CN114781769B - 一种流域超标准洪水动态精细化预警方法 - Google Patents

一种流域超标准洪水动态精细化预警方法 Download PDF

Info

Publication number
CN114781769B
CN114781769B CN202210734891.8A CN202210734891A CN114781769B CN 114781769 B CN114781769 B CN 114781769B CN 202210734891 A CN202210734891 A CN 202210734891A CN 114781769 B CN114781769 B CN 114781769B
Authority
CN
China
Prior art keywords
early warning
flood
over
standard
term
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
Application number
CN202210734891.8A
Other languages
English (en)
Other versions
CN114781769A (zh
Inventor
官学文
李玉荣
闵要武
王乐
李春龙
陈薇薇
张晶
邱辉
张潇
李洁
邢雯慧
訾丽
曾明
徐雨妮
杨雁飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bureau of Hydrology Changjiang Water Resources Commission
Original Assignee
Bureau of Hydrology Changjiang Water Resources Commission
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bureau of Hydrology Changjiang Water Resources Commission filed Critical Bureau of Hydrology Changjiang Water Resources Commission
Priority to CN202210734891.8A priority Critical patent/CN114781769B/zh
Publication of CN114781769A publication Critical patent/CN114781769A/zh
Application granted granted Critical
Publication of CN114781769B publication Critical patent/CN114781769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种流域超标准洪水动态精细化预警方法，通过收集流域控制断面历史数据、定义流域超标准洪水事件，建立超标准洪水事件历史样本空间；通过水、雨、工情分析，提出超标准洪水气候、短中期气象、水文分级预警指标；建立多层次、多级别的流域超标准洪水判别方法及用户群组，构建基于时间链跃迁和决策树的流域超标准洪水动态预警体系；能实现超长时效的超标准洪水动态渐进式预警，能够动态追踪超标准洪水事件并预留更长响应时间，同时本发明构建了三个等级的流域超标准洪水水文预警指标，在洪水红色预警级别之上进行了更为精细化的预警，保证预警的准确性，提醒用户采用更为适宜的响应措施。

Description

一种流域超标准洪水动态精细化预警方法
技术领域
本发明涉及流域洪水预测预警技术领域，尤其涉及一种流域超标准洪水动态精细化预警方法。
背景技术
在全球变暖的气候背景下，全球性气象水文极端事件发生频率明显上升，由极端降雨引起的流域超标准洪水发生的概率也随之增加。超标准洪水发生时，往往会引起水情监测设施的损毁、常规手段监测失效、信息传输不畅等问题，此外还面临蓄滞洪区、洲滩民垸、岸堤决口等诸多节点并存，水文水力学边界条件被破坏，传统水文模型、降雨径流关系失效等问题，这些均导致超标准洪水的监测和预测难度很大。目前，国内外对标准内的暴雨洪水预报预警研究成果丰富，但对于超标准洪水预报方面的研究很少。事实上，在超标准洪水危害程度高、响应时间短、监测预测难度大的背景下，采用更长时效、渐进式的预警成为行之有效的解决手段。
现有的洪水预警指标级别分为蓝色、黄色、橙色和红色，对于红色预警标准以上的洪水尚无精细的划分，采用的响应措施也都一致。但实际状况中可能会发生超过红色预警指标的洪水，此类洪水相较红色预警标准洪水的危害程度更高，应采取的响应措施也应不同。此外，现有的红色洪水预警指标的预见期很短，导致预警发布后留出的响应时间有所不足。因此，有必要针对超标准洪水研究新的更加智能的预警方法体系。
发明内容
本发明的目的在于针对上述现有技术的不足，提供了一种流域超标准洪水动态精细化预警方法，提供了超标准洪水气候和气象预警指标。
为实现上述目的，本发明采用了如下技术方案：
本发明提供了一种流域超标准洪水动态精细化预警方法，包括以下步骤：
S1、收集历史数据，建立超标准洪水事件状态判别函数，构建流域超标准洪水事件历史样本空间；
S2、根据流域长期旱涝预测建立气候预警指标；
S3、提取流域不同时段前期滑动累计雨量特征，建立流域超标准洪水短中期气象预警指标，通过流域超标准洪水事件匹配确定指标阈值；
S4、依据流域现行防洪标准和预警法规，在现行水文预警指标的基础上进行拓展，建立流域超标准洪水水文分级预警指标；
S5、评估流域现行短中期降雨和短期水文预报水平，依据预报的预见期和精度建立不同指标的预警触发条件，并确定相应的预警接受用户；
S6、构建预警时间轴，划分时间节点和时间突触，在每条所述时间突触上建立预警决策树，搭建基于时间链跃迁和决策树的流域超标准洪水预警指标体系；
S7、获取流域的长期气候预测、短中期降水预报、短期水文预报信息，依据所述流域超标准洪水预警指标体系，完成流域超标准洪水的动态预警制作和发布。
进一步，所述S1具体步骤为：
依据流域防洪控制断面和防洪设计标准，建立超标准洪水事件状态判别函数
Figure 867864DEST_PATH_IMAGE001
，并依据所述超标准洪水事件状态判别函数
Figure 731915DEST_PATH_IMAGE001
判别流域超标准洪水事件，记录特征信息，构建流域超标准洪水事件历史样本空间；
Figure 139762DEST_PATH_IMAGE002
其中，
Figure 165487DEST_PATH_IMAGE003
表示场次洪水中控制断面的最高水位；
Figure 278193DEST_PATH_IMAGE004
表示控制断面的最大流量；
Figure 211514DEST_PATH_IMAGE005
表示场次洪水的时间；
Figure 270606DEST_PATH_IMAGE006
表示控制断面的保证水位；
Figure 591866DEST_PATH_IMAGE007
表示控制断面的保证流量；
Figure 660709DEST_PATH_IMAGE008
表示流域内历史洪水分洪、溃坝的时间集。
进一步，所述S3的具体步骤为：
S31、依据目标流域的水文特性划分水文区，计算历史分区逐日雨量，将所有分区作为一个大区计算大区雨量，按照不同时间尺度计算大区的滑动累计雨量指标；
S32、将每种所述滑动累计雨量指标的数值按照大小进行排序，提取流域超标准洪水事件的雨量排序序号，依据所述雨量排序序号计算不同雨量指标与流域超标准洪水事件的匹配度，选取匹配度最优的指标为短中期气象预警指标；
其中，所述流域超标准洪水事件的匹配度算法如下：
若
Figure 866563DEST_PATH_IMAGE009
表示滑动累计雨量指标种类；
Figure 983423DEST_PATH_IMAGE010
表示指标中超标准洪水对应的雨量事件；
Figure 616530DEST_PATH_IMAGE011
表示第
Figure 202363DEST_PATH_IMAGE012
种指标中事件
Figure 539804DEST_PATH_IMAGE010
的排序序号；
Figure 917695DEST_PATH_IMAGE013
表示第
Figure 95605DEST_PATH_IMAGE009
种指标的累计天数；则有判断条件
Figure 886843DEST_PATH_IMAGE014
：
Figure 513128DEST_PATH_IMAGE015
若
Figure 479947DEST_PATH_IMAGE016
，则
Figure 845069DEST_PATH_IMAGE017
对应的指标为最优指标I；若
Figure 264549DEST_PATH_IMAGE018
，则记录
Figure 412633DEST_PATH_IMAGE019
对应的指标种类为
Figure 814052DEST_PATH_IMAGE020
，此时有判断条件
Figure 615655DEST_PATH_IMAGE021
：
Figure 601060DEST_PATH_IMAGE022
若
Figure 490518DEST_PATH_IMAGE023
，则
Figure 822143DEST_PATH_IMAGE024
对应的指标为最优指标I；若
Figure 981597DEST_PATH_IMAGE025
，则记录
Figure 375670DEST_PATH_IMAGE026
对应的指标种类为
Figure 193453DEST_PATH_IMAGE027
，此时有判断条件
Figure 723791DEST_PATH_IMAGE028
Figure 273721DEST_PATH_IMAGE029
此时，
Figure 233718DEST_PATH_IMAGE030
对应的雨量指标为最优指标I，最优指标的累计天数为
Figure 120772DEST_PATH_IMAGE031
；
S33、提取所述最优指标I中流域超标准洪水事件对应的最小雨量值作为最优指标I的阈值
Figure 363008DEST_PATH_IMAGE032
。
进一步，所述S4中，在分析现行水文预警指标的基础上，在现有的洪水红色预警指标基础上进行精细化区分，提出流域超标准洪水3级为红色、2级为紫色、1级为黑色的预警指标，所述预警指标的计算为：
Figure 614998DEST_PATH_IMAGE033
Figure 983662DEST_PATH_IMAGE034
Figure 893981DEST_PATH_IMAGE035
其中，
Figure 930070DEST_PATH_IMAGE036
表示堤顶高度；
Figure 884119DEST_PATH_IMAGE037
表示历史最高水位；
Figure 740080DEST_PATH_IMAGE038
为超标准洪水1级预警指标；
Figure 204821DEST_PATH_IMAGE039
为超标准洪水2级预警指标；
Figure 564259DEST_PATH_IMAGE040
为超标准洪水3级预警指标。
进一步，所述S5的具体步骤为：
S51、建立气候预警指标的状态判别函数L：
Figure 158051DEST_PATH_IMAGE041
其中，
Figure 111095DEST_PATH_IMAGE042
表示权威机构对流域降水量的气候预测距平值；
Figure 753428DEST_PATH_IMAGE043
表示气候预测的最高等级距平值；
若L=0，表示不触发超标准洪水气候预警；
若L=1，表示触发超标准洪水气候预警；
S52、建立短中期气象预警指标的状态判断别函数SM：
Figure 357585DEST_PATH_IMAGE044
其中，
Figure 794383DEST_PATH_IMAGE045
为实况累计降水；
Figure 733258DEST_PATH_IMAGE046
为预报累计降水；
Figure 710441DEST_PATH_IMAGE047
为实况累计天数；
Figure 44470DEST_PATH_IMAGE048
为预报累计天数；Z为所述S33中的指标阈值；
若SM=0，表示不触发超标准洪水短中期气象预警；
若SM=1，表示触发超标准洪水短中期气象预警；
S53、建立短期水文分级预警指标的状态判别函数S：
Figure 776803DEST_PATH_IMAGE049
其中，
Figure 829073DEST_PATH_IMAGE050
表示预报的水位；
若S=0，表示不触发水文预警；
若S=3，表示触发超标准洪水水文3级预警；
若S=2，表示触发超标准洪水水文2级预警；
若S=1，表示触发超标准洪水水文1级预警；
S54、评估流域机构发布的短中期水文气象预报精度水平，依据可靠精度范围内的预报作为指标触发依据，短中期气象预报可靠预见期为t1，水文预报可靠预见期为t2，并确定相应级别的预警用户和内容。
进一步，所述S6的具体步骤为：
S61、依据目标流域的水雨情特性确定需要预警的月份M，称为预警初选月份，预警初选月份的起始时间为Mo，结束时间为Md；
S62、以当前时间T0为起点，预警初选月份结束时间Md为终点建立长度为Md-T0的时间轴，根据不同预报的预见期长度将时间轴划分为不同的阶段，包含气候预警阶段T1、短中期气象及水文预警阶段T2：
Figure 157417DEST_PATH_IMAGE051
其中，t表示时间；t1为短中期气象预报可靠预见期；
S63、将每个阶段的分割点称之为相应的时间节点，在各时间节点之间以相应的预测频率为步长建立时间突触Sj；
Figure 611532DEST_PATH_IMAGE052
式中，
Figure 514766DEST_PATH_IMAGE053
表示预测频率，T1阶段的频率为1月或1旬，T2阶段的频率为1天；
S64、对于每一个Sj，均构建对应的预警决策树，气候预警阶段的Sj对应气候预警决策树一棵树、短中期气象及水文预警阶段的Sj对应短中期气象预警决策树和水文预警决策树两棵树，决策树的算法为所述S5中的判别函数，输出的预警信息包括预警接收用户、预警时间、预警内容信息；
S65、随着时间向前推进，时间轴上的Sj被不断触发，激活相应的预警决策树，向用户传递相应的预警信息，此外短中期气象预警及水文预警阶段的预警决策树以跃迁的形式不断向时间轴前方传递预警时间信息TT；
在短中期气象及水文预警阶段T2，当水文预警决策树未触发预警消息时，为T22阶段，当水文预警决策树发预警消息后，进入水文加密预警阶段T22，此阶段的频率为数小时，T22阶段的Sj仅对应水文预警决策树一棵树，T2划分如下所示：
Figure 54332DEST_PATH_IMAGE054
式中，TT(S)表示水文预警决策树向时间轴传递的预警时间；
S67、当决策树不再向时间轴前方传递预警时间信息，一次预警信号完结，同时时间继续沿时间轴向前推进，直到时间移出预测月份，表示本轮预警结束。
进一步，所述S7的具体步骤为：获取流域相关业务部门的长期气候预测、短中期降水预报、短期水文预报信息，将预报信息输入所述S6构建的预警体系，完成流域超标准洪水预警的动态制作和发布。
本发明的有益效果为：提供了超标准洪水气候和气象预警指标，可通过流域前期气候背景以及现行的长期旱涝趋势预测进行月季尺度的气候预警，通过流域短中期气象预报进行周尺度的气象预警，显著延长了预警时效；
提出了超标准洪水水文分级预警指标，对现有洪水红色预警级别以上的洪水进行精细化预警，可以提升用户对预警的重视性，同时便于提醒用户针对更危险的洪水预警信号采用适宜的响应措施；
构建了基于时间链跃迁-决策树的预警体系，可以综合流域超标准洪水气候-气象-水文预警指标和触发机制，随着时间推移可以依据不同时间尺度预报信息向特定用户灵活发布预警信息，最终实现预警时间上从长-中-短期水文气象耦合的动态渐进式流域超标准洪水预警。
附图说明
图1为本发明一种流域超标准洪水动态精细化预警方法的预警体系构建流程图；
图2为具体实施例中沙市站1998年8月超标准洪水过程；
图3为具体实施例中2020年长江流域主汛期旱涝趋势预测产品的示意图；
图4为具体实施例中短中期降雨预报示意图；
图5为具体实施例中预警时间轴节点及预警阶段设置图；
图6为具体实施例中基于链式传递和决策树的流域超标准洪水预警体系示意图；
图7为具体实施例中气候预警树体系示意图；
图8为具体实施例中短中期气象预警体系示意图；
图9为具体实施例中水文预警树体系示意图。
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，下面结合附图，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例仅用以解释本发明，并不用于限定本发明。
请参阅图1，一种流域超标准洪水动态精细化预警方法，包括以下步骤：
S1、收集历史数据，建立超标准洪水事件状态判别函数，构建流域超标准洪水事件历史样本空间；
S2、根据流域长期旱涝预测建立气候预警指标；
S3、提取流域不同时段前期滑动累计雨量特征，建立流域超标准洪水短中期气象预警指标，通过流域超标准洪水事件匹配确定指标阈值；
S4、依据流域现行防洪标准和预警法规，在现行水文预警指标的基础上进行拓展，建立流域超标准洪水水文分级预警指标；
S5、评估流域现行短中期降雨和短期水文预报水平，依据预报的预见期和精度建立不同指标的预警触发条件，并确定相应的预警接受用户；
S6、构建预警时间轴，划分时间节点和时间突触，在每条所述时间突触上建立预警决策树，搭建基于时间链跃迁和决策树的流域超标准洪水预警指标体系；
S7、获取流域的长期气候预测、短中期降水预报、短期水文预报信息，依据所述流域超标准洪水预警指标体系，完成流域超标准洪水的动态预警制作和发布。
其中，收集的历史数据包括目标流域的历史长序列水文气象实测数据，水利工程建设运行资料，历史长期气候预测、短中期降水预报、短期水文预报资料，流域现有防洪标准和预警法律法规等资料；
所述S1具体步骤为：
依据流域防洪控制断面和防洪设计标准，建立超标准洪水事件状态判别函数
Figure 953411DEST_PATH_IMAGE001
，并依据所述超标准洪水事件状态判别函数
Figure 262032DEST_PATH_IMAGE001
判别流域超标准洪水事件，记录特征信息，构建流域超标准洪水事件历史样本空间；
Figure 336168DEST_PATH_IMAGE055
其中，
Figure 894188DEST_PATH_IMAGE003
表示场次洪水中控制断面的最高水位；
Figure 220127DEST_PATH_IMAGE004
表示控制断面的最大流量；
Figure 258621DEST_PATH_IMAGE005
表示场次洪水的时间；
Figure 379024DEST_PATH_IMAGE006
表示控制断面的保证水位；
Figure 752237DEST_PATH_IMAGE007
表示控制断面的保证流量；
Figure 616287DEST_PATH_IMAGE008
表示流域内历史洪水分洪、溃坝的时间集。
其中，S2具体为：在国家气候中心、水利部信息中心、流域机构、各省市水文气象预报部门发布的流域旱涝趋势预测基础上，以预计流域汛期降雨偏多且流域全部或局部预计偏多5成以上为预警指标；
所述S3的具体步骤为：
S31、依据目标流域的水文特性划分水文区，计算历史分区逐日雨量，将所有分区作为一个大区计算大区雨量，按照不同时间尺度计算大区的滑动累计雨量指标；
S32、将每种所述滑动累计雨量指标的数值按照大小进行排序，提取流域超标准洪水事件的雨量排序序号，依据所述雨量排序序号计算不同雨量指标与流域超标准洪水事件的匹配度，选取匹配度最优的指标为短中期气象预警指标；
其中，所述流域超标准洪水事件的匹配度算法如下：
若
Figure 7823DEST_PATH_IMAGE009
表示滑动累计雨量指标种类；
Figure 564707DEST_PATH_IMAGE010
表示指标中超标准洪水对应的雨量事件；
Figure 97319DEST_PATH_IMAGE011
表示第
Figure 889695DEST_PATH_IMAGE012
种指标中事件
Figure 761836DEST_PATH_IMAGE010
的排序序号；
Figure 364987DEST_PATH_IMAGE013
表示第
Figure 322578DEST_PATH_IMAGE009
种指标的累计天数；则有判断条件
Figure 653065DEST_PATH_IMAGE014
：
Figure 645292DEST_PATH_IMAGE056
若
Figure 920809DEST_PATH_IMAGE016
，则
Figure 365697DEST_PATH_IMAGE017
对应的指标为最优指标I；若
Figure 171979DEST_PATH_IMAGE018
，
则记录
Figure 408925DEST_PATH_IMAGE019
对应的指标种类为
Figure 212933DEST_PATH_IMAGE020
，此时有判断条件
Figure 20483DEST_PATH_IMAGE021
：
Figure 568139DEST_PATH_IMAGE022
若
Figure 925171DEST_PATH_IMAGE023
，则
Figure 634501DEST_PATH_IMAGE024
对应的指标为最优指标I；若
Figure 693462DEST_PATH_IMAGE025
，
则记录
Figure 44809DEST_PATH_IMAGE026
对应的指标种类为
Figure 990768DEST_PATH_IMAGE027
，此时有判断条件
Figure 402158DEST_PATH_IMAGE028
Figure 184300DEST_PATH_IMAGE057
此时，
Figure 73759DEST_PATH_IMAGE030
对应的雨量指标为最优指标I，最优指标的累计天数为
Figure 139804DEST_PATH_IMAGE031
；
S33、提取所述最优指标I中流域超标准洪水事件对应的最小雨量值作为最优指标I的阈值
Figure 456516DEST_PATH_IMAGE032
。
其中，依据流域现行防洪标准和预警法规，对流域现有河段防洪标准和预警指标进行客观化提取；
所述S4中，在分析现行水文预警指标的基础上，在现有的洪水红色预警指标基础上进行精细化区分，提出流域超标准洪水3级为红色、2级为紫色、1级为黑色的预警指标，所述预警指标的计算为：
Figure 215700DEST_PATH_IMAGE058
Figure 908850DEST_PATH_IMAGE059
Figure 829401DEST_PATH_IMAGE060
其中，
Figure 379331DEST_PATH_IMAGE036
表示堤顶高度；
Figure 260700DEST_PATH_IMAGE037
表示历史最高水位；
Figure 367327DEST_PATH_IMAGE038
为超标准洪水1级预警指标；
Figure 752172DEST_PATH_IMAGE039
为超标准洪水2级预警指标；
Figure 800899DEST_PATH_IMAGE040
为超标准洪水3级预警指标。
所述S5的具体步骤为：
S51、建立气候预警指标的状态判别函数L：
Figure 169564DEST_PATH_IMAGE041
其中，
Figure 578417DEST_PATH_IMAGE061
表示权威机构对流域降水量的气候预测距平值；
Figure 83348DEST_PATH_IMAGE062
表示气候预测的最高等级距平值；
若L=0，表示不触发超标准洪水气候预警；
若L=1，表示触发超标准洪水气候预警；
S52、建立短中期气象预警指标的状态判断别函数SM：
Figure 975081DEST_PATH_IMAGE044
其中，
Figure 955675DEST_PATH_IMAGE063
为实况累计降水；
Figure 528739DEST_PATH_IMAGE064
为预报累计降水；
Figure 29121DEST_PATH_IMAGE065
为实况累计天数
Figure 29438DEST_PATH_IMAGE066
；为预报累计天数；Z为所述S33中的指标阈值；
若SM=0，表示不触发超标准洪水短中期气象预警；
若SM=1，表示触发超标准洪水短中期气象预警；
S53、建立短期水文分级预警指标的状态判别函数S：
Figure 231750DEST_PATH_IMAGE049
其中，
Figure 874084DEST_PATH_IMAGE050
表示预报的水位；
若S=0，表示不触发水文预警；
若S=3，表示触发超标准洪水水文3级预警；
若S=2，表示触发超标准洪水水文2级预警；
若S=1，表示触发超标准洪水水文1级预警；
S54、评估流域机构发布的短中期水文气象预报精度水平，依据可靠精度范围内的预报作为指标触发依据，短中期气象预报可靠预见期为t1，水文预报可靠预见期为t2，并确定相应级别的预警用户和内容。
其中，具体内容为：
（a）气候预警的用户为行业内部人员，提醒行业内部人员保持警惕；
（b）短中期气象预警的用户为行业内部人员，提醒行业内部人员应加密监测和预报预警频次；
（c）水文分级预警指标的用户为社会公众，应通过媒体向社会公众发布相应级别的超标准洪水水文预警，提醒人员和资产撤离。
所述S6的具体步骤为：
S61、依据目标流域的水雨情特性确定需要预警的月份M，称为预警初选月份，预警初选月份的起始时间为Mo，结束时间为Md；
S62、以当前时间T0为起点，预警初选月份结束时间Md为终点建立长度为Md-T0的时间轴，根据不同预报的预见期长度将时间轴划分为不同的阶段，包含气候预警阶段T1、短中期气象及水文预警阶段T2：
Figure 996017DEST_PATH_IMAGE067
其中，t表示时间；t1为短中期气象预报可靠预见期；
S63、将每个阶段的分割点称之为相应的时间节点，在各时间节点之间以相应的预测频率为步长建立时间突触Sj；
Figure 229552DEST_PATH_IMAGE052
式中，
Figure 669892DEST_PATH_IMAGE053
表示预测频率，T1阶段的频率为1月或1旬，T2阶段的频率为1天；
S64、对于每一个Sj，均构建对应的预警决策树，气候预警阶段的Sj对应气候预警决策树一棵树、短中期气象及水文预警阶段的Sj对应短中期气象预警决策树和水文预警决策树两棵树，决策树的算法为所述S5中的判别函数，输出的预警信息包括预警接收用户、预警时间、预警内容信息；
S65、随着时间向前推进，时间轴上的Sj被不断触发，激活相应的预警决策树，向用户传递相应的预警信息，此外短中期气象预警及水文预警阶段的预警决策树以跃迁的形式不断向时间轴前方传递预警时间信息TT；
在短中期气象及水文预警阶段T2，当水文预警决策树未触发预警消息时，为T22阶段，当水文预警决策树发预警消息后，进入水文加密预警阶段T22，此阶段的频率为数小时，T22阶段的Sj仅对应水文预警决策树一棵树，T2划分如下所示：
Figure 584758DEST_PATH_IMAGE068
式中，TT(S)表示水文预警决策树向时间轴传递的预警时间；
S67、当决策树不再向时间轴前方传递预警时间信息，一次预警信号完结，同时时间继续沿时间轴向前推进，直到时间移出预测月份，表示本轮预警结束。
所述S7的具体步骤为：获取流域相关业务部门的长期气候预测、短中期降水预报、短期水文预报信息，将预报信息输入所述S6构建的预警体系，完成流域超标准洪水预警的动态制作和发布。
实施例一
以长江流域荆江河段为对象构建预警体系，收集的历史数据包括长江流域荆江河段1951-2021年的水文气象实测数据，具体为长江流域701站逐日气象站点雨量资料、长江流域39分区逐日面雨量资料，枝城、沙市、监利水文站历史逐日水位、流量资料；收集的水利工程建设运行资料具体为荆江河段的蓄滞洪区、堤顶高程、设计水位等资料；长江委水文局发布的历史长期气候预测、短中期降水预报、短期水文预报资料；流域现有防洪标准和预警法律法规等资料。
本实施例中定义1954年荆江分洪区两次分洪、1998年沙市水位超过保证水位作为荆江河段发生超标准洪水的个例。依据洪水个例提取相应站点的起涨时间、退水时间、水位、流量、洪峰、最大流量、超保时长、超保幅度等信息，构建流域典型超标准洪水事件历史样本空间，图2为沙市站1998年8月超标准洪水过程。
根据国家业务部门发布的流域长期旱涝预测产品建立气候预警指标；
本实施例中获取长江委水文局在汛前3月发布的长江流域汛期旱涝趋势预测，以预计流域汛期降雨偏多且流域全部或局部预计偏多5成以上为预警指标，长江委发布的2020年长江流域主汛期旱涝趋势预测见图3。
提取流域不同时段前期滑动累计雨量特征，建立流域超标准洪水短中期气象预警指标，通过指标与超标准洪水事件的匹配度确定指标阈值；
本实施例中影响荆江河段的降雨主要位于长江上游和长江中游，具体包含长江江汉平原以上的17个分区，将17个分区作为一个大区，称为江汉平原以上地区。
首先计算1961-2021年江汉平原以上地区的逐日雨量，采用静态权重方法计算江汉平原以上地区的日雨量，算法如下：
Figure 309000DEST_PATH_IMAGE069
式中，
Figure 916699DEST_PATH_IMAGE070
表示
Figure 342870DEST_PATH_IMAGE009
分区的面积；
Figure 858165DEST_PATH_IMAGE071
表示
Figure 312280DEST_PATH_IMAGE009
分区的日雨量；
Figure 215514DEST_PATH_IMAGE072
表示分区日平均雨量。
基于江汉平原以上地区日雨量，分别计算3天、5天、7天、10天、15天、20天的江汉平原以上分区滑动累计雨量，对样本量为
Figure 489501DEST_PATH_IMAGE073
的逐日雨量序列
Figure 887115DEST_PATH_IMAGE072
，其滑动累计雨量算法为：
Figure 195737DEST_PATH_IMAGE074
式中:
Figure 941976DEST_PATH_IMAGE075
为
Figure 827892DEST_PATH_IMAGE076
日的滑动累计雨量值；
Figure 153831DEST_PATH_IMAGE077
为滑动长度；
Figure 428211DEST_PATH_IMAGE078
为
Figure 548614DEST_PATH_IMAGE009
日的雨量。
本实施例中分别将3天、5天、7天、10天、15天、20天的大区累计雨量指标按照数值大小进行降序排序，利用雨量排序与超标准洪水事件相互匹配，标注出超标准洪水事件对应的雨量过程排序序号，并提取超标准洪水事件的雨量过程排序序号形成表1；
表1 江汉平原以上超标准洪水事件多日累计雨量序号
Figure 187406DEST_PATH_IMAGE079
将上表带入雨量匹配算法，发现前20天累计雨量的匹配度最好，因此本实施例中选取江汉平原以上地区前20天累计雨量为气象短中期预警指标。
提取指标中超标准洪水事件对应的最小指标作为指标阈值，前20天累计雨量的超标准洪水最小雨量值为155mm，因此本实施例中提取江汉平原以上区域20天累计雨量达到155mm以上为荆江河段超标准洪水短中期气象预警指标阈值；
S4，依据流域现行防洪标准和预警法规，对流域现有河段防洪标准进行客观化提取，在现行水文预警指标的基础上进行精细化拓展，建立超标准洪水水文分级预警指标；
本实施例中提取了长江流域荆江河段现有河段防洪标准，见表2和现行洪水预警标准见表3。
表2 荆江河段重要站防洪标准及特征水位 单位：m
Figure 848194DEST_PATH_IMAGE080
表3 荆江河段控制站现行洪水预警发布标准 水位：m
Figure 865829DEST_PATH_IMAGE081
本实施例中根据荆江河段现有水利工程建设状况和历史水位流量特征，在现有的洪水红色预警指标基础上进行精细化区分，提出超标准洪水红色、紫色、黑色三级预警指标。
超标准洪水三级（红色）水文预警指标一般与流域洪水一级（红色）预警衔接；
其中，大部分指标站为该站保证水位或对应保证流量；
超标准洪水二级（紫色）水文预警指标通常为指标站水位或流量历史最高记录；
若保证水位或流量高于历史最高值，在保证水位之上浮动保证水位到堤顶1/2水位为超标准洪水二级水文预警指标；
超标准洪水一级（黑色）水文预警指标为；
流域内低等级堤坝出现溃决，或指标站水位达到堤顶高程；
本实施例中荆江河段预警指标具体见表4。
表4 荆江河段控制站超标准洪水预警发布标准 水位：m
Figure 298078DEST_PATH_IMAGE082
S5，评估流域现有短中期降雨和水文预报水平，依据不同指标对应预报的预见期和预报精度，建立不同指标的预警状态触发条件，确定相应预警对象；
本实施例中对于气候预警指标，当长江委水文局发布长期旱涝趋势预测荆江附近降雨较多年均值偏多5成以上时，应在行业内部发布超标准洪水气候预警，提醒行业内部人员保持警惕。
本实施例中对于短中期气象预警指标，评估长江委水文局发布的短中期降雨预报精度，发现3天以内的预报可靠性高，7天以内比较可靠，可以用于超标准洪水预警。根据水文局发布的短中期降雨预报，跟踪江汉平原以上分区累计雨量，当江汉平原以上20天降雨（实况+预报）≥155mm条件满足时，应在行业内部发布超标准洪水短中期气象预警，提醒行业内部人员应加密监测和预报频次，长江委水文局短中期降雨预报示意图见图4。
本实施例中对于水文预警指标，评估荆江河段宜昌站、枝城站、沙市站、七里山站、莲花塘站历史水文预报水平，发现3d以内的预报精度较高，可作为超标准洪水预警参考，当发布超标准洪水水文预警时，应通过媒体向社会公众发布相应的超标准洪水水文预警，提醒人员和资产撤离。
本实施例中对于超标准洪水三级预警，当长江委水文局3d以内预报预计枝城站水位将超过50.75m，或者沙市站水位将超过45m，发布超标准洪水三级预警（超标准洪水红色预警）；
对于超标准洪水二级预警，当长江委水文局3d以内预报预计枝城站水位将超过51.75m，或者沙市站水位将超过45.22m，发布超标准洪水二级预警（超标准洪水紫色预警）；
对于超标准洪水一级预警，当长江委水文局2d以内预报预计枝城站水位将超过51.80m，或者沙市站水位将超过46.50m，发布超标准洪水一级预警（超标准洪水黑色预警）。
S6，构建链式传递的预警时间轴，针对时间轴上不同预见期的时间长度划分时间节点和节点间的突触，在每条突触上建立预警决策树，搭建基于链式传递和决策树的流域超标准洪水预警通用指标体系；
由于长江流域荆江河段超标准洪水通常发生在主汛期6-8月，本实施例中确定预警初选月份为6-8月。
本实施例中以3月1日为时间轴起点，8月31日为终点建立时间轴，由于长江委水文局的降雨预报可靠预见期为7天，设置3月1日~5月24日为气候预警阶段，同时长委水文局长期预测产品每月更新一次，该阶段的时间突触设置为1月，在每个突触上均建立气候预警决策树；设置5月25日为短中期气象节点，进入该节点以后，每天设立一个时间突触，突触上连接短中期气象预警决策树和水文预警决策树，时间节点设置见图5；
长江委水文局的水文预报可靠预见期为3天，在短中期气象及水文预警阶段，当日常水文预报追踪到未来某一时刻将触发预警信息，则设置该时刻前3天进入水文加密预警阶段，由于水文预报在触发预警后需要加密预报频次，因此水文加密预警阶段的时间突触步长设置为1~24h，突触上连接水文预警决策树，具体见图6至图9；
气候预警决策树用户为行业内部人员，预警内容为荆江超标准洪水6-8月的气候预警，提醒行业内部人员保持警惕；短中期气象预警决策树用户为行业内部人员及相关单位，预警内容为超标准洪水短中期气象预警，提醒行业内部人员应加密监测和预报频次；水文预警决策树的用户为相关部门及媒体，预警内容为不同等级的超标准洪水水文预警，通过媒体向社会公众发布预警信息，提醒人员和资产撤离；
随着时间向前推进，时间轴上的时间突触被不断触发，激活相应的预警决策树，气候预警阶段的决策树向用户传递预警初选月份的预警信息，短中期气象预警和水文预警阶段的预警决策树以跃迁的形式向时间轴前方传递预警时间信息，导致预警阶段随预警时间的传递也向前移动，并不断覆盖前一突触的预警信息；
当决策树不再向时间轴前方传递预警信息，结束一次预警，随着时间继续向前推移持续激活预警决策树，直到走出8月31日，本轮预警结束，可以构建新的时间轴，开始新一轮的预警。
基于链式传递和决策树的流域超标准洪水预警体系。
S7，获取流域相关业务部门的长期气候预测、短中期降水预报、短期水文预报信息，综合所述步骤S2、S3、S4、S5、S6，完成流域超标准洪水的动态预警制作和发布。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求。

Claims (3)

1.一种流域超标准洪水动态精细化预警方法，其特征在于：包括以下步骤：
S1、收集历史数据，建立超标准洪水事件状态判别函数，构建流域超标准洪水事件历史样本空间；
S2、根据流域长期旱涝预测建立气候预警指标；
S3、提取流域不同时段前期滑动累计雨量特征，建立流域超标准洪水短中期气象预警指标，通过流域超标准洪水事件匹配确定指标阈值；
S4、依据流域现行防洪标准和预警法规，在现行水文预警指标的基础上进行拓展，建立流域超标准洪水水文分级预警指标；
S5、评估流域现行短中期降雨和短期水文预报水平，依据预报的预见期和精度建立不同指标的预警触发条件，并确定相应的预警接受用户；
S6、构建预警时间轴，划分时间节点和时间突触，在每条所述时间突触上建立预警决策树，搭建基于时间链跃迁和决策树的流域超标准洪水预警指标体系；
S7、获取流域的长期气候预测、短中期降水预报、短期水文预报信息，依据所述流域超标准洪水预警指标体系，完成流域超标准洪水的动态预警制作和发布；
所述S3的具体步骤为：
S31、依据目标流域的水文特性划分水文区，计算历史分区逐日雨量，将所有分区作为一个大区计算大区雨量，按照不同时间尺度计算大区的滑动累计雨量指标；
S32、将每种所述滑动累计雨量指标的数值按照大小进行排序，提取流域超标准洪水事件的雨量排序序号，依据所述雨量排序序号计算不同雨量指标与流域超标准洪水事件的匹配度，选取匹配度最优的指标为短中期气象预警指标；
其中，所述流域超标准洪水事件的匹配度算法如下：
若
Figure 302028DEST_PATH_IMAGE001
表示滑动累计雨量指标种类；
Figure 610650DEST_PATH_IMAGE002
表示指标中超标准洪水对应的雨量事件；
Figure 560151DEST_PATH_IMAGE003
表示第
Figure 570702DEST_PATH_IMAGE004
种指标中事件
Figure 896641DEST_PATH_IMAGE002
的排序序号；
Figure 325348DEST_PATH_IMAGE005
表示第
Figure 445751DEST_PATH_IMAGE001
种指标的累计天数；则有判断条件
Figure 959909DEST_PATH_IMAGE006
：
Figure 64438DEST_PATH_IMAGE007
若
Figure 347652DEST_PATH_IMAGE008
，则
Figure 904535DEST_PATH_IMAGE009
对应的指标为最优指标I；若
Figure 640410DEST_PATH_IMAGE010
，则记录
Figure 557419DEST_PATH_IMAGE011
对应的指标种类为
Figure 695140DEST_PATH_IMAGE012
，此时有判断条件
Figure 157345DEST_PATH_IMAGE013
：
Figure 646095DEST_PATH_IMAGE014
若
Figure 851948DEST_PATH_IMAGE015
，则
Figure 93443DEST_PATH_IMAGE016
对应的指标为最优指标I；若
Figure 992129DEST_PATH_IMAGE017
，则记录
Figure 702596DEST_PATH_IMAGE018
对应的指标种类为
Figure 712140DEST_PATH_IMAGE019
，此时有判断条件
Figure 73720DEST_PATH_IMAGE020
Figure 877728DEST_PATH_IMAGE021
此时，
Figure 341070DEST_PATH_IMAGE022
对应的雨量指标为最优指标I，最优指标的累计天数为
Figure 888726DEST_PATH_IMAGE023
；
S33、提取所述最优指标I中流域超标准洪水事件对应的最小雨量值作为最优指标I的阈值
Figure 855545DEST_PATH_IMAGE024
；
所述S4中，在分析现行水文预警指标的基础上，在现有的洪水红色预警指标基础上进行精细化区分，提出流域超标准洪水3级为红色、2级为紫色、1级为黑色的预警指标，所述预警指标的计算为：
Figure 82652DEST_PATH_IMAGE025
Figure 767711DEST_PATH_IMAGE026
Figure 119058DEST_PATH_IMAGE027
其中，
Figure 940384DEST_PATH_IMAGE028
表示堤顶高度；
Figure 866620DEST_PATH_IMAGE029
表示历史最高水位；
Figure 773396DEST_PATH_IMAGE030
为超标准洪水1级预警指标；
Figure 662855DEST_PATH_IMAGE031
为超标准洪水2级预警指标；
Figure 338687DEST_PATH_IMAGE032
为超标准洪水3级预警指标；
所述S5的具体步骤为：
S51、建立气候预警指标的状态判别函数L：
Figure 904666DEST_PATH_IMAGE033
其中，
Figure 298739DEST_PATH_IMAGE034
表示权威机构对流域降水量的气候预测距平值；
Figure 991888DEST_PATH_IMAGE035
表示气候预测的最高等级距平值；
若L=0，表示不触发超标准洪水气候预警；
若L=1，表示触发超标准洪水气候预警；
S52、建立短中期气象预警指标的状态判断别函数SM：
Figure 787806DEST_PATH_IMAGE036
其中，
Figure 790266DEST_PATH_IMAGE037
为实况累计降水；
Figure 406055DEST_PATH_IMAGE038
为预报累计降水；
Figure 637316DEST_PATH_IMAGE039
为实况累计天数；
Figure 539937DEST_PATH_IMAGE040
为预报累计天数；Z为所述S33中的指标阈值；
若SM=0，表示不触发超标准洪水短中期气象预警；
若SM=1，表示触发超标准洪水短中期气象预警；
S53、建立短期水文分级预警指标的状态判别函数S：
Figure 464031DEST_PATH_IMAGE041
其中，
Figure 832696DEST_PATH_IMAGE042
表示预报的水位；
若S=0，表示不触发水文预警；
若S=3，表示触发超标准洪水水文3级预警；
若S=2，表示触发超标准洪水水文2级预警；
若S=1，表示触发超标准洪水水文1级预警；
S54、评估流域机构发布的短中期水文气象预报精度水平，依据可靠精度范围内的预报作为指标触发依据，短中期气象预报可靠预见期为t1，水文预报可靠预见期为t2，并确定相应级别的预警用户和内容；
所述S6的具体步骤为：
S61、依据目标流域的水雨情特性确定需要预警的月份M，称为预警初选月份，预警初选月份的起始时间为Mo，结束时间为Md；
S62、以当前时间T0为起点，预警初选月份结束时间Md为终点建立长度为Md-T0的时间轴，根据不同预报的预见期长度将时间轴划分为不同的阶段，包含气候预警阶段T1、短中期气象及水文预警阶段T2：
Figure 867648DEST_PATH_IMAGE043
其中，t表示时间；t1为短中期气象预报可靠预见期；
S63、将每个阶段的分割点称之为相应的时间节点，在各时间节点之间以相应的预测频率为步长建立时间突触Sj；
Figure 621846DEST_PATH_IMAGE044
式中，
Figure 451262DEST_PATH_IMAGE045
表示预测频率，T1阶段的频率为1月或1旬，T2阶段的频率为1天；
S64、对于每一个Sj，均构建对应的预警决策树，气候预警阶段的Sj对应气候预警决策树一棵树、短中期气象及水文预警阶段的Sj对应短中期气象预警决策树和水文预警决策树两棵树，决策树的算法为所述S5中的判别函数，输出的预警信息包括预警接收用户、预警时间、预警内容信息；
S65、随着时间向前推进，时间轴上的Sj被不断触发，激活相应的预警决策树，向用户传递相应的预警信息，此外短中期气象预警及水文预警阶段的预警决策树以跃迁的形式不断向时间轴前方传递预警时间信息TT；
在短中期气象及水文预警阶段T2，当水文预警决策树未触发预警消息时，为T22阶段，当水文预警决策树发预警消息后，进入水文加密预警阶段T22，此阶段的频率为数小时，T22阶段的Sj仅对应水文预警决策树一棵树，T2划分如下所示：
Figure 307222DEST_PATH_IMAGE046
式中，TT(S)表示水文预警决策树向时间轴传递的预警时间；
S67、当决策树不再向时间轴前方传递预警时间信息，一次预警信号完结，同时时间继续沿时间轴向前推进，直到时间移出预测月份，表示本轮预警结束。
2.根据权利要求1所述的一种流域超标准洪水动态精细化预警方法，其特征在于，所述S1具体步骤为：
依据流域防洪控制断面和防洪设计标准，建立超标准洪水事件状态判别函数
Figure 880286DEST_PATH_IMAGE047
，并依据所述超标准洪水事件状态判别函数
Figure 754570DEST_PATH_IMAGE047
判别流域超标准洪水事件，记录特征信息，构建流域超标准洪水事件历史样本空间；
Figure 20466DEST_PATH_IMAGE048
其中，
Figure 832564DEST_PATH_IMAGE049
表示场次洪水中控制断面的最高水位；
Figure 724166DEST_PATH_IMAGE050
表示控制断面的最大流量；
Figure 203689DEST_PATH_IMAGE051
表示场次洪水的时间；
Figure 640486DEST_PATH_IMAGE052
表示控制断面的保证水位；
Figure 205460DEST_PATH_IMAGE053
表示控制断面的保证流量；
Figure 372524DEST_PATH_IMAGE054
表示流域内历史洪水分洪、溃坝的时间集。
3.根据权利要求1所述的一种流域超标准洪水动态精细化预警方法，其特征在于，所述S7的具体步骤为：获取流域相关业务部门的长期气候预测、短中期降水预报、短期水文预报信息，将预报信息输入所述S6构建的预警体系，完成流域超标准洪水预警的动态制作和发布。
CN202210734891.8A 2022-06-27 2022-06-27 一种流域超标准洪水动态精细化预警方法 Active CN114781769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210734891.8A CN114781769B (zh) 2022-06-27 2022-06-27 一种流域超标准洪水动态精细化预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210734891.8A CN114781769B (zh) 2022-06-27 2022-06-27 一种流域超标准洪水动态精细化预警方法

Publications (2)

Publication Number Publication Date
CN114781769A CN114781769A (zh) 2022-07-22
CN114781769B true CN114781769B (zh) 2022-09-30

Family

ID=82422361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210734891.8A Active CN114781769B (zh) 2022-06-27 2022-06-27 一种流域超标准洪水动态精细化预警方法

Country Status (1)

Country Link
CN (1) CN114781769B (zh)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4818079B2 (ja) * 2006-11-28 2011-11-16 株式会社東芝 気象予測データ解析装置及び気象予測データ解析方法
JP2014006605A (ja) * 2012-06-22 2014-01-16 Shimizu Corp 警戒システム
CN104298841B (zh) * 2013-07-16 2018-04-13 浙江贵仁信息科技股份有限公司 一种基于历史数据的洪水预报方法和系统
US10147057B2 (en) * 2014-08-13 2018-12-04 Intermap Technologies Inc. Systems and methods for flood zone modeling
CN105512767B (zh) * 2015-12-15 2019-06-11 武汉大学 一种多预见期的洪水预报方法
CN105608840A (zh) * 2016-03-09 2016-05-25 长江水利委员会水文局 一种基于融合定量降雨预报算法的山洪预警平台及预警方法
JP6977605B2 (ja) * 2018-02-19 2021-12-08 株式会社明電舎 下水道管渠内水位予測装置及び下水道管渠内水位予測方法
AU2019100631A4 (en) * 2019-06-12 2019-07-18 China Institute Of Water Resources And Hydropower Self-correcting multi-model numerical rainfall ensemble forecasting method
CN110457374B (zh) * 2019-08-20 2023-04-18 贵州东方世纪科技股份有限公司 一种识别时段典型暴雨过程的方法
CN112418542A (zh) * 2020-12-03 2021-02-26 浙江知水信息技术有限公司 基于气象数据利用机器深度学习实现汛情提前预警的方法
CN112884209B (zh) * 2021-01-29 2022-10-11 河海大学 一种基于天气学法与数理统计法的中长期降水预报方法
CN113869710A (zh) * 2021-09-26 2021-12-31 华北电力大学 一种基于大规模气候异常的极端降水趋势分析方法
CN113917567B (zh) * 2021-09-29 2024-04-12 重庆市气象台 一种网格化暴雨预警方法、系统、电子设备及介质
CN113961623A (zh) * 2021-10-21 2022-01-21 黄河勘测规划设计研究院有限公司 一种基于短历时数据的降雨特征指标统计方法
CN114648170A (zh) * 2022-04-08 2022-06-21 福建中锐网络股份有限公司 基于混合深度学习模型的水库水位预测预警方法及系统

Also Published As

Publication number Publication date
CN114781769A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
CN108597189B (zh) 基于临界雨量的分布式中小流域地质灾害及洪水预警方法
CN112329257B (zh) 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法
CN115099677B (zh) 尾矿库安全生产风险分级预警方法
CN117057616A (zh) 基于数字孪生的水利监测方法及系统
Ye et al. The 1998 Yangtze Floods: the use of short-term forecasts in the context of seasonal to interannual water resource management
CN111242203B (zh) 水利工程运行期事故案例库匹配方法及系统
CN112101737A (zh) 基于云模型的堰塞湖开发可行性评价方法
CN110187413A (zh) 一种城市内涝预报方法、电子设备及存储介质
CN109920213B (zh) 基于降雨时程分布的临界雨量进行实时山洪预警的方法
Lastoria et al. An estimated erosion map for the Aterno-Pescara river basin
CN114781769B (zh) 一种流域超标准洪水动态精细化预警方法
CN117541190A (zh) 一种山洪灾害的预警方法
CN113268867B (zh) 一种基于水热组合的冰川泥石流区域预警方法
CN112183607B (zh) 一种基于模糊理论的东南沿海地区洪水分类方法
Bomhof Estimating flow, hydraulic geometry, and hydrokinetic power at ungauged locations in Canada
CN112530137A (zh) 一种基于临界雨量的分布式中小流域地质灾害及洪水预警方法
CN118013232B (zh) 基于人工智能的大型水利工程水位监测方法及系统
Guangming et al. Investigation, Evaluation and Countermeasures of Flood Disaster in Rural Grassroots in Plain Area
Ling et al. Geologic Hazard Forecasting Model Application in a HPP Based on Prototype Monitoring
CN117436619B (zh) 一种基于等效防洪作用的梯级水库防洪库容联合预留方法
Cheng Low-flow characteristics of streams in the Lahaina District, West Maui, Hawai'i
Claude et al. Integrated representation of hydropower facilities in an operational flood warning system for a mountainous watershed
Corne A comparison analysis: the 2022 drought on the Rhone and the Po basins
Frost et al. The October 1987 flood on the river Tywi
Li et al. Watershed-Based Flash Flood Risk Assessment in Yulin Municipality, Guangxi, China

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