CN115561835A - 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法 - Google Patents

一种基于气象统计降尺度的城市下凹桥区域降雨预测方法 Download PDF

Info

Publication number
CN115561835A
CN115561835A CN202211278174.5A CN202211278174A CN115561835A CN 115561835 A CN115561835 A CN 115561835A CN 202211278174 A CN202211278174 A CN 202211278174A CN 115561835 A CN115561835 A CN 115561835A
Authority
CN
China
Prior art keywords
rainfall
downscaling
area
forecast
model
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
Application number
CN202211278174.5A
Other languages
English (en)
Inventor
黄鹏
田腾飞
孙永利
张岳
赵青
李鹤男
张玮嘉
范波
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.)
North China Municipal Engineering Design and Research Institute Co Ltd
Original Assignee
North China Municipal Engineering Design and Research Institute Co Ltd
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 North China Municipal Engineering Design and Research Institute Co Ltd filed Critical North China Municipal Engineering Design and Research Institute Co Ltd
Priority to CN202211278174.5A priority Critical patent/CN115561835A/zh
Publication of CN115561835A publication Critical patent/CN115561835A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及城市内涝治理领域，尤其涉及一种基于气象统计降尺度的城市下凹桥区域降雨预测方法。包括S10：通过统计降尺度法，建立降尺度模型，所述降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系；S20：根据降尺度模型和大尺度气候预报因子，对下凹桥区域的降雨量进行预测。本发明通过统计降尺度法，建立下凹桥区域的大尺度气候预报因子与下凹桥区域的降雨量的模型，利用大尺度气候预报因子预测下凹桥区域的未来降雨量，本发明能够精确预测下凹桥区域的降雨量。

Description

一种基于气象统计降尺度的城市下凹桥区域降雨预测方法
技术领域
本发明涉及城市内涝治理领域，尤其涉及一种基于气象统计降尺度的城市下凹桥区域降雨预测方法。
背景技术
我国城市化发展中建设的大量下凹桥基础设施已成为汛期内涝的多发和易发区域，影响区域交通和公共安全，伴随自然环境变化，出现极端天气的现象更加频繁，严重影响人民生命安全。城市内涝现象出现时，下凹桥区域范围由于地势低洼，一旦排水不畅，极易出现较大深度积水，且由于下凹桥一般位于城市主干道，造成的危害大，影响城市居民生活和工作，甚至造成人员伤亡。城市中硬化地面较多，尤其主干道周围基础建设较多，可汇水区域少，下凹桥地势较低，但下凹桥区实际可纳水量空间有限，内涝发生时，汇水速度极快，短短几分钟便可以达到危险水位。
下凹桥地区范围较小，采用目前的省级、城市级降雨预测难以满足日益增长的城市管理需求，也无法有效应对汛期气象变化过快、短历时雨强过大的现实问题。为此亟需一种可以快速、准确预测下凹桥汇水区域内降雨情况的方法。
发明内容
本发明提供了一种基于气象统计降尺度的城市下凹桥区域降雨预测方法，解决了现有技术中无法准确预测下范围下凹桥区域的降雨量的问题。
本发明采用的技术方案如下：
一种基于气象统计降尺度的城市下凹桥区域降雨预测方法，其特征在于，包括：
S10：通过统计降尺度法，建立降尺度模型，所述降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系；
S20：根据降尺度模型和大尺度气候预报因子，对下凹桥区域的降雨量进行预测。
进一步地，所述步骤S10包括：
S110：获取过往多年观测的大尺度气候预报因子和下凹桥区域降雨量，通过动力方法或统计方法，建立降尺度模型；
S120：对降尺度模型进行验证。
进一步地，所述步骤S120包括：
在所有的大尺度气候预报因子中筛选出适合对下凹桥降水进行分析的预报因子变量；
根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组；
根据验证期观测的预报因子变量的实际数据与多元线性回归方程组，获取降雨模拟量；
根据验证期观测的降雨量与降雨模拟量，通过统计学相关系数，对降尺度模型进行检验。
进一步地，所述统计学相关系数包括相关性系数和纳什系数。
进一步地，选取的预报因子变量间相互无影响。
进一步地，所述根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组，包括：
所述预报因子变量与降尺度模型通过逐步线性回归分析方法处理。
进一步地，下凹桥区域的大尺度气候预报因子依靠建设在下凹桥附近的天气监测站获取。
本发明的有益效果：本发明通过统计降尺度法，建立下凹桥区域的大尺度气候预报因子与下凹桥区域的降雨量的模型，利用大尺度气候预报因子预测下凹桥区域的未来降雨量，本发明能够精确预测下凹桥区域的降雨量。
附图说明
图1是本发明的流程图。
图2是本发明的整体流程图。
具体实施方式
为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
在本发明的实施例中，图1和图2是根据本发明一种基于气象统计降尺度的城市下凹桥区域降雨预测方法的具体步骤提供的流程图，如图1和图2所示，本发明包括：
S10：通过统计降尺度法，建立降尺度模型，所述降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系。
下凹桥区域的位置一般处于城市主干道交汇处，为获取下凹桥区域的大尺度气候预报因子，一般是在下凹桥区域的附近设置天气监测站，天气监测站采用高屈服强度碳钢或不锈钢支架等具有防腐蚀性材料，以满足长期运行于室外环境的要求，并且根据现场条件选配不同气象传感器。通过局域网或无线网进行数据传输，局域网可通过Modem、光纤网、路由器等进行组配，无线网可根据通讯距离分为短距离无线传输、中距离无线传输、长距离无线传输三种无线传输方式，一般情况采用GPRS/4G或GSM两种传输方式。
所述大尺度气候预报因子包括空气湿度、空气温度、大气压力、风向、风速、降雨量、蒸发量、光照和紫外线强度等。
S20：根据降尺度模型和大尺度气候预报因子，对下凹桥区域的降雨量进行预测。
下凹桥区域降雨量预测主要是依靠降尺度模型实现。统计降尺度法利用多年的观测资料建立大尺度气候状况和区域气候要素间的统计关系，并用独立的观测资料检验这种关系，再将此关系应用于GCM输出的大尺度气候信息预估区域未来的气候变化情景。
降尺度模型建立的步骤如下：
S110：获取过往多年观测的大尺度气候预报因子和下凹桥区域降雨量，通过动力方法或统计方法，建立降尺度模型；
建立大尺度气候预报因子与区域气候预报变量间的统计函数关系式：
Y＝F(X)
式中，X为大尺度气候预报因子，例如空气湿度、空气温度、大气压力等下凹桥设置的天气监测站可测得的气候条件；Y为区域气候预报变量，在本发明中即为某时段下凹桥区域的降雨量(如5分钟降雨量、30分钟降雨量、6小时降雨量、日降雨量等)；F为建立的大尺度气候预报因子与下凹桥区域降雨量间的一种统计关系，一般通过动力方法(区域气候模式模拟)或统计方法(观测资料确定)获得。这个关系式是为了表明通过数学方法可以找到一个或多个因子与降雨量有关系。在本公式中，大尺度预报因子是关联下凹桥地区降雨量的参数，通过大尺度预报因子可判断降雨可能性以及降雨量的大小。
S120：对降尺度模型进行验证。
在所有的大尺度气候预报因子中筛选出适合对下凹桥降水进行分析的预报因子变量。需要注意的是，预报因子变量可以从气象监测站中获取，且所选取的预报因子变量必须能被全球大气环流模型识别和模拟，全球大气环流模型是一种可以模拟全球和大区域气候变化过程的一种大气动力学模型方法，且选择的预报因子变量间无互相影响关系，无互相影响关系指的是选取的预报因子变量之间的相关性小，如果预报因子变量之间相关性大，可以用其中一组预报因子变量数据计算另一组预报因子变量，那实际上相当于只输入了一组预报因子变量。
根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组。
根据预警时间精细度，选取合适的标定期，标定期一般3～5年。采用标定期内的预报因子变量的实际观测数据，预报因子变量由逐步线性回归分析方法处理，建立多元线性回归方程组。
其中，多元线性回归是指在统计降尺度的回归分析中，通过一个或多个预报因子变量，代入上述降尺度模型中，组成的多元线性回归方程组，得到由多个预报因子的最优组合共同预测或估计被预报变量。
Figure BDA0003897345900000041
式中，w为某时段的降水发生的概率；a为通过预报因子变量与降雨量组成的多维方程组通过线性最小二乘法得到的回归系数；u是选定的预报因子，t-1表示的是上个时段。
通过和均匀分布的随机数表r(0≤r≤1)进行对比判断降雨是否发生，当wt≤rt时则该天下雨。
降雨量的大小用Z反映：
Figure BDA0003897345900000042
式中，Z为某一天的Z分数；b为通过预报因子变量与降雨量组成的多维方程组通过线性最小二乘法得到的回归系数。
第t天的降雨量为：
Yt＝F-1[(fZt)]
式中，f为累计正态分布函数；F为日降水量Yt的经验分布函数。
根据验证期观测的预报因子变量的实际数据与多元线性回归方程组，获取降雨模拟量；
根据标定期的选取，选取合适的验证期，验证期一般10～20月，选取验证期内3个以上下凹桥天气监测站监测得到的预报因子变量的实际数据，代入确定好的多元线性回归方程组中反演验证期的降水时间序列，统计各降水指标，获取计算获得的降雨量，该降雨量为降雨模拟量。并与验证期的观测值比较以判断多元线性回归方程组的准确程度。当回归方程和观测值相差过大时，要新选择合适的预报因子，重复上述的步骤。
根据验证期观测的降雨量与降雨模拟量，通过统计学相关系数，对降尺度模型进行检验。
其中，统计学相关系数包括相关性系数和纳什系数。采用相关性系数R2和纳什系数两个系数同时对降尺度模型进行检验，若同时达到要求即可认为降尺度模型可以很好的进行下凹桥地区的降雨情况预测。R2可采用线性回归方法求得，用于评价实测值与模拟值之间的数据吻合程度：
(1)R2＝1非常吻合，R2<1时，其值越小，数据吻合程度越低。
(2)纳什系数，Nash-Suttcliffe系数。
Figure BDA0003897345900000051
式中，Qoi为第i时实测值；Qpi为第i时使用统计降尺度方法得出的模拟值；Qavg为实测平均值；n为实测个数。当Qoi＝Qpi时，Ens＝1，若Ens为负值，表明模型模拟平均值比直接使用实测平均值的可信度更低，一般认为Ens的值在0.6以上为可信的。
获取到降尺度模型后，将下凹桥附近的天气监测站获取大尺度气候因子的数据代入降尺度模型，获得下凹桥区域降雨量。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例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，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于气象统计降尺度的城市下凹桥区域降雨预测方法，其特征在于，包括：
S10：通过统计降尺度法，建立降尺度模型，所述降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系；
S20：根据降尺度模型和大尺度气候预报因子，对下凹桥区域的降雨量进行预测。
2.如权利要求1所述的下凹桥区域降雨预测方法，其特征在于，所述步骤S10包括：
S110：获取过往多年观测的大尺度气候预报因子和下凹桥区域降雨量，通过动力方法或统计方法，建立降尺度模型；
S120：对降尺度模型进行验证。
3.如权利要求2所述的下凹桥区域降雨预测方法，其特征在于，所述步骤S120包括：
在所有的大尺度气候预报因子中筛选出适合对下凹桥降水进行分析的预报因子变量；
根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组；
根据验证期观测的预报因子变量的实际数据与多元线性回归方程组，获取降雨模拟量；
根据验证期观测的降雨量与降雨模拟量，通过统计学相关系数，对降尺度模型进行检验。
4.如权利要求3所述的下凹桥区域降雨预测方法，其特征在于，所述统计学相关系数包括相关性系数和纳什系数。
5.如权利要求3所述的下凹桥区域降雨预测方法，其特征在于，选取的预报因子变量间相互无影响。
6.如权利要求3所述的下凹桥区域降雨预测方法，其特征在于，所述根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组，包括：
所述预报因子变量与降尺度模型通过逐步线性回归分析方法处理。
7.如权利要求1-6任一所述的下凹桥区域降雨预测方法，其特征在于，下凹桥区域的大尺度气候预报因子依靠建设在下凹桥附近的天气监测站获取。
CN202211278174.5A 2022-10-19 2022-10-19 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法 Pending CN115561835A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211278174.5A CN115561835A (zh) 2022-10-19 2022-10-19 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211278174.5A CN115561835A (zh) 2022-10-19 2022-10-19 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法

Publications (1)

Publication Number Publication Date
CN115561835A true CN115561835A (zh) 2023-01-03

Family

ID=84767295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211278174.5A Pending CN115561835A (zh) 2022-10-19 2022-10-19 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法

Country Status (1)

Country Link
CN (1) CN115561835A (zh)

Similar Documents

Publication Publication Date Title
CN106526708B (zh) 一种基于机器学习的气象强对流天气的智能预警分析方法
CN112070286B (zh) 复杂地形流域的降水预报预警系统
CN102629294B (zh) 台风引发输电线路故障的概率评估方法
CN110646867A (zh) 一种城市排水监测预警方法和系统
CN107169645B (zh) 一种计及暴雨灾害影响的输电线路故障概率在线评估方法
CN115685389A (zh) 一种基于降尺度和汇水区动态划分的下凹桥积水预测方法
CN106682774A (zh) 一种接触网绝缘子污闪预测方法
CN110991046B (zh) 一种基于响应面函数的排水系统内涝风险快速预警方法
CN113591572A (zh) 基于多源数据和多时相数据的水土流失定量监测方法
CN115186858A (zh) 基于不同影响类型的变电站洪水淹没风险预警方法及系统
CN112528563A (zh) 一种基于svm算法的城市内涝预警方法
CN111815955B (zh) 一种基于交通流基本图的城市道路积水智能识别方法
CN115759488A (zh) 一种基于边缘计算的碳排放监测预警分析系统及其方法
CN109740195A (zh) 一种基于气象站观测数据的极值台风风速概率分布模型及设计台风风速的评估方法
CN116908942A (zh) 一种基于降水预报的城市内涝告警装置及方法
CN113177678A (zh) 一种不同类型异物侵扰的气象风险预警方法及装置
CN112033870A (zh) 一种区域边界层pm2.5立体分布及总量推算的方法
CN115578227A (zh) 一种基于多源数据确定大气颗粒物污染重点区域的方法
KR20170025709A (ko) 황사와 연무 통합 예측 및 검증 방법 및 시스템
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
CN111986464A (zh) 一种基于动态方法预报道路结冰的系统
CN115561835A (zh) 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法
CN116643328A (zh) 一种基于网络预报的城市内涝预报方法
CN113821895B (zh) 输电线路覆冰厚度预测模型的构建方法、装置及存储介质
CN115511192A (zh) 一种基于闪电资料同化的降水预报方法及系统

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