次数;
6)设定目标函数:包括以下步骤:
6-1对步骤5)中计算的各场次洪水单位线时段数进行排序,把所有数值由小到大排列并分成四等份,选择四分位数数值,即25%和75%分位数数值作为阈值,提取单位线时段数位于25%分位数和75%分位数之间的场次洪水;
6-2将步骤6-1中选择的场次洪水的总剩余平方和最小作为目标函数,如下式所示:
7)约束条件设定:添加水量约束、单调约束及退水速率约束三个约束条件;
8)单位线优化率定:以步骤6-1中获得的场次洪水的总剩余平方和最小作为目标函数,以水量约束、单调约束及退水速率约束作为约束条件,采用SCE-UA算法进行单位线优化率定。
2.根据权利要求1所述的一种基于SCE-UA算法的单位线分析方法,其特征在于:步骤1)具体包括如下步骤:
1-1采用线性内插法进行等时段处理,获得等时段流域出口流量时间序列数据;
1-2根据降雨量累积曲线插值进行等时段处理,获得等时段流域站点雨量时间序列数据;
1-3采用泰森多边形法进行面雨量的计算,获得面雨量时间序列。
3.根据权利要求1所述的一种基于SCE-UA算法的单位线分析方法,其特征在于:步骤2)具体包括如下步骤:
2-1划分流量序列中的基流部分和洪水部分,采用数字滤波法得到流量过程的基流部分,如公式(2)所示:
式中,bt为时刻t的基流,Q't为时刻t的流量,β为滤波系数;
通过调整滤波次数和滤波系数来控制滤波效果,获得基流序列后,利用式(3)分离洪水序列{Q1,Q2,...,Qt}:
Qt=Q't-bt (3)
2-2对洪水序列进行平滑处理,消除噪声项和异常点的影响,平滑公式如下式所示:
2-3识别序列中的转折点:计算洪水序列的一阶差分序列{d1,d2,...,di,...,dt},根据一阶差分序列的正负变换判断序列转折点的位置,并对极大值与极小值加以区分,对于序列首尾处,若首尾值为极大值,则将其去掉;设定阈值Thmin,若首尾值小于序列均值除以阈值Thmin,则设定其为极小值,记录转折点序列及各值对应的峰、谷标记;
2-4识别洪水事件的开始、结束点:设定阈值Thslp,选定第一个极小值作为开始点并向后搜索另一极小值,依据转折点数组的一阶差分序列进行判断,寻找满足公式(5)要求的极小值点Mink作为结束点;
Mink-Min1<Thslp·max(|d1|,|d2|,...,|dk|) (5)
2-5对上一步中提取的洪水事件进行筛选与处理:设置阈值Thpeak,对于一次独立的洪水事件,若峰值与序列起始点或结束点的差值小于阈值Thpeak,则认为本次洪水过程量级不足以纳入考虑范围;设定动态坡度阈值Thdy,对于一次独立的洪水事件,动态坡度为阈值Thdy与极差的乘积,依据动态坡度删除洪水事件前部与后部的平坦部分;设定时间阈值ThΔT,对于一次独立的洪水事件,如持续时间小于阈值ThΔT,则认为本次洪水过程不足以纳入考虑范围。
4.根据权利要求1所述的一种基于SCE-UA算法的单位线分析方法,其特征在于:步骤3)降雨过程提取具体步骤如下:
3-1设定阈值ThS,基于流域面积确定ThS的值,如公式(6)所示,以T1-ThS为开始时间,以洪水结束时刻T3为结束时间,初步提取降雨序列;
式中,F为流域面积,km2;阈值ThS为以洪水开始时刻T1为起点向前考虑降雨的最大时间范围,单位为h;
3-2对降雨开始时间进行检查,去除前部的无效降雨:首先去除降雨序列前端的零值,然后计算T1时刻前无雨间隔,若无雨间隔ΔT≥6h,则只考虑无雨间隔后的降雨时段,有效降雨开始时刻记为Ts;
3-3对降雨结束时间进行检查,去除后部的无效降雨:利用洪水序列的差分序列提取最后一个洪水峰值Qlastpeak,以0.3Qlastpeak为阈值,由洪水结束时刻T3向前搜索得到有效降雨结束时刻,记为T'e,最后一个有效降雨时刻记为Te。
5.根据权利要求1所述的一种基于SCE-UA算法的单位线分析方法,其特征在于:步骤4)具体步骤如下:
4-1构建水量平衡公式:
4-2进行产流过程初损后损划分,通过公式(8)试算获得平均后损率和产流开始、结束时间:
式中,T1为洪水起涨时刻;T2为产流结束时刻;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477202.1A CN114219252B (zh) | 2021-12-06 | 2021-12-06 | 一种基于sce-ua算法的流域单位线分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477202.1A CN114219252B (zh) | 2021-12-06 | 2021-12-06 | 一种基于sce-ua算法的流域单位线分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114219252A true CN114219252A (zh) | 2022-03-22 |
CN114219252B CN114219252B (zh) | 2022-06-10 |
Family
ID=80699877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111477202.1A Active CN114219252B (zh) | 2021-12-06 | 2021-12-06 | 一种基于sce-ua算法的流域单位线分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219252B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688022A (zh) * | 2022-11-11 | 2023-02-03 | 中国水利水电科学研究院 | 一种基于最邻近算法的流域单位线实时优选方法 |
JP7366304B1 (ja) | 2022-05-10 | 2023-10-20 | 中国長江電力股▲ふん▼有限公司 | 期間内の降雨流出回数の適応分割方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087459A1 (en) * | 2009-10-09 | 2011-04-14 | Zazovsky Alexander F | Cleanup prediction and monitoring |
CN107729695A (zh) * | 2017-11-21 | 2018-02-23 | 中国水利水电科学研究院 | 一种用于小流域次洪模拟的水文模型率定方法 |
CN108345735A (zh) * | 2018-01-27 | 2018-07-31 | 乔景辉 | 一种流域水文模型参数校准方法 |
CN108614915A (zh) * | 2018-03-28 | 2018-10-02 | 长江勘测规划设计研究有限责任公司 | 基于情景驱动的水文模型自由组建策略方法 |
CN109992868A (zh) * | 2019-03-25 | 2019-07-09 | 华中科技大学 | 一种基于异参离散广义Nash汇流模型的河道洪水预报方法 |
CN111027763A (zh) * | 2019-12-06 | 2020-04-17 | 中国水利水电科学研究院 | 一种基于机器学习的流域洪水响应相似性分析方法 |
-
2021
- 2021-12-06 CN CN202111477202.1A patent/CN114219252B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110087459A1 (en) * | 2009-10-09 | 2011-04-14 | Zazovsky Alexander F | Cleanup prediction and monitoring |
CN107729695A (zh) * | 2017-11-21 | 2018-02-23 | 中国水利水电科学研究院 | 一种用于小流域次洪模拟的水文模型率定方法 |
CN108345735A (zh) * | 2018-01-27 | 2018-07-31 | 乔景辉 | 一种流域水文模型参数校准方法 |
CN108614915A (zh) * | 2018-03-28 | 2018-10-02 | 长江勘测规划设计研究有限责任公司 | 基于情景驱动的水文模型自由组建策略方法 |
CN109992868A (zh) * | 2019-03-25 | 2019-07-09 | 华中科技大学 | 一种基于异参离散广义Nash汇流模型的河道洪水预报方法 |
CN111027763A (zh) * | 2019-12-06 | 2020-04-17 | 中国水利水电科学研究院 | 一种基于机器学习的流域洪水响应相似性分析方法 |
Non-Patent Citations (3)
Title |
---|
宋晓猛等: "基于流域地形地貌特征的分布式汇流方法", 《长江流域资源与环境》 * |
王加虎等: "用半分布式汇流结构改善新安江模型参数外推能力研究", 《中国农村水利水电》 * |
钟伟等: "基于SCE-UA算法的多模式降雨集成预报技术研究", 《宁波大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7366304B1 (ja) | 2022-05-10 | 2023-10-20 | 中国長江電力股▲ふん▼有限公司 | 期間内の降雨流出回数の適応分割方法 |
CN115688022A (zh) * | 2022-11-11 | 2023-02-03 | 中国水利水电科学研究院 | 一种基于最邻近算法的流域单位线实时优选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114219252B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114219252B (zh) | 一种基于sce-ua算法的流域单位线分析方法 | |
CN111027763B (zh) | 一种基于机器学习的流域洪水响应相似性分析方法 | |
CN110929956A (zh) | 一种基于机器学习的洪水预报方案实时优选方法 | |
CN111080107A (zh) | 一种基于时间序列聚类的流域洪水响应相似性分析方法 | |
CN109711095B (zh) | 一种基于水文模型获取河段区间入流的方法 | |
CN114154417B (zh) | 基于深度学习框架的洪水预报模型及洪水预报方法 | |
CN108018823B (zh) | 基于瞬时单位线的流域地下水平均响应时间估计方法 | |
CN106971034B (zh) | 一种基于集合卡尔曼滤波的对无资料地区径流量推求方法 | |
CN106599571A (zh) | 兼顾流量和蒸发的流域水文模型分期率定方法 | |
CN114897242B (zh) | 一种自适应分割时段场次降雨径流的方法 | |
CN113095694B (zh) | 一种适用于多地貌类型区的降雨输沙模型构建方法 | |
CN113378484B (zh) | 一种基于机器学习的平原河网地区洪水过程预报方法 | |
CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
CN112149314A (zh) | 一种基于虚拟库容修正的多沙水库库容冲淤模拟方法 | |
CN110930282B (zh) | 一种基于机器学习的局地降雨雨型分析方法 | |
CN115688022B (zh) | 一种基于最邻近算法的流域单位线实时优选方法 | |
CN112561214B (zh) | 一种自动识别场次洪水的方法及系统 | |
CN109685236B (zh) | 一种北方水库春季径流水源分析方法 | |
CN117599519B (zh) | 一种用于数字化反冲洗一体机的智能控制方法 | |
CN117033888A (zh) | 一种基于分割基流的流域汇流单位线推求方法 | |
CN111709147A (zh) | 一种基于水文失事机理的设计洪水地区组成计算方法 | |
CN110457374B (zh) | 一种识别时段典型暴雨过程的方法 | |
CN106777724B (zh) | 一种针对半湿润半干旱地区及湿润地区的基流分割方法 | |
CN115468543A (zh) | 一种基于参数自动寻优的基流分割方法 | |
CN107967383B (zh) | 一种基于分布式tin单元的tric径流指数预警方法 |
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 |