CN114741435A - 控制站供水保证水位确定方法及其相关装置 - Google Patents
控制站供水保证水位确定方法及其相关装置 Download PDFInfo
- Publication number
- CN114741435A CN114741435A CN202210659153.1A CN202210659153A CN114741435A CN 114741435 A CN114741435 A CN 114741435A CN 202210659153 A CN202210659153 A CN 202210659153A CN 114741435 A CN114741435 A CN 114741435A
- Authority
- CN
- China
- Prior art keywords
- time
- drought
- sequence
- control station
- long
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
Abstract
本申请提供一种控制站供水保证水位确定方法及其相关装置,该方法包括:根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定其有效的多年长时间序列时段;将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;基于各时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。本申请实施例中利用分段思想对控制站的年内的干旱重点时段和非干旱重点时段的供水保证水位进行合理制定,弥补了传统控制站供水保证水位设置方法的单一性问题,为沿江重要城市供水提供安全保障。
Description
技术领域
本申请涉及水资源管理技术领域,具体涉及一种控制站供水保证水位确定方法及其相关装置。
背景技术
为在枯季应对旱情、提高沿江重要城市供水安全保障,沿江重要城市相应控制站供水保证水位的确定是协调自然河道与城市用水需求的关键参数,即该水位是沿江重要城市在一定设计频率下的最低取水水位高程。因此,沿江重要城市控制站供水保证水位的确定是保障城市从河道合理取水的工程设计基础。
目前,随着气候变化和人类活动的影响加剧,相应水位控制站点的水文系列特征可能会发生突变,若仍采用传统的控制站供水保证水位确定方法将不再适应,甚至会为沿江重要城市供水安全保障带来潜在风险隐患。
因此,如何为沿江重要城市供水提供安全保障,是当前水资源管理技术领域亟需解决的技术问题。
发明内容
本申请提供一种控制站供水保证水位确定方法及其相关装置,旨在解决如何为沿江重要城市供水提供安全保障的技术问题。
一方面,本申请提供控制站供水保证水位确定方法,所述方法包括:
获取控制站的长序列水文气象信息,所述长序列水文气象信息包括多个水文特征的时间序列;
根据所述长序列水文气象信息中各水文特征的时间序列的分布范围,确定所述长序列水文气象信息中有效的多年长时间序列时段;
将所述多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;
基于预设的联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段;
基于所述干旱重点时段和非干旱重点时段的历史水文资料,确定所述控制站在干旱重点时段和非干旱重点时段的供水保证水位。
在本申请一种可能的实现方式中,所述基于预设的联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段,包括:
构建联合分布函数;
获取所述多个分时段中各分时段对应的干旱特征变量序列;
基于所述联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段。
在本申请一种可能的实现方式中,所述构建联合分布函数,包括:
对所述多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型;
对拟合后的线型进行检验,并筛选出拟合优度最优的目标线型;
将所述目标线型对应的分布函数,作为联合分布函数。
在本申请一种可能的实现方式中,所述对所述分时段对应的干旱特征变量序列进行拟合,得到拟合后的线型,包括:
分别估计所述多个分时段中各分时段对应的干旱特征变量序列对应的分布函数的参数,得到目标分布函数;
将所述目标分布函数作为Copula联合分布函数的边缘分布函数,以确定目标Copula函数;
基于所述目标Copula函数,对所述多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型。
在本申请一种可能的实现方式中,所述获取所述多个分时段中各分时段对应的干旱特征变量序列,包括:
构建分时段干旱评价指数;
基于所述分时段干旱评价指数和预设的干旱识别阈值,确定所述多个分时段中各分时段对应的干旱特征变量序列。
在本申请一种可能的实现方式中,所述根据所述长序列水文气象信息中各水文特征的时间序列的分布范围,确定所述长序列水文气象信息中有效的多年长时间序列时段,包括:
将所述长序列水文气象信息中各水文特征的时间序列的分布范围取交集,并将取交集后的时段作为长序列水文气象信息中有效的多年长时间序列时段。
在本申请一种可能的实现方式中,所述将所述多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,包括:
对所述多年长时间序列时段进行变异诊断,得到诊断结果,所述诊断结果包括有多个具有跳跃变异形式的时间序列时段,和/或具有趋势变异形式的时间序列时段;
基于所述诊断结果和所述多年长时间序列时段,确定具有不同时间序列变异形式的多个分时段。
另一方面,本申请提供一种控制站供水保证水位确定装置,所述装置包括:
第一获取单元,用于获取控制站的长序列水文气象信息,所述长序列水文气象信息包括多个水文特征的时间序列;
第一确定单元,用于根据所述长序列水文气象信息中各水文特征的时间序列的分布范围,确定所述长序列水文气象信息中有效的多年长时间序列时段;
第一划分单元,用于将所述多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;
第二确定单元,用于基于预设的联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段;
第三确定单元,用于基于所述干旱重点时段和非干旱重点时段的历史水文资料,确定所述控制站在干旱重点时段和非干旱重点时段的供水保证水位。
在本申请一种可能的实现方式中,所述第二确定单元,具体包括:
第一构建单元,用于构建联合分布函数;
第二获取单元,用于获取所述多个分时段中各分时段对应的干旱特征变量序列;
第四确定单元,用于基于所述联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段。
在本申请一种可能的实现方式中,所述第一构建单元,具体包括:
第一拟合单元,用于对所述多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型;
第一筛选单元,用于对拟合后的线型进行检验,并筛选出拟合优度最优的目标线型;
将所述目标线型对应的分布函数,作为联合分布函数。
在本申请一种可能的实现方式中,所述第一拟合单元,具体用于:
分别估计所述多个分时段中各分时段对应的干旱特征变量序列对应的分布函数的参数,得到目标分布函数;
将所述目标分布函数作为Copula联合分布函数的边缘分布函数,以确定目标Copula函数;
基于所述目标Copula函数,对所述多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型。
在本申请一种可能的实现方式中,所述第二获取单元,具体用于:
构建分时段干旱评价指数;
基于所述分时段干旱评价指数和预设的干旱识别阈值,确定所述多个分时段中各分时段对应的干旱特征变量序列。
在本申请一种可能的实现方式中,所述第一确定单元,具体用于:
将所述长序列水文气象信息中各水文特征的时间序列的分布范围取交集,并将取交集后的时段作为长序列水文气象信息中有效的多年长时间序列时段。
在本申请一种可能的实现方式中,所述第一划分单元,具体用于:
对所述多年长时间序列时段进行变异诊断,得到诊断结果,所述诊断结果包括有多个具有跳跃变异形式的时间序列时段,和/或具有趋势变异形式的时间序列时段;
基于所述诊断结果和所述多年长时间序列时段,确定具有不同时间序列变异形式的多个分时段。
另一方面,本申请还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的控制站供水保证水位确定方法。
另一方面,本申请还提供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进行加载,以执行所述的控制站供水保证水位确定方法中的步骤。
本申请公开的控制站供水保证水位确定方法,包括:获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。相较于传统方法,在采用传统的控制站供水保证水位确定方法将不再适应,甚至会为沿江重要城市供水安全保障带来潜在风险隐患的背景下,本申请创造性地提出通过将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,然后基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段,即在辨识控制站年际年内干旱特征的基础上,利用分段思想对控制站的年内的干旱重点时段和非干旱重点时段的供水保证水位进行合理制定,弥补了传统控制站供水保证水位设置方法的单一性问题,为沿江重要城市供水提供安全保障。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的控制站供水保证水位确定系统的场景示意图;
图2是本申请实施例中提供的控制站供水保证水位确定方法的一个实施例流程示意图;
图3是本申请实施例中提供的确定控制站的年内的干旱重点时段和非干旱重点时段的一个实施例流程示意图;
图4是本申请实施例中提供的控制站供水保证水位确定装置的一个实施例结构示意图;
图5是本申请实施例中提供的计算机设备的一个实施例结构示意图;
图6是本申请实施例中提供的基于分段干旱频率分析的控制站供水保证水位设计过程的变异前后分段联合概率分布特征图;
图7是本申请实施例中基于分段干旱频率分析的控制站供水保证水位设计方案示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示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一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本申请实施例提供一种控制站供水保证水位确定方法及其相关装置,以下分别进行详细说明。
如图1所示,图1是本申请实施例提供的控制站供水保证水位确定系统的场景示意图,该控制站供水保证水位确定系统可以包括计算机设备100,计算机设备100中集成有控制站供水保证水位确定装置,如图1中的计算机设备。
本申请实施例中计算机设备100主要用于获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。
本申请实施例中,该计算机设备100可以为终端或者服务器,当计算机设备100为服务器时,可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器以构建的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构建。
可以理解的是,本申请实施例中计算机设备100为终端时,所使用的终端可以是既包括接收和发射硬件的设备,即具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的计算机设备100具体可以是台式终端或移动终端,计算机设备100具体还可以是手机、平板电脑、笔记本电脑等中的一种。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不以构建对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设备,可以理解的,该控制站供水保证水位确定系统还可以包括一个或多个其他计算机设备,具体此处不作限定。
另外,如图1所示,该控制站供水保证水位确定系统还可以包括存储器200,用于存储数据,如存储水资源管理相关数据,例如控制站的各种数据,如针对供水水位的相关信息,具体的,如长序列水文气象信息、干旱重点时段和非干旱重点时段的历史水文资料。
需要说明的是,图1所示的控制站供水保证水位确定系统的场景示意图仅仅是一个示例,本申请实施例描述的控制站供水保证水位确定系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不以构建对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着控制站供水保证水位确定系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种控制站供水保证水位确定方法,该控制站供水保证水位确定方法的执行主体为控制站供水保证水位确定装置,该控制站供水保证水位确定装置应用于计算机设备,该控制站供水保证水位确定方法包括:获取目标物流对象的多个业务风险指标信息中各业务风险指标信息对应的多个风险因子数据;对多个风险因子数据的分布状态进行转换,得到转化后的多个第一风险因子数据;基于多个第一风险因子数据,确定目标物流对象的各业务风险指标信息的评价参数;基于各业务风险指标信息的评价参数,确定目标物流对象的评价参数;基于目标物流对象的评价参数,确定目标物流对象的风险等级。
请参阅图2至图7,图2为本申请实施例中提供的控制站供水保证水位确定方法的一个实施例流程示意图,该控制站供水保证水位确定方法包括:
201、获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;
其中,控制站为“取水口控制站”,一般沿江城市均有设置取水设施,其设施相邻的水文站可对其断面的水位、流量等水文信息进行监测;水文特征的时间序列为某种水文特征值随时间而变的一系列观测值,例如,该水文特征可以包括降水、蒸发、流量以及水位等水文特征,具体的,可以通过从对应的水文站监测得到相关资料中获取该控制站的长序列水文气象信息。
202、根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;
本申请实施例中,其有效的多年长时间序列时段为多个水文特征的时间序列相交部分的多年长时间序列时段,例如该多年可以为N年。
由于同一控制站中多个水文特征的时间序列的分布范围一般会存在差异,因此,在本申请的一些实施例中,根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段,包括:将长序列水文气象信息中各水文特征的时间序列的分布范围取交集,并将取交集后的时段作为长序列水文气象信息中有效的多年长时间序列时段。
为了便于理解,基于上述举例,对于流量特征的时间序列的分布范围是1950年-2022年,而水位特征的时间序列的分布范围是1970年-2018年。因此,根据上述两个水文特征的时间序列的分布范围,可以确定长序列水文气象信息中有效的多年长时间序列时段为1950年-2018年。
203、将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;
其中,不同时间序列变异形式包括以跳跃和趋势两种变异形式,具体的,在本申请的一些实施例中,将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,包括:对多年长时间序列时段进行变异诊断,得到诊断结果,诊断结果包括有多个具有跳跃变异形式的时间序列时段,和/或具有趋势变异形式的时间序列时段;基于诊断结果和多年长时间序列时段,确定具有不同时间序列变异形式的多个分时段。
本申请实施例中,对多年长时间序列时段进行变异诊断,得到诊断结果,具体可以采用预先设置的水文变异诊断系统对多年长时间序列时段进行变异诊断,具体的,以跳跃和趋势两种变异形式的诊断结果具体划分变异时段;若时间序列变异形式诊断为跳跃,则将变异点之间(含变异点)的时段记为T1、变异点之后的时段记为T2;若时间序列变异形式诊断为趋势,则将以变异诊断结果中跳跃变异分析方法的变异点集中程度为依据,近似地将趋势变异视为多级跳跃变异进行处理,即将趋势变异划分为两级及以上的跳跃变异,由此,再根据其诊断结果,将多面长时间序列时段,划分为对应的T1,T2,…,Tn,其中,n为划分的时段数,即Ti表征控制站N年长时间序列的年纪第i段分时段。
204、基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;
具体的,如何基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段,请参阅下述具体实施方式,在此不做赘述。
205、基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。
本申请实施例中,如图7所示,图7是本申请实施例中基于分段干旱频率分析的控制站供水保证水位设计方案示意图,可以通过对干旱重点时段和非干旱重点时段的历史水文资料分别进行水位排频分析,得到对应的设计频率参数,然后再根据对应的设计频率参数,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。具体的,根据水文频率分析领域的通识经验,干旱重点时段内推求95%设计频率下对应的供水保证水位值Z*,非干旱重点时段内推求90%设计频率下对应的控制站供水保证水位值Z,以此确定控制站在干旱重点时段和非干旱重点时段的供水保证水位,即构成控制站年内分段供水保证水位方案(Z*,Z)。
本申请实施例,相较于传统方法,在采用传统的控制站供水保证水位确定方法将不再适应,甚至会为沿江重要城市供水安全保障带来潜在风险隐患的背景下,本申请创造性地提出通过将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,然后基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段,即在辨识控制站年际年内干旱特征的基础上,利用分段思想对控制站的年内的干旱重点时段和非干旱重点时段的供水保证水位进行合理制定,弥补了传统控制站供水保证水位设置方法的单一性问题,为沿江重要城市供水提供安全保障。
在本申请的一些实施例中,如图3,基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段,包括:
301、构建联合分布函数;
在本申请的一些实施例中,构建联合分布函数,包括:对多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型;对拟合后的线型进行检验,并筛选出拟合优度最优的目标线型;将目标线型对应的分布函数,作为联合分布函数。
本申请实施例中,具体分时段采用伽玛分布、广义帕累托分布、对数正态分布等对多个分时段中各分段对应的干旱特征变量序列进行拟合;可以采用K-S对拟合后的线型进行检验,并筛选出拟合优度最优的目标线型。
在本申请的一些实施例中,对分时段对应的干旱特征变量序列进行拟合,得到拟合后的线型,包括:分别估计多个分时段中各分时段对应的干旱特征变量序列对应的分布函数的参数,得到目标分布函数;将目标分布函数作为Copula联合分布函数的边缘分布函数,以确定目标Copula函数;基于目标Copula函数,对多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型。
302、获取多个分时段中各分时段对应的干旱特征变量序列;
在本申请的一些实施例中,获取多个分时段中各分时段对应的干旱特征变量序列,包括:构建分时段干旱评价指数;基于分时段干旱评价指数和预设的干旱识别阈值,确定多个分时段中各分时段对应的干旱特征变量序列。
其中,干旱特征变量序列为由干旱历时、干旱烈度、干旱范围、干旱间隔时间等筛选出来2-3个变量构成干旱特征变量序列。
本申请实施例中,构建分时段干旱评价指数可以根据不同的基础数据、干旱分析目标等,选用不同的干旱指数对步骤1中划分的不同变异时段内的分段序列T1,T2,…,Tn分别进行干旱事件提取,例如降水时间序列可选用标准化降水指数(SPI)、降水距平指数等;考虑了蒸发时间序列的标准化降水蒸发指数(SPEI),同时还需要前期雨量等时间序列的帕摩尔干旱指数(PDSI);考虑径流、水位时间序列的标准化径流指数(SRI)、水位距平指数(SZI)等。
在一个具体实施例中,若选取某个水文站A的水位要素为干旱分析目标,则可选取水位距平指数SZI进行分段序列的干旱指数计算,计算公式为:
本申请实施例中,基于分时段干旱评价指数和预设的干旱识别阈值,确定多个分时段中各分时段对应的干旱特征变量序列,可以包括将分时段干旱评价指数和预设的干旱识别阈值进行比较,若分时段干旱评价指数大于预设的干旱识别阈值,则计算其符合要求分时段对应的干旱特征变量序列。
303、基于联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段。
本申请实施例中,具体的,如图6所示,图6为基于分段干旱频率分析的控制站供水保证水位设计过程的变异前后分段联合概率分布特征图,可以从预设的多个维度,如干旱历时/月、干旱烈度两个维度,通过联合分布函数对多个分时段中各分时段对应的干旱特征变量序列进行分析,从而确定控制的年内的干旱重点时段和非干旱重点时段。
为了更好实施本申请实施例中控制站供水保证水位确定方法,在控制站供水保证水位确定方法基础之上,本申请实施例中还提供一种控制站供水保证水位确定装置,如图4所示,控制站供水保证水位确定装置400包括:
第一获取单元401,用于获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;
第一确定单元402,用于根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;
第一划分单元403,用于将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;
第二确定单元404,用于基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;
第三确定单元405,用于基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。
在本申请的一些实施例中,第二确定单元404,具体包括:
第一构建单元,用于构建联合分布函数;
第二获取单元,用于获取多个分时段中各分时段对应的干旱特征变量序列;
第四确定单元,用于基于联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段。
在本申请的一些实施例中,第一构建单元,具体包括:
第一拟合单元,用于对多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型;
第一筛选单元,用于对拟合后的线型进行检验,并筛选出拟合优度最优的目标线型;
将目标线型对应的分布函数,作为联合分布函数。
在本申请的一些实施例中,第一拟合单元,具体用于:
分别估计多个分时段中各分时段对应的干旱特征变量序列对应的分布函数的参数,得到目标分布函数;
将目标分布函数作为Copula联合分布函数的边缘分布函数,以确定目标Copula函数;
基于目标Copula函数,对多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型。
在本申请的一些实施例中,第二获取单元,具体用于:
构建分时段干旱评价指数;
基于分时段干旱评价指数和预设的干旱识别阈值,确定多个分时段中各分时段对应的干旱特征变量序列。
在本申请的一些实施例中,第一确定单元402,具体用于:
将长序列水文气象信息中各水文特征的时间序列的分布范围取交集,并将取交集后的时段作为长序列水文气象信息中有效的多年长时间序列时段。
在本申请的一些实施例中,第一划分单元403,具体用于:
对多年长时间序列时段进行变异诊断,得到诊断结果,诊断结果包括有多个具有跳跃变异形式的时间序列时段,和/或具有趋势变异形式的时间序列时段;
基于诊断结果和多年长时间序列时段,确定具有不同时间序列变异形式的多个分时段。
本申请公开的控制站供水保证水位确定装置400,包括:第一获取单元401,用于获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;第一确定单元402,用于根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;第一划分单元403,用于将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;第二确定单元404,用于基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;第三确定单元405,用于基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。相较于传统装置,在采用传统的控制站供水保证水位确定装置400将不再适应,甚至会为沿江重要城市供水安全保障带来潜在风险隐患的背景下,本申请创造性地提出通过将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,然后基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段,即在辨识控制站年际年内干旱特征的基础上,利用分段思想对控制站的年内的干旱重点时段和非干旱重点时段的供水保证水位进行合理制定,弥补了传统控制站供水保证水位设置装置的单一性问题,为沿江重要城市供水提供安全保障。
除了上述介绍用于控制站供水保证水位确定方法与装置之外,本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种控制站供水保证水位确定装置,计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中一个或多个应用程序被存储于存储器中,并配置为由处理器执行上述控制站供水保证水位确定方法实施例中任一实施例中的任一方法的操作。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种控制站供水保证水位确定装置。参阅图5,图5是本申请实施例提供的计算机设备一个实施例结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储单元502、电源503和输入单元504等部件。本领域技术人员可以理解,图5中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器501是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储单元502内的软件程序和/或模块,以及调用存储在存储单元502的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器501可包括一个或多个处理核心;优选的,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。
存储单元502可用于存储软件程序以及模块,处理器501通过运行存储在存储单元502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储单元502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储单元502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储单元502还可以包括存储器控制器,以提供处理器501对存储单元502的访问。
计算机设备还包括给各个部件供电的电源503,优选的,电源503可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元504,该输入单元504可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本申请实施例中,计算机设备中的处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元502中,并由处理器501来运行存储在存储单元502中的应用程序,从而实现各种功能,如下:
获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。
本申请提供一种控制站供水保证水位确定方法,相较于传统方法,在采用传统的控制站供水保证水位确定方法将不再适应,甚至会为沿江重要城市供水安全保障带来潜在风险隐患的背景下,本申请创造性地提出通过将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,然后基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段,即在辨识控制站年际年内干旱特征的基础上,利用分段思想对控制站的年内的干旱重点时段和非干旱重点时段的供水保证水位进行合理制定,弥补了传统控制站供水保证水位设置方法的单一性问题,为沿江重要城市供水提供安全保障。
为此,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种控制站供水保证水位确定方法中的步骤。例如,该指令可以执行如下步骤:
获取控制站的长序列水文气象信息,长序列水文气象信息包括多个水文特征的时间序列;根据长序列水文气象信息中各水文特征的时间序列的分布范围,确定长序列水文气象信息中有效的多年长时间序列时段;将多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;基于预设的联合分布函数和多个分时段中各分时段对应的干旱特征变量序列,确定控制站的年内的干旱重点时段和非干旱重点时段;基于干旱重点时段和非干旱重点时段的历史水文资料,确定控制站在干旱重点时段和非干旱重点时段的供水保证水位。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上对本申请实施例所提供的一种控制站供水保证水位确定方法及其相关装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种控制站供水保证水位确定方法,其特征在于,所述方法包括:
获取控制站的长序列水文气象信息,所述长序列水文气象信息包括多个水文特征的时间序列;
根据所述长序列水文气象信息中各水文特征的时间序列的分布范围,确定所述长序列水文气象信息中有效的多年长时间序列时段;
将所述多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;
基于预设的联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段;
基于所述干旱重点时段和非干旱重点时段的历史水文资料,确定所述控制站在干旱重点时段和非干旱重点时段的供水保证水位。
2.根据权利要求1所述的控制站供水保证水位确定方法,其特征在于,所述基于预设的联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段,包括:
构建联合分布函数;
获取所述多个分时段中各分时段对应的干旱特征变量序列;
基于所述联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段。
3.根据权利要求2所述的控制站供水保证水位确定方法,其特征在于,所述构建联合分布函数,包括:
对所述多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型;
对拟合后的线型进行检验,并筛选出拟合优度最优的目标线型;
将所述目标线型对应的分布函数,作为联合分布函数。
4.根据权利要求3所述的控制站供水保证水位确定方法,其特征在于,所述对所述分时段对应的干旱特征变量序列进行拟合,得到拟合后的线型,包括:
分别估计所述多个分时段中各分时段对应的干旱特征变量序列对应的分布函数的参数,得到目标分布函数;
将所述目标分布函数作为Copula联合分布函数的边缘分布函数,以确定目标Copula函数;
基于所述目标Copula函数,对所述多个分时段中各分段对应的干旱特征变量序列进行拟合,得到拟合后的线型。
5.根据权利要求2所述的控制站供水保证水位确定方法,其特征在于,所述获取所述多个分时段中各分时段对应的干旱特征变量序列,包括:
构建分时段干旱评价指数;
基于所述分时段干旱评价指数和预设的干旱识别阈值,确定所述多个分时段中各分时段对应的干旱特征变量序列。
6.根据权利要求1所述的控制站供水保证水位确定方法,其特征在于,所述根据所述长序列水文气象信息中各水文特征的时间序列的分布范围,确定所述长序列水文气象信息中有效的多年长时间序列时段,包括:
将所述长序列水文气象信息中各水文特征的时间序列的分布范围取交集,并将取交集后的时段作为长序列水文气象信息中有效的多年长时间序列时段。
7.根据权利要求1所述的控制站供水保证水位确定方法,其特征在于,所述将所述多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段,包括:
对所述多年长时间序列时段进行变异诊断,得到诊断结果,所述诊断结果包括有多个具有跳跃变异形式的时间序列时段,和/或具有趋势变异形式的时间序列时段;
基于所述诊断结果和所述多年长时间序列时段,确定具有不同时间序列变异形式的多个分时段。
8.一种控制站供水保证水位确定装置,其特征在于,所述装置包括:
第一获取单元,用于获取控制站的长序列水文气象信息,所述长序列水文气象信息包括多个水文特征的时间序列;
第一确定单元,用于根据所述长序列水文气象信息中各水文特征的时间序列的分布范围,确定所述长序列水文气象信息中有效的多年长时间序列时段;
第一划分单元,用于将所述多年长时间序列时段,划分为具有不同时间序列变异形式的多个分时段;
第二确定单元,用于基于预设的联合分布函数和所述多个分时段中各分时段对应的干旱特征变量序列,确定所述控制站的年内的干旱重点时段和非干旱重点时段;
第三确定单元,用于基于所述干旱重点时段和非干旱重点时段的历史水文资料,确定所述控制站在干旱重点时段和非干旱重点时段的供水保证水位。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的控制站供水保证水位确定方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7任一项所述的控制站供水保证水位确定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210659153.1A CN114741435A (zh) | 2022-06-13 | 2022-06-13 | 控制站供水保证水位确定方法及其相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210659153.1A CN114741435A (zh) | 2022-06-13 | 2022-06-13 | 控制站供水保证水位确定方法及其相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114741435A true CN114741435A (zh) | 2022-07-12 |
Family
ID=82286763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210659153.1A Pending CN114741435A (zh) | 2022-06-13 | 2022-06-13 | 控制站供水保证水位确定方法及其相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114741435A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252406A (zh) * | 2023-11-20 | 2023-12-19 | 长江水利委员会长江科学院 | 面向下游取用水需求的补水调度方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485346A (zh) * | 2016-09-18 | 2017-03-08 | 武汉大学 | 一种混联水库提前蓄水多目标优化调度方法 |
CN111831966A (zh) * | 2020-05-21 | 2020-10-27 | 中山大学 | 一种基于高维概率分布函数的组合河道水位预报方法 |
CN114358379A (zh) * | 2021-12-02 | 2022-04-15 | 武汉大学 | 梯级水库旱限水位调度线优化方法、装置及系统 |
-
2022
- 2022-06-13 CN CN202210659153.1A patent/CN114741435A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485346A (zh) * | 2016-09-18 | 2017-03-08 | 武汉大学 | 一种混联水库提前蓄水多目标优化调度方法 |
CN111831966A (zh) * | 2020-05-21 | 2020-10-27 | 中山大学 | 一种基于高维概率分布函数的组合河道水位预报方法 |
CN114358379A (zh) * | 2021-12-02 | 2022-04-15 | 武汉大学 | 梯级水库旱限水位调度线优化方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
周建中: "一种湖泊分级分期旱限水位确定与动态控制方法", 《水利学报》 * |
薛璐: "水库分期旱限水位设计与控制研究", 《工程科技Ⅱ辑》 * |
许斌等: "水文变异条件下基于Copula函数的非一致性干旱频率分析方法——以鄱阳湖为例", 《长江科学院院报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252406A (zh) * | 2023-11-20 | 2023-12-19 | 长江水利委员会长江科学院 | 面向下游取用水需求的补水调度方法、设备及介质 |
CN117252406B (zh) * | 2023-11-20 | 2024-02-02 | 长江水利委员会长江科学院 | 面向下游取用水需求的补水调度方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059894B (zh) | 设备状态评估方法、装置、系统及存储介质 | |
CN111737078A (zh) | 基于负载类型的自适应云服务器能耗测算方法、系统及设备 | |
CN114781932B (zh) | 区域干旱防治的区划方法、计算机设备及计算机存储介质 | |
CN114741435A (zh) | 控制站供水保证水位确定方法及其相关装置 | |
CN111752481A (zh) | 一种基于spd的内存监控及寿命预测方法和系统 | |
CN114187009A (zh) | 交易风险预测模型的特征解释方法、装置、设备及介质 | |
CN113688542A (zh) | 智能优化水资源配置方法、装置、计算机设备及存储介质 | |
CN111914101B (zh) | 档案关联关系的异常识别方法、装置和计算机设备 | |
CN115169089A (zh) | 基于核密度估计和copula的风电功率概率预测方法和装置 | |
CN111128357B (zh) | 医院后勤能耗目标对象的监测方法、装置、计算机设备 | |
CN109783877B (zh) | 时间序列模型建立方法、装置、计算机设备和存储介质 | |
CN115242482B (zh) | 越权访问风险检测方法、装置、电子设备及可读存储介质 | |
Vnukova et al. | Identifying changes in insurance companies’ competitiveness on the travel services market | |
CN110263803A (zh) | 样本数据的处理方法、装置、服务器和存储介质 | |
CN116684306B (zh) | 一种故障预测方法、装置、设备及可读存储介质 | |
CN116403403B (zh) | 一种基于大数据分析的交通预警方法、系统、设备及介质 | |
CN116485262B (zh) | 定价策略的评估方法、电子设备以及存储介质 | |
CN112261484B (zh) | 一种目标用户识别方法、装置、电子设备和存储介质 | |
CN117407580A (zh) | 用户分析方法、装置、存储介质及电子设备 | |
CN116860562B (zh) | 一种用于数据中台数据质量的监控方法及系统 | |
CN111260191B (zh) | 测试床成熟度量化方法、装置、计算机设备和存储介质 | |
CN108573061B (zh) | 电力设备状态检测方法、装置、计算机设备和存储介质 | |
CN115294530A (zh) | 一种智慧景区流量监测方法及系统 | |
CN115719083A (zh) | 一种模型训练方法、装置、计算机设备及可读存储介质 | |
CN115269626A (zh) | Sql语句性能预测方法及装置、设备、计算机程序 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220712 |