CN115203984B - 基于多场次洪水来源特性的洪水地区组成设计方法及系统 - Google Patents

基于多场次洪水来源特性的洪水地区组成设计方法及系统 Download PDF

Info

Publication number
CN115203984B
CN115203984B CN202211118544.9A CN202211118544A CN115203984B CN 115203984 B CN115203984 B CN 115203984B CN 202211118544 A CN202211118544 A CN 202211118544A CN 115203984 B CN115203984 B CN 115203984B
Authority
CN
China
Prior art keywords
flood
paradigm
composition
year
research
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
CN202211118544.9A
Other languages
English (en)
Other versions
CN115203984A (zh
Inventor
张明波
熊丰
徐长江
戴明龙
李妍清
赵烨
徐高洪
邵骏
陈玺
张冬冬
汪青静
胡辰
黄燕
刘冬英
董亚辰
张泽
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 CN202211118544.9A priority Critical patent/CN115203984B/zh
Publication of CN115203984A publication Critical patent/CN115203984A/zh
Application granted granted Critical
Publication of CN115203984B publication Critical patent/CN115203984B/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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多场次洪水来源特性的洪水地区组成设计方法及系统，首先收集研究站及其上游分区水文站的日径流资料并进行年最大采样，推求所述研究站特定重现期的设计洪量；根据研究站年最大洪水发生日期对分区水文站日径流资料采样，形成分区洪水集W并进行奇异值分解，得到地区组成范式集M和范式系数集T；计算各分区洪水与第一范式的范式系数的偏离率，根据偏离率最小原则从W中确定典型年，据此确定洪水分配方式；选取对典型年最大洪水贡献率超过阈值K的主要范式重构洪水地区组成；最后按照设计洪量缩放洪水地区组成得到研究区设计洪水地区组成。本发明综合考虑研究区多场次洪水来源特性，为洪水地区组成分析计算提供了新思路。

Description

基于多场次洪水来源特性的洪水地区组成设计方法及系统
技术领域
本发明属于水利工程防洪安全设计技术领域，涉及一种洪水地区组成设计方法及系统，具体涉及一种综合考虑多场次洪水来源特性的洪水地区组成设计方法及系统。
背景技术
我国对拟定设计洪水地区组成提出了典型年组成法和同频率组成法这两种基本方法。典型年法需要根据洪水的恶劣程度进行比选，依据典型年各分区洪量在控制断面洪量中的占比分析计算各分区在特定设计频率下的洪量。同频率地区组成法假定水库或区间发生的洪量与设计断面同频率，并通过水量平衡原理计算剩余区间的洪量大小。
洪水地区组成具有明显随机性。典型年法和同频率法均是基于简化的假定，给出各分区洪水的关系，不够科学合理。典型年法只能单独挑选某一年的洪水过程进行分析计算，无法综合考虑不同年份的其他洪水地区组成情况，结果具有一定的主观性和不确定性。同频率法假定上游水库或区间洪水与下游水库发生的洪水完全相关，与自然洪水情况不符。此外，由于变化环境的影响，众多流域的产汇流机制发生了改变，而典型年法和同频率法均无法考虑变化环境产生的影响。因此，亟需一种客观合理且可考虑变化环境的洪水地区组成计算方法。
发明内容
为了解决上述问题，本发明提供了一种综合考虑多场次洪水来源特性的洪水地区组成涉及方法及系统，充分考虑设计流域的洪水特性及典型年差异。
本发明的方法所采用的技术方案是：一种基于多场次洪水来源特性的洪水地区组成设计方法，包括以下步骤：
步骤1：收集研究站点及其上游各个分区水文站的日径流资料，对所述研究站点的日径流进行年最大采样，得到所述研究站点特定时段的年最大洪量，并推求所述研究站点特定重现期的设计洪量值；
步骤2：根据研究站点年最大洪水发生日期对各分区水文站日径流资料进行采样，得到相应的各分区发生的洪量，形成分区洪水集W；
Figure 376507DEST_PATH_IMAGE001
；
Figure 90385DEST_PATH_IMAGE002
；
式中，k表示年份，d表示分区水文站站点序号，m为采样数据的总年数，n为分区总 数；
Figure 916128DEST_PATH_IMAGE003
表示d站点第k年的洪量大小，
Figure 842495DEST_PATH_IMAGE004
表示第k年所有站点的平均洪量，
Figure 188026DEST_PATH_IMAGE005
表示减去各年份洪量均值后的d站点的洪量大小；
步骤3：对分区洪水集W进行奇异值分解；
Figure 557958DEST_PATH_IMAGE006
；
式中，M为地区组成范式集，包含奇异值分解得到的n个分区洪水范式，E为范式贡 献率矩阵，
Figure 621729DEST_PATH_IMAGE007
，
Figure 351788DEST_PATH_IMAGE008
，
Figure 801093DEST_PATH_IMAGE009
为各范式能量值；T为范式系数矩 阵；
其中，第i个范式的能量贡献率为：
Figure 591194DEST_PATH_IMAGE010
；
范式的能量贡献率C i 表示该范式对研究站点洪水组成的影响程度大小，对研究站点洪水贡献率大于预设值的范式即为主要范式，第一主要范式为贡献率最大的范式；
步骤4：计算各个年份的分区洪水与第一主要范式的范式系数的偏离率，并根据偏离率最小的原则从W中选择与第一主要范式的范式系数最接近的分区洪水，由此确定各分区洪水的分配方式；
第k个年份的偏离率
Figure 876682DEST_PATH_IMAGE011
的计算公式如下：
Figure 161164DEST_PATH_IMAGE012
；
式中
Figure 215708DEST_PATH_IMAGE013
为第一主要范式的范式系数，
Figure 176710DEST_PATH_IMAGE014
为第一主要范式的范式系数均值；
步骤5：从步骤3得到的范式中选取对典型年最大洪水贡献率超过阈值K的主要范式按照步骤4确定的分配方式对洪水地区组成进行重构，重构公式为：
Figure 949494DEST_PATH_IMAGE015
；
式中
Figure 264764DEST_PATH_IMAGE016
为第i个主要范式；
Figure 439393DEST_PATH_IMAGE017
为重构后的分区洪水集，r表示主要范式 个数；
步骤6：根据步骤1中的设计洪量值，将步骤5得到的重构结果同倍比缩放得到研究区的设计洪水地区组成。
本发明的系统所采用的技术方案是：一种基于多场次洪水来源特性的洪水地区组成设计系统，包括以下模块：
资料收集模块，用于收集研究站点及其上游各个分区水文站的日径流资料，对所述研究站点的日径流进行年最大采样，得到所述研究站点特定时段的年最大洪量，并推求所述研究站点特定重现期的设计洪量值；
径流采集模块，用于根据研究站点年最大洪水发生日期对各分区水文站日径流资料进行采样，得到相应的各分区发生的洪量，形成分区洪水集W；
Figure 305718DEST_PATH_IMAGE018
；
Figure 565798DEST_PATH_IMAGE019
；
式中，k表示年份，d表示分区水文站站点序号，m为采样数据的总年数，n为分区总 数；
Figure 926503DEST_PATH_IMAGE020
表示d站点第k年的洪量大小，
Figure 221219DEST_PATH_IMAGE021
表示第k年所有站点的平均洪量，
Figure 524024DEST_PATH_IMAGE022
表示减去各年份洪量均值后的d站点的洪量大小；
径流分解模块，用于对分区洪水集W进行奇异值分解；
Figure 255088DEST_PATH_IMAGE024
；
式中，M为地区组成范式集，包含奇异值分解得到的n个分区洪水范式，E为范式贡 献率矩阵，
Figure 668752DEST_PATH_IMAGE025
，
Figure 817974DEST_PATH_IMAGE026
，
Figure 291680DEST_PATH_IMAGE027
为各范式能量值；T为范式系数矩 阵；
其中，第i个范式的能量贡献率为：
Figure 11506DEST_PATH_IMAGE028
；
范式的能量贡献率C i 表示该范式对研究站点洪水组成的影响程度大小，对研究站点洪水贡献率大于预设值的范式即为主要范式，第一主要范式为贡献率最大的范式；
偏离率计算模块，用于计算各个年份的分区洪水与第一主要范式的范式系数的偏离率，并根据偏离率最小的原则从W中选择与第一主要范式的范式系数最接近的分区洪水，由此确定各分区洪水的分配方式；
第k个年份的偏离率
Figure 963281DEST_PATH_IMAGE029
的计算公式如下：
Figure 232589DEST_PATH_IMAGE030
；
式中
Figure 126464DEST_PATH_IMAGE013
为第一主要范式的范式系数，
Figure 582853DEST_PATH_IMAGE031
为第一主要范式的范式系数均值；
地区组成重构模块，用于从径流分解模块得到的范式中选取对典型年最大洪水贡献率超过阈值K的主要范式按照偏离率计算模块确定的分配方式对洪水地区组成进行重构，重构公式为：
Figure 338320DEST_PATH_IMAGE032
；
式中
Figure 196554DEST_PATH_IMAGE033
为第i个主要范式；
Figure 762796DEST_PATH_IMAGE034
为重构后的分区洪水集，r表示主要范式 个数；
设计洪水地区组成获取模块，用于根据资料收集模块中的设计洪量值，将地区组成重构模块得到的重构结果同倍比缩放得到研究区的设计洪水地区组成。
本发明通过奇异值分解提取反映洪水地区组成的主要范式与其对应的范式系数，推求研究区不同重现期下的洪水地区组成。本发明能综合考虑研究区的多场次洪水来源特性，获得更加客观、合理的推求结果，亦可根据实际需要灵活调整地区组成方式，且可随着变化环境及时调整地区组成集，本方法为洪水地区组成的分析计算提供了新思路。
附图说明
图 1 为本发明实施例的方法流程图；
图 2 为本发明实施例中涉及的以某站点为例应用本发明进行奇异值分解后各范式贡献率图，前两个主要范式的贡献率超过60%；
图 3 为本发明实施例中涉及的以某站点为例应用本发明进行奇异值分解后第一主要范式图；
图 4 为本发明实施例中涉及的以某站点为例应用本发明进行奇异值分解后第一主要范式的对应范式系数图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种基于多场次洪水来源特性的洪水地区组成设计方法，包括以下步骤：
步骤1：收集研究站点及其上游各个分区水文站的日径流资料，对所述研究站点的日径流进行年最大采样，得到所述研究站点特定时段的年最大洪量，并推求所述研究站点特定重现期的设计洪量值；
本实施例以长江上游某站点为研究对象，收集其代表性水文站的长系列日径流资料，采用年最大法取样得到其各个年份的年最大30天洪量，并采用P-III分布推求该站点百年一遇设计洪量值。
本实施例也可以广义帕累托分布或对数正态分布推求研究站点特定重现期的设计洪量值。
本实施例可以采用年最大法进行洪水采样，亦可根据实际径流资料长短（资料长度小于30年）采取超定量采样方法。
步骤2：根据研究站点年最大洪水发生的日期对各分区水文站日径流资料进行采样，得到相应的各分区发生的洪量，形成分区洪水集W；
Figure 706481DEST_PATH_IMAGE035
；
Figure 265639DEST_PATH_IMAGE037
；
式中，k表示年份，d表示分区水文站站点序号，m为采样数据的总年数，n为分区总 数；
Figure 978380DEST_PATH_IMAGE038
表示d站点第k年的洪量大小，
Figure 214058DEST_PATH_IMAGE004
表示第k年所有站点的平均洪量，
Figure 645039DEST_PATH_IMAGE005
表示减去各年份洪量均值后的d站点的洪量大小；
本实施例中，分区洪水集W由历史多年分区洪水构成；可以采用Mann-Kendall法对W进行假设检验，若洪水资料序列存在明显变异点，则需要考虑变化环境影响的实际需要，根据实际需求选择采样序列为长期实测序列或产生变异后的实测序列。
步骤3：对分区洪水集W进行奇异值分解，得到分区洪水集的范式和主要范式（图2~3）以及范式对应的范式系数（图4）；
Figure 7887DEST_PATH_IMAGE040
；
式中，M为地区组成范式集，包含奇异值分解得到的n个分区洪水范式，E为范式贡 献率矩阵，
Figure 857026DEST_PATH_IMAGE041
，
Figure 748758DEST_PATH_IMAGE042
，
Figure 667036DEST_PATH_IMAGE043
为各范式能量值；T为范式系数 矩阵；
其中，第i个范式的能量贡献率为：
Figure 88702DEST_PATH_IMAGE044
；
范式的能量贡献率（C i ）表示该范式对研究站点洪水组成的影响程度大小，对研究站点洪水贡献率大于预设值的范式即为主要范式（r个），第一主要范式为贡献率最大的范式；
步骤4：计算各个年份的分区洪水与第一主要范式的范式系数的偏离率，并根据偏离率最小的原则从W中选择与第一主要范式的范式系数最接近的典型年洪水，由此确定各分区洪水的分配方式；
第k个年份的偏离率
Figure 510456DEST_PATH_IMAGE045
的计算公式如下：
Figure 838669DEST_PATH_IMAGE046
；
式中
Figure 978664DEST_PATH_IMAGE013
为第一主要范式的范式系数，
Figure 699626DEST_PATH_IMAGE047
为第一主要范式的范式系数均值；
步骤5：根据步骤3得到的主要范式，选取对年最大洪水贡献率超过阈值K的主要范式按照步骤4确定的分配方式对洪水地区组成进行重构，推求公式为：
Figure 241466DEST_PATH_IMAGE048
；
式中
Figure 740580DEST_PATH_IMAGE049
为第i个主要范式；
Figure 617138DEST_PATH_IMAGE050
为重构后的分区洪水集，r表示主要范式 个数；
本实施例选取对年最大洪水贡献率超过60%的主要范式（图2）按照步骤4确定的分配方式对洪水地区组成进行重构，本实施例中前两个范式的贡献率超过了60%，式中r为选取的重构的模式个数2。
步骤6：将步骤5得到的重构结果按照步骤1的设计洪量值进行同倍比缩放得到研究区的百年一遇的设计洪水地区组成。
本实施例将步骤5得到的重构结果按照步骤1的设计洪量进行放大得到该站点的百年一遇设计洪水地区组成，本发明实施例中涉及的以某站点为例应用本发明推求洪水地区组成与典型年法结果对比（洪量单位：亿m³）请见下表1。
表1
Figure 125480DEST_PATH_IMAGE052
从表1可以看出，本方法与典型年法都识别出分区1为主要洪水来源之一，但相比典型年法，本方法识别出了分区4发生大洪水的可能性。分区1为干流来水，由上游水库所控制，而分区4为未控区间洪水，当发生大洪水时对防洪更不利。因此，本方法基于统计理论突出了关注分区1和分区4在下游防洪中的实际意义，更加科学合理。这与第一范式系数（图4）是一致的。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (5)

1.一种基于多场次洪水来源特性的洪水地区组成设计方法，其特征在于，包括以下步骤：
步骤1：收集研究站点及其上游各个分区水文站的日径流资料，对所述研究站点的日径流进行年最大采样，得到所述研究站点特定时段的年最大洪量，并推求所述研究站点特定重现期的设计洪量值；
步骤2：根据研究站点年最大洪水发生日期对各分区水文站日径流资料进行采样，得到相应的各分区发生的洪量，形成分区洪水集W；
Figure 930034DEST_PATH_IMAGE001
；
Figure 438638DEST_PATH_IMAGE002
；
式中，k表示年份，d表示分区水文站站点序号，m为采样数据的总年数，n为分区总数；
Figure 654373DEST_PATH_IMAGE003
表示d站点第k年的洪量大小，
Figure 190396DEST_PATH_IMAGE004
表示第k年所有站点的平均洪量，
Figure 97173DEST_PATH_IMAGE005
表 示减去各年份洪量均值后的d站点的洪量大小；
步骤3：对分区洪水集W进行奇异值分解；
Figure 612730DEST_PATH_IMAGE006
；
式中，M为地区组成范式集，包含奇异值分解得到的n个分区洪水范式，E为范式贡献率 矩阵，
Figure 554141DEST_PATH_IMAGE007
，
Figure 995487DEST_PATH_IMAGE008
，
Figure 389559DEST_PATH_IMAGE009
为各范式能量值；T为范式系数矩阵；
其中，第i个范式的能量贡献率为：
Figure 472921DEST_PATH_IMAGE010
；
范式的能量贡献率C i 表示该范式对研究站点洪水组成的影响程度大小，对研究站点洪水贡献率大于预设值的范式即为主要范式，第一主要范式为贡献率最大的范式；
步骤4：计算各个年份的分区洪水与第一主要范式的范式系数的偏离率，并根据偏离率最小的原则从W中选择与第一主要范式的范式系数最接近的分区洪水，由此确定各分区洪水的分配方式；
第k个年份的偏离率
Figure 268839DEST_PATH_IMAGE011
的计算公式如下：
Figure 146665DEST_PATH_IMAGE012
；
式中
Figure 28034DEST_PATH_IMAGE013
为第一主要范式的范式系数，
Figure 885393DEST_PATH_IMAGE014
为第一主要范式的范式系数均值；
步骤5：从步骤3得到的范式中选取对典型年最大洪水贡献率超过阈值K的主要范式按照步骤4确定的分配方式对洪水地区组成进行重构，重构公式为：
Figure 535818DEST_PATH_IMAGE015
；
式中
Figure 584545DEST_PATH_IMAGE016
为第i个主要范式；
Figure 953209DEST_PATH_IMAGE017
为重构后的分区洪水集，r表示主要范式个 数；
步骤6：根据步骤1中的设计洪量值，将步骤5得到的重构结果同倍比缩放得到研究区的设计洪水地区组成。
2.根据权利要求1所述的基于多场次洪水来源特性的洪水地区组成设计方法，其特征在于：步骤1中，采用P-III分布、广义帕累托分布或对数正态分布推求所述研究站点特定重现期的设计洪量值。
3.根据权利要求1所述的基于多场次洪水来源特性的洪水地区组成设计方法，其特征在于：步骤1中，采用年最大法进行洪水采样，亦可根据实际径流资料长短采取超定量采样方法。
4.根据权利要求1所述的基于多场次洪水来源特性的洪水地区组成设计方法，其特征在于：步骤2中，分区洪水集W由历史多年分区洪水构成；采用Mann-Kendall法对W进行假设检验，若洪水资料序列存在明显变异点，则需要考虑变化环境影响的实际需要，根据实际需求选择采样序列为长期实测序列或产生变异后的实测序列。
5.一种基于多场次洪水来源特性的洪水地区组成设计系统，其特征在于，包括以下模块：
资料收集模块，用于收集研究站点及其上游各个分区水文站的日径流资料，对所述研究站点的日径流进行年最大采样，得到所述研究站点特定时段的年最大洪量，并推求所述研究站点特定重现期的设计洪量值；
径流采集模块，用于根据研究站点年最大洪水发生日期对各分区水文站日径流资料进行采样，得到相应的各分区发生的洪量，形成分区洪水集W；
Figure 253741DEST_PATH_IMAGE018
；
Figure 883305DEST_PATH_IMAGE019
；
式中，k表示年份，d表示分区水文站站点序号，m为采样数据的总年数，n为分区总数；
Figure 978300DEST_PATH_IMAGE020
表示d站点第k年的洪量大小，
Figure 958895DEST_PATH_IMAGE021
表示第k年所有站点的平均洪量，
Figure 531958DEST_PATH_IMAGE022
表示减去各年份洪量均值后的d站点的洪量大小；
径流分解模块，用于对分区洪水集W进行奇异值分解；
Figure 698585DEST_PATH_IMAGE023
；
式中，M为地区组成范式集，包含奇异值分解得到的n个分区洪水范式，E为范式贡献率 矩阵，
Figure 590580DEST_PATH_IMAGE024
，
Figure 933837DEST_PATH_IMAGE025
，
Figure 576171DEST_PATH_IMAGE026
为各范式能量值；T为范式系数矩阵；
其中，第i个范式的能量贡献率为：
Figure 180328DEST_PATH_IMAGE027
；
范式的能量贡献率C i 表示该范式对研究站点洪水组成的影响程度大小，对研究站点洪水贡献率大于预设值的范式即为主要范式，第一主要范式为贡献率最大的范式；
偏离率计算模块，用于计算各个年份的分区洪水与第一主要范式的范式系数的偏离率，并根据偏离率最小的原则从W中选择与第一主要范式的范式系数最接近的分区洪水，由此确定各分区洪水的分配方式；
第k个年份的偏离率
Figure 617125DEST_PATH_IMAGE028
的计算公式如下：
Figure 572312DEST_PATH_IMAGE029
；
式中
Figure 487178DEST_PATH_IMAGE030
为第一主要范式的范式系数，
Figure 211420DEST_PATH_IMAGE031
为第一主要范式的范式系数均值；
地区组成重构模块，用于从径流分解模块得到的范式中选取对典型年最大洪水贡献率超过阈值K的主要范式按照偏离率计算模块确定的分配方式对洪水地区组成进行重构，重构公式为：
Figure 819119DEST_PATH_IMAGE032
；
式中
Figure 497488DEST_PATH_IMAGE033
为第i个主要范式；
Figure 871837DEST_PATH_IMAGE034
为重构后的分区洪水集，r表示主要范式个 数；
设计洪水地区组成获取模块，用于根据资料收集模块中的设计洪量值，将地区组成重构模块得到的重构结果同倍比缩放得到研究区的设计洪水地区组成。
CN202211118544.9A 2022-09-15 2022-09-15 基于多场次洪水来源特性的洪水地区组成设计方法及系统 Active CN115203984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211118544.9A CN115203984B (zh) 2022-09-15 2022-09-15 基于多场次洪水来源特性的洪水地区组成设计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211118544.9A CN115203984B (zh) 2022-09-15 2022-09-15 基于多场次洪水来源特性的洪水地区组成设计方法及系统

Publications (2)

Publication Number Publication Date
CN115203984A CN115203984A (zh) 2022-10-18
CN115203984B true CN115203984B (zh) 2022-12-02

Family

ID=83573412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211118544.9A Active CN115203984B (zh) 2022-09-15 2022-09-15 基于多场次洪水来源特性的洪水地区组成设计方法及系统

Country Status (1)

Country Link
CN (1) CN115203984B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117010596A (zh) * 2023-08-14 2023-11-07 上海勘测设计研究院有限公司 多层次空间下不同水利分区设计暴雨时空组合计算方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101409206B1 (ko) * 2013-05-16 2014-06-19 아주대학교산학협력단 홍수유출량 산정 장치 및 그 방법
JP6362178B2 (ja) * 2016-06-21 2018-07-25 国立大学法人東北大学 津波浸水予測システム、制御装置、並列計算機システムの制御方法及びプログラム
CN111709147A (zh) * 2020-06-22 2020-09-25 江西省水利科学研究院 一种基于水文失事机理的设计洪水地区组成计算方法
CN112348246B (zh) * 2020-11-02 2022-09-20 大连理工大学 一种基于ssa的标准化降噪方法及其在山区流域洪水预报中的应用
CN113158542B (zh) * 2021-01-29 2022-10-04 武汉大学 适用于缺资料地区的多变量设计洪水估计方法
CN114385959A (zh) * 2021-12-03 2022-04-22 河海大学 一种近坝区子流域单元划分方法、装置及存储介质

Also Published As

Publication number Publication date
CN115203984A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
Gao et al. Reservoir-induced changes to fluvial fluxes and their downstream impacts on sedimentary processes: The Changjiang (Yangtze) River, China
CN115203984B (zh) 基于多场次洪水来源特性的洪水地区组成设计方法及系统
CN105887751B (zh) 一种考虑水库调洪演算的多变量洪水重现期计算方法
Matsukawa et al. Conjunctive-use planning in mad river basin, California
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
KR20090093520A (ko) 유역통합 물관리 의사결정지원방법
CN110826805A (zh) 一种考虑来水不均匀性的低水头梯级水电站中期优化调度方法
CN112101818A (zh) 一种适用于复杂水力联系的海绵城市洪涝优化调度方法
CN111210050A (zh) 山地丘陵型中小水电站降雨来水增量预报模型与方法
CN115510631B (zh) 考虑多场次洪水形态的洪水过程线设计方法及系统
CN114091277B (zh) 一种考虑初始状态变量影响的新安江模型参数率定方法
CN111080059A (zh) 一种非一致性多源洪水遭遇风险分析方法
CN106407543B (zh) 一种设计条件下双峰型洪水过程线形状推求方法
CN117033888A (zh) 一种基于分割基流的流域汇流单位线推求方法
CN111915173A (zh) 一种梯级小水电站优化调度关键因素的筛选方法
Botto et al. Regional-scale assessment of energy potential from hydrokinetic turbines used in irrigation channels
Wang et al. Optimal early refill rules for Danjiangkou Reservoir
Zhu et al. Assessing sediment regime alteration of the lower Drava River
CN116245680A (zh) 基于清洁能源基地水光月内互补的光伏消纳率计算方法
CN114186640A (zh) 一种区域水电整体发电能力的预测方法
CN112016051B (zh) 一种多源洪水过程遭遇的概率分析方法及系统
Karamouz et al. AN INTEGRATED APPROACH TO WATER RESOURCES DEVELOPMENT OF THE TEHRAN REGION IN IRAN 1
CN110689182B (zh) 一种考虑径流预测的多目标雨量站网设计方法
Yang et al. Integrated agricultural irrigation management technique in the arid inland area, China
CN117010727B (zh) 一种基于水平年的径流序列一致性改正方法

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