CN114970082B - 非一致性设计洪水估计方法 - Google Patents

非一致性设计洪水估计方法 Download PDF

Info

Publication number
CN114970082B
CN114970082B CN202210329420.9A CN202210329420A CN114970082B CN 114970082 B CN114970082 B CN 114970082B CN 202210329420 A CN202210329420 A CN 202210329420A CN 114970082 B CN114970082 B CN 114970082B
Authority
CN
China
Prior art keywords
rainfall
reservoir
probability distribution
design flood
uniform
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
CN202210329420.9A
Other languages
English (en)
Other versions
CN114970082A (zh
Inventor
李蓉蓉
熊立华
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202210329420.9A priority Critical patent/CN114970082B/zh
Publication of CN114970082A publication Critical patent/CN114970082A/zh
Application granted granted Critical
Publication of CN114970082B publication Critical patent/CN114970082B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种非一致性设计洪水估计方法，包括：收集整理流域水文控制站的径流资料，以及整个流域日降雨资料、流域内已运行及将运行的大中型水库的控制面积与总库容；构建变化环境下受降雨和水库影响的非一致性设计洪水估计的框架；预测未来降雨和水库因子，通过降雨因子和水库因子的不同组合设置多种不同的未来降雨和水库情景，结合步骤2构建的非一致性设计洪水估计的框架，计算每种情景对应的非一致性设计洪水值；通过对每种情景下非一致性设计洪水值与一致性条件下设计洪水值的比较，分析降雨和水库对下游设计洪水的影响。本发明综合考虑了降雨和水库对下游设计洪水的影响，使得估计结果更为准确，是一种高效实用的方法。

Description

非一致性设计洪水估计方法
技术领域
本发明属于水文水资源的技术领域，具体涉及一种非一致性设计洪水估计方法。
背景技术
近几十年来，随着气候变化和人类活动(以水库建设最为显著)加剧，洪水序列已经不再满足一致性，基于一致性假设的洪水概率分布估计理论和设计洪水值计算方法在变化环境下不再适用，如果基于一致性假设的设计洪水值仍被用于指导水利工程的设计和运行，这无疑将增加洪水风险或工程建设成本。气候变化主要通过降雨影响洪水过程，人类活动中水库建设则是直接改变洪水向下游的传播。因此，考虑降雨和水库对下游设计洪水的影响对变化环境下的水利工程设计具有重要意义。
发明内容
本发明的目的在于针对现有技术的不足之处，提供一种非一致性设计洪水估计方法，该方法综合考虑了降雨和水库对下游设计洪水的影响，使得估计结果更为准确，为变化环境下设计洪水估计和水利工程设计提供一种高效实用的方法。
为解决上述技术问题，本发明采用如下技术方案：
一种非一致性设计洪水估计方法，包括如下步骤：
步骤1：收集整理流域水文控制站的径流资料，以及整个流域日降雨资料、流域内已运行及将运行的大中型水库的控制面积与总库容；
步骤2：构建变化环境下受降雨和水库影响的非一致性设计洪水估计的框架；
步骤3：预测未来降雨和水库因子，通过降雨因子和水库因子的不同组合设置多种不同的未来降雨和水库情景，结合步骤2构建的非一致性设计洪水估计的框架，计算每种情景对应的非一致性设计洪水值；
步骤4：通过对每种情景下非一致性设计洪水值与一致性条件下设计洪水值的比较，分析降雨和水库对下游设计洪水的影响。
进一步地，所述步骤2的具体过程如下：
步骤2.1：根据收集到的流域降雨资料和水库资料，计算降雨影响因子指标即夏季降水距平SPA和水库影响因子指标即水库指数RI：
Figure BDA0003572599820000011
Figure BDA0003572599820000021
式中，PSP是夏季(5-9月)平均降雨，mm/day；
Figure BDA0003572599820000022
是多年平均夏季(5-9月)降雨，mm/day；N为水文站上游的水库总个数；Ai是第i个水库的控制面积，m2；AT是水文站的控制面积，m2；Vi是第i个水库的总库容，m3；/>
Figure BDA0003572599820000023
是水文站的多年平均径流量，m3；/>
步骤2.2：构建考虑历史洪水的非一致性概率分布模型，非一致性概率分布模型包括GEV概率分布模型，GEV概率分布模型函数形式如下：
Figure BDA0003572599820000024
式中，μt，σt，ξt分别对应为位置、尺度和形状参数；yt为洪水变量Yt在时刻t的观测值；
建立位置参数μt以及尺度参数σt与协变量SPA和RI的函数形式，采用极大似然法对GEV概率分布模型进行参数估计，并比较不同函数形式的GEV概率分布模型模拟效果，从中选出最优的非一致性GEV概率分布模型；
步骤2.3：由步骤2.2得到最优非一致性GEV概率分布模型的参数随协变量变化的函数形式，代入工程年限T1～T2内每年协变量SPA和RI的预测值得到每年的概率分布F(μt，σt，ξt)，基于年平均可靠度方法推求非一致性设计洪水的计算式如下：
Figure BDA0003572599820000025
式中，p为超过概率；T1、T2分别对应为工程的起始、终止年份；
Figure BDA0003572599820000026
是由工程年限T1～T2内每年概率分布FZ(z1-p|μt，σt，ξt)的权重均为1/(T2-T1+1)平均得到的代表性概率分布。
进一步地，步骤2.2中，GEV概率分布模型的拟合优度评价基于SBC准则，最小SBC值对应最优非一致性GEV概率分布模型。
进一步地，步骤3具体方法为：
步骤3.1：根据全球气候模式模拟降雨数据，采用日偏差校正方法对数据进行校正得到未来时段的日降雨，并根据收集到的未来年份将要运行的水库信息，采用步骤2.1的公式分别计算未来夏季降水距平SPA和未来水库指数RI，其中，计算的未来夏季降水距平SPA包括三种共享社会经济路径下的序列，计算的未来水库指数RI包括现状水平和规划水平两个建设水平下的序列；
步骤3.2：将三种共享社会经济路径下的SPA和两个建设水平下的RI组合，设置多种种不同的未来降雨和水库情景，基于步骤2选出的最优非一致性GEV概率分布模型的分布参数变化形式，可以得到多种情景分别对应的工程年限T1～T2内每年的概率分布，并基于步骤2.3中的公式估计非一致性设计洪水，得到了多种不同的未来降雨和水库情景分别对应的非一致性设计洪水值。
与现有技术相比，本发明的有益效果为：本发明综合考虑了降雨和水库对下游设计洪水的影响，使得估计结果更为准确，可为变化环境下不同降雨和水库条件的设计洪水估计和水利工程设计提供一种高效实用的方法，提出的非一致性设计洪水估计流程和方法科学合理、操作性强，对确定水利工程的规模，评估水利工程设计的安全性、经济性及水库运行管理的有效性具有重要意义。
附图说明
图1是本发明实例中的长江上游流域分布图和水库概化图；
图2是本发明实例的非一致性设计洪水估计方法的流程图；
图3是本发明实例中的长江上游流域夏季降水距平SPA和水库指数RI的时间序列；
图4是本发明实例中的一致性与最优非一致性GEV概率分布模型的分位数曲线图；
图5是本发明实例中的6种不同的未来降雨和水库情景对应的非一致性设计洪水值与一致性设计洪水值的估计结果。
具体实施方式
下面将结合本发明实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明提供一种非一致性设计洪水估计方法，包括如下步骤：
步骤1：收集整理流域水文控制站的径流资料，以及整个流域日降雨资料、流域内已运行及将运行的大中型水库的控制面积与总库容；
步骤2：构建变化环境下受降雨和水库影响的非一致性设计洪水估计的框架；该步骤具体包括：
步骤2.1：根据收集到的流域降雨资料和水库资料，计算降雨影响因子指标SPA(夏季降水距平)和水库影响因子指标RI(水库指数)：
Figure BDA0003572599820000041
Figure BDA0003572599820000042
式中，PSP是夏季(5-9月)平均降雨，mm/day；
Figure BDA0003572599820000043
是多年平均夏季(5-9月)降雨，mm/day；N为水文站上游的水库总个数；Ai是第i个水库的控制面积，m2；AT是水文站的控制面积，m2；Vi是第i个水库的总库容，m3；/>
Figure BDA0003572599820000044
是水文站的多年平均径流量，m3；
步骤2.2：基于GAMLSS模型构建考虑历史洪水的非一致性概率分布模型，非一致性概率分布模型包括正态分布、对数正态分布、Gamma分布、Gumbel分布、Weibull分布、p-III分布、GEV分布，以以GEV概率分布模型为例，GEV概率分布模型函数形式如下：
Figure BDA0003572599820000045
式中，μt，σt，ξt分别对应为位置、尺度和形状参数；yt为洪水变量Yt在时刻t的观测值；
非一致性条件下，概率分布模型的参数被表达为协变量(SPA和RI)的线性或指数函数形式。以位置参数随协变量的变化为例，即表达为μt＝α0+α1·SPA+α2·RI或μt＝exp(α0+α1·SPA+α2·RI)，α0，α1，α2均为模型参数。一致性条件下，概率分布参数为固定常数。在该步骤中，建立位置参数μt以及尺度参数σt与协变量SPA和RI的函数形式，然后采用极大似然法对模型进行参数估计并比较不同函数形式的GEV概率分布模型模拟效果，模型的拟合优度评价基于SBC准则(Schwarz Bayesian Criterion)，SBC准则是一个用于确定最优统计模型的指标，SBC值大小与模型的似然函数和模型自由度相关，模型对应的SBC值越小，模型越好，最小SBC值对应最优非一致性GEV概率分布模型；
步骤2.3：由步骤2.2得到最优非一致性GEV概率分布模型的参数随协变量变化的函数形式，代入工程年限T1～T2内每年协变量SPA和RI的预测值得到每年的概率分布F(μt，σt，ξt)，基于年平均可靠度方法推求非一致性设计洪水的计算式如下：
Figure BDA0003572599820000051
式中，p为超过概率；T1、T2分别对应为工程的起始、终止年份；
Figure BDA0003572599820000052
是由工程年限T1～T2内每年概率分布FZ(z1-p|μt，σt，ξt)的权重均为1/(T2-T1+1)平均得到的代表性概率分布。
步骤3：预测未来降雨和水库因子，通过降雨因子和水库因子的不同组合设置多种不同的未来降雨和水库情景，结合步骤2构建的非一致性设计洪水估计的框架，计算每种情景对应的非一致性设计洪水值；该步骤的具体方法为：
步骤3.1：下载CMIP6全球气候模式(GCM)模拟降雨数据，采用日偏差校正方法对数据进行校正得到未来时段的日降雨，并根据收集到的未来年份将要运行的水库信息，采用步骤2.1的公式分别计算未来夏季降水距平SPA和水库指数RI，具体地，未来SPA包括三种共享社会经济路径(SSP1-2.6、SSP2-4.5、SSP5-8.5)下的序列，未来RI包括现状水平(未来流域水库运行与现状情况一致)和规划水平(未来流域水库运行不仅包括现在已运行的水库，还包括未来将要投入运行的水库)两个建设水平下的序列；
步骤3.2：将三种共享社会经济路径下的SPA和两个建设水平下的RI组合，设置多种不同的未来降雨和水库情景，在本实施例中，设置6种不同的未来降雨和水库情景(S1、S2、S3、S4、S5、S6)，基于步骤2选出的最优非一致性GEV概率分布模型的分布参数变化形式，可以得到6种情景分别对应的工程年限T1～T2内每年的概率分布，并基于步骤2.3中的公式估计非一致性设计洪水，便得到了6种不同的未来降雨和水库情景分别对应的非一致性设计洪水值。
步骤4：通过对每种情景下非一致性设计洪水值与一致性条件下设计洪水值的比较，分析降雨和水库对下游设计洪水的影响；在比较时，相同水库条件下，比较不同降雨条件对应的设计值可以分析降雨对下游设计洪水的影响程度，相同降雨条件下，比较不同水库条件对应的设计值可以分析水库修建对下游设计洪水的影响程度。
下面以具体的实例对本发明做进一步说明。
如图1所示，长江上游(宜昌以上)地处青藏高原东缘，流域内地形高差较大。受东亚季风和南亚季风的交替影响，流域内降雨丰沛且多强降雨过程；该地区水能资源丰富，水流落差大，为大规模的梯级水库开发提供了条件。气候变化和大规模的水库群建设运行使得流域内的洪水序列发生明显变化，对流域内的防洪安全、人民生命财产安全等构成威胁。随着流域内人类活动的增强，以三峡为核心的巨型梯级水库群逐步建成，对下游设计洪水产生显著影响。本发明的非一致性设计洪水估计方法以长江上游为例，通过设置6种不同的未来降雨和水库情景计算非一致性设计洪水值，并与一致性设计洪水值进行比较，从而分析降雨和水库对下游设计洪水的影响，具体过程如下：
如图2所示，首先基于历史降雨重构数据集、历史实测降雨、已建水库特征参数计算历史时期的夏季降水距平SPA和水库指数RI，基于GAMLSS模型(概率分布参数被表示为协变量的线性或指数函数)构建年最大日流量的非一致性GEV概率分布模型，采用极大似然法对模型进行参数估计，并用SBC准则比较不同模型的拟合效果，选出最优的非一致性概率分布模型。接下来下载CMIP6全球气候模式(GCM)模拟降雨数据，采用日偏差校正方法对数据进行校正得到未来时段的日降雨，并根据收集到的未来年份将要建成运行的水库信息，分别计算未来夏季降水距平SPA(SSP1-2.6、SSP2-4.5、SSP5-8.5三种共享社会经济路径)和水库指数RI(现状水平和规划水平)，将SPA和RI组合设置6种不同的未来降雨和水库情景。然后采用年平均可靠度方法计算每种情景对应的非一致性设计洪水值。最后将非一致性设计洪水值与一致性条件下的设计洪水值进行比较，从而分析降雨和水库对下游设计洪水的影响。
根据图3，历史时期的SPA呈周期性波动，未来SPA的增加趋势则随排放情景的增加愈加显著，RI随水库建设不断增加。经过计算可得到表1中的年最大日流量与SPA和RI的相关系数，由表1可知，长江上游宜昌站的年最大日流量与SPA和RI的皮尔逊相关系数r均大于0.4，对应p值均小于0.01，说明SPA和RI均与年最大日流量显著相关，其中SPA与年最大日流量呈正相关，水库指数RI与年最大日流量呈负相关。
表1 年最大日流量与SPA和RI的相关系数
Figure BDA0003572599820000071
基于GAMLSS模型构建年最大日流量的非一致性GEV概率分布模型，采用极大似然法对模型进行参数估计，并用SBC准则比较不同模型的拟合效果，同时采用一致性概率分布模型模拟，得到如表2的SBC值，对于非一致性模型，从中选取最小SBC值对应的模型即为选出的最优非一致性GEV概率分布模型。根据图4的结果可以看出，SPA和RI协变量的加入使得非一致性模型可以方便准确地捕捉到洪水序列的变化，非一致性模型明显优于一致性模型对洪水样本的拟合效果。根据图5，6种不同的未来降雨和水库情景对应的非一致性设计洪水值远小于一致性设计洪水值，以千年一遇洪水为例，非一致性设计洪水值相对一致性设计洪水值的变化率为-13.5％～-20.6％，年最大日流量的减少量为12800m3/s～19500m3/s。另外，同样水库条件，不同降雨条件下的非一致性设计值的差别较小；然而同样降雨条件，不同水库条件下的非一致性设计值的差别较明显，说明流域水库建设对下游设计洪水的影响十分显著。
表2 年最大日流量对应的一致性与非一致性GEV概率分布模型的SBC值
Figure BDA0003572599820000072
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (3)

1.一种非一致性设计洪水估计方法，其特征在于，包括如下步骤：
步骤1：收集整理流域水文控制站的径流资料，以及整个流域日降雨资料、流域内已运行及将运行的大中型水库的控制面积与总库容；
步骤2：构建变化环境下受降雨和水库影响的非一致性设计洪水估计的框架；
步骤3：预测未来降雨和水库因子，通过降雨因子和水库因子的不同组合设置多种不同的未来降雨和水库情景，结合步骤2构建的非一致性设计洪水估计的框架，计算每种情景对应的非一致性设计洪水值；
步骤4：通过对每种情景下非一致性设计洪水值与一致性条件下设计洪水值的比较，分析降雨和水库对下游设计洪水的影响；
其中，所述步骤2的具体过程如下：
步骤2.1：根据收集到的流域降雨资料和水库资料，计算降雨影响因子指标即夏季降水距平SPA和水库影响因子指标即水库指数RI：
Figure QLYQS_1
；
Figure QLYQS_2
；
式中，
Figure QLYQS_3
是夏季平均降雨，mm/day；/>
Figure QLYQS_4
是多年平均夏季降雨，mm/day；N为水文站上游的水库总个数；A i是第i个水库的控制面积，m2；A T是水文站的控制面积，m2；V i是第i个水库的总库容，m3；/>
Figure QLYQS_5
是水文站的多年平均径流量，m3；
步骤2.2：构建考虑历史洪水的非一致性概率分布模型，非一致性概率分布模型包括GEV概率分布模型，GEV概率分布模型函数形式如下：
Figure QLYQS_6
；
式中，
Figure QLYQS_7
分别对应为位置、尺度和形状参数；y t为洪水变量Y t在时刻t的观测值；
分别建立位置参数
Figure QLYQS_8
与协变量以及尺度参数/>
Figure QLYQS_9
与协变量的函数形式，其中，协变量包括SPA和RI，采用极大似然法对GEV概率分布模型进行参数估计，并比较不同函数形式的GEV概率分布模型模拟效果，从中选出最优的非一致性GEV概率分布模型；
步骤2.3：由步骤2.2得到最优非一致性GEV概率分布模型的参数随协变量变化的函数形式，代入工程年限T1~T2内每年协变量SPA和RI的预测值得到每年的概率分布
Figure QLYQS_10
，基于年平均可靠度方法推求非一致性设计洪水的计算式如下：
Figure QLYQS_11
；/>
式中，p为超过概率；T 1、T 2分别对应为工程的起始、终止年份；
Figure QLYQS_12
是由工程年限T 1~T 2内每年概率分布/>
Figure QLYQS_13
的权重均为1/(T 2-T 1+1)平均得到的代表性概率分布。
2.根据权利要求1所述的非一致性设计洪水估计方法，其特征在于，步骤2.2中，GEV概率分布模型的拟合优度评价基于SBC准则，最小SBC值对应最优非一致性GEV概率分布模型。
3.根据权利要求1所述的非一致性设计洪水估计方法，其特征在于，步骤3具体方法为：
步骤3.1：根据全球气候模式模拟降雨数据，采用日偏差校正方法对数据进行校正得到未来时段的日降雨，并根据收集到的未来年份将要运行的水库信息，采用步骤2.1的公式分别计算未来夏季降水距平SPA和未来水库指数RI，其中，计算的未来夏季降水距平SPA包括三种共享社会经济路径下的序列，其中，三种共享社会经济路径为SSP1-2.6、SSP2-4.5、SSP5-8.5，计算的未来水库指数RI包括现状水平和规划水平两个建设水平下的序列；
步骤3.2：将三种共享社会经济路径下的SPA和两个建设水平下的RI组合，设置多种不同的未来降雨和水库情景，基于步骤2选出的最优非一致性GEV概率分布模型的分布参数变化形式，得到多种情景分别对应的工程年限T1~T2内每年的概率分布，并基于步骤2.3中的公式估计非一致性设计洪水，得到了多种不同的未来降雨和水库情景分别对应的非一致性设计洪水值。
CN202210329420.9A 2022-03-30 2022-03-30 非一致性设计洪水估计方法 Active CN114970082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210329420.9A CN114970082B (zh) 2022-03-30 2022-03-30 非一致性设计洪水估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210329420.9A CN114970082B (zh) 2022-03-30 2022-03-30 非一致性设计洪水估计方法

Publications (2)

Publication Number Publication Date
CN114970082A CN114970082A (zh) 2022-08-30
CN114970082B true CN114970082B (zh) 2023-03-31

Family

ID=82975848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210329420.9A Active CN114970082B (zh) 2022-03-30 2022-03-30 非一致性设计洪水估计方法

Country Status (1)

Country Link
CN (1) CN114970082B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110598315A (zh) * 2019-09-10 2019-12-20 太原理工大学 变化条件下流域非一致性设计洪水的不确定性分析方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101864750B (zh) * 2010-06-29 2011-11-16 西安理工大学 多模型综合集成洪水预报系统及其预报方法
CA2818929A1 (en) * 2013-05-14 2014-11-14 Boris Feldman System of the inhabitant's protection during a flood
TW201625834A (zh) * 2015-01-08 2016-07-16 Wu-Xiong Wu 治水系統
AR109623A1 (es) * 2018-02-16 2019-01-09 Pescarmona Enrique Menotti Proceso y sistema de análisis y gestión hidrológica para cuencas

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110598315A (zh) * 2019-09-10 2019-12-20 太原理工大学 变化条件下流域非一致性设计洪水的不确定性分析方法

Also Published As

Publication number Publication date
CN114970082A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN107992961B (zh) 一种自适应的流域中长期径流预报模型架构方法
CN114372685B (zh) 一种基于swmm模型的城市暴雨内涝风险评估方法
Sedki et al. Simulation-optimization modeling for sustainable groundwater development: a Moroccan coastal aquifer case study
CN112765912B (zh) 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法
CN115507822A (zh) 水文循环变异驱动下的洪水风险预测方法
CN114741987B (zh) 考虑洪水预报模型绝对误差拟合残差分布的洪水概率预报模型
CN111915083B (zh) 一种基于时间分层组合的风电功率预测方法及预测系统
CN108830419B (zh) 一种基于ecc后处理的梯级水库群入库流量联合预报方法
CN113344305A (zh) 一种暴雨内涝事件的快速预测方法
CN113435630B (zh) 一种产流模式自适应的流域水文预报方法及系统
CN113807545A (zh) 一种基于深度学习和物理模型的河湖生态流量预报预警方法
CN109933901B (zh) 一种生态系统服务价值最优化的mcr城市扩张模拟方法
CN116050628A (zh) 一种基于数字孪生的考虑预报不确定性的水库防洪优化调度方法
CN114970377A (zh) 基于新安江与深度学习耦合模型的场次洪水预报方法和系统
CN114756817A (zh) 一种基于Copula函数的复合洪涝灾害联合概率分析方法
CN111815043A (zh) 一种基于暴雨特征的洪水流量预测方法及系统
CN114819322A (zh) 湖泊入湖流量的预报方法
CN111898097B (zh) 结合概率密度和保证率的生态流量确定方法
CN114970082B (zh) 非一致性设计洪水估计方法
CN116341391B (zh) 基于STPM-XGBoost模型的降水预测方法
CN117648878A (zh) 一种基于1d-cnn算法的洪水快速演进及淹没模拟方法
CN112116200A (zh) 基于动态比例代换和层次贝叶斯的缺灾情资料城市洪灾损失函数的构建方法
CN113705091B (zh) 考虑变化环境和调度影响的非一致性设计洪水计算方法
CN113589404B (zh) 一种场次暴雨径流量预测方法
CN115496128A (zh) 一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法

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