CN117975670A - 小流域山洪灾害动态预报预警方法及装置、电子设备 - Google Patents
小流域山洪灾害动态预报预警方法及装置、电子设备 Download PDFInfo
- Publication number
- CN117975670A CN117975670A CN202410068204.2A CN202410068204A CN117975670A CN 117975670 A CN117975670 A CN 117975670A CN 202410068204 A CN202410068204 A CN 202410068204A CN 117975670 A CN117975670 A CN 117975670A
- Authority
- CN
- China
- Prior art keywords
- flow
- rainfall
- control section
- early warning
- early
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012876 topography Methods 0.000 claims abstract description 23
- 238000010219 correlation analysis Methods 0.000 claims abstract description 14
- 238000012417 linear regression Methods 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 239000002689 soil Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 238000012097 association analysis method Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000011161 development Methods 0.000 claims 1
- 230000018109 developmental process Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 2
- 238000001556 precipitation Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种小流域山洪灾害动态预报预警方法及装置、电子设备,包括:收集小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新所述前期降雨信息;重复以上步骤,得到未来一段时间的控制断面流量;根据所述控制断面流量与气象预报信息,计算控制断面流量超设计流量比例、发生概率和预警历时;根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警。本申请为山洪灾害防御提供可靠的技术支持,对于山洪灾害风险处置和决策具有重要意义。
Description
技术领域
本申请涉及山洪灾害防治技术领域,尤其涉及一种小流域山洪灾害动态预报预警方法及装置、电子设备。
背景技术
随着极端天气增多,山丘区时常暴发山洪灾害,提高山洪灾害预报预警技术具有十分重要的理论和实际意义。
山洪灾害预警首先计算小流域设计暴雨洪水,并根据经验确定成灾水位反推成灾雨量,有成灾水位上下浮动反推准备转移和立即转移雨量指标,在根据实测降雨与雨量指标进行对比进行预警,或根据声光电预警装置实测的水位来预警。前者方法计算依赖人工经验,无法实现动态预警,后者根据实测水位预警准确性高,但是缺失了预警转移时间,两者适用性均一般。
发明内容
鉴于此,本申请实施例的目的是提供一种小流域山洪灾害预报预警方法及装置、电子设备,以解决背景技术中存在的问题。
根据本申请实施例的第一方面,提供一种小流域山洪灾害动态预报预警方法,包括:
步骤S1:收集小流域地形地貌及前期降雨信息;
步骤S2:根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;
步骤S3:根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
步骤S4:根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新步骤S1中的前期降雨信息;
步骤S5:重复S1-S4,得到未来一段时间的控制断面流量;
步骤S6:将所述控制断面流量中的最大控制断面流量与断面设计流量进行比较,计算超设计流量比例;根据气象预报部门预报信息,确定发生概率;选取所述控制断面流量中第一个大于断面设计流量的控制断面流量所对应的时间作为预警历时;
步骤S7:根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警。
可选的,所述小流域地形地貌信息包括小流域面积、地形平均坡度、河道主流长度、河道平均坡降和下垫面类型;
所述前期降雨信息包括前期土壤湿度、降雨开始至当前时刻累计降雨量、当前时刻降雨强度、当前时刻河道控制断面平均流量。
可选的,根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子,包括:
以下一时刻小流域控制断面流量为因变量,以小流域面积、地形平均坡度、河道主流长度、河道平均坡降、下垫面类型、前期土壤湿度、降雨开始至当前时刻累计降雨量、当前时刻降雨强度、当前时刻河道控制断面平均流量为自变量;
使用灰色关联分析法,计算各自变量与因变量关联度;
根据所述关联度的大小,选取i个相关性最强的自变量作为显著影响因子,i为正整数。
可选的,所述多元线性回归模型如下:
式中:Qt+1为下一时刻小流域控制断面流量,Xi,t为第i个自变量,βi为第i个自变量的回归系数,ε为误差项。
可选的,所述气象预报部门预报信息包括气象预报未来1h降雨量、未来3h降雨量、未来6h降雨量、未来24h降雨量及发生概率。
可选的,所述下一时刻的前期降雨信息包括前期土壤湿度Pat+1、降雨开始至当前时刻累计降雨量Pt+1、当前时刻前1h降雨强度It+1,计算公式为:
Pat+1=min(Pat+It+1,Wm)
Pt+1=Pt+It+1
It+1=It+1
其中,Wm表示流域平均最大蓄水容量,Pat+It+1≥Wm,表明流域已经蓄满,土壤含水量已经饱和。
可选的,根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警,包括:
分别对超设计流量比例、发生概率和预警历时设定若干预警等级;
当超设计流量比例、发生概率和预警历时中有两个及两个以上在预警等级中警戒预警线以上的,启动预警。
根据本申请实施例的第二方面,提供一种小流域山洪灾害动态预报预警装置,包括:
收集模块,用于收集小流域地形地貌及前期降雨信息;
确定模块,用于根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;
预报模块,用于根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
数据更新模块,用于根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新收集模块中的前期降雨信息;
迭代计算模块,用于重复收集模块-计算更新模块,得到未来一段时间的控制断面流量;
分析模块,用于将所述控制断面流量中的最大控制断面流量与断面设计流量进行比较,计算超设计流量比例;根据气象预报部门预报信息,确定发生概率;选取所述控制断面流量中第一个大于断面设计流量的控制断面流量所对应的时间作为发生时间;
预警模块,用于根据所述超设计流量比例、发生概率和发生时间,确定是否启动预警。
根据本申请实施例的第三方面,提供一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的方法。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如第一方面所述方法的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果:
由上述实施例可知,本申请利用小流域地形地貌及前期降雨信息,通过灰色关联分析和多元回归模型,预报小流域山洪灾害并进行动态预警,该方法计算简便、效率高,实现了动态预警,可以较大的提高山洪灾害防御能力。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种小流域山洪灾害动态预报预警方法的流程图。
图2是根据一示例性实施例示出的一种小流域山洪灾害动态预报预警装置的框图。
图3是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
图1是根据一示例性实施例示出的一种小流域山洪灾害动态预报预警方法的流程图,如图1所示,可以包括以下步骤:
步骤S1:收集小流域地形地貌及前期降雨信息;
步骤S2:根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;
步骤S3:根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
步骤S4:根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新步骤S1中的前期降雨信息;
步骤S5:重复S1-S4,得到未来一段时间的控制断面流量;
步骤S6:将所述控制断面流量中的最大控制断面流量与断面设计流量进行比较,计算超设计流量比例;根据气象预报部门预报信息,确定发生概率;选取所述控制断面流量中第一个大于断面设计流量的控制断面流量所对应的时间作为预警历时;
步骤S7:根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警。
由上述实施例可知,本申请利用小流域地形地貌及前期降雨信息,通过灰色关联分析和多元回归模型,预报小流域山洪灾害并进行动态预警,该方法计算简便、效率高,可以较大的提高山洪灾害防御能力。
在步骤S1的具体实施中,收集小流域地形地貌及前期降雨信息;
具体地,所述小流域地形地貌信息包括小流域面积(A)、地形平均坡度(R)、河道主流长度(L)、河道平均坡降(J)和下垫面类型(α);所述前期降雨信息包括前期土壤湿度(Pat)、降雨开始至当前时刻累计降雨量(Pt)、当前时刻降雨强度(It)、当前时刻河道控制断面平均流量(Qt)。
更具体地,流域面积(A)、地形平均坡度(R)、河道主流长度(L)和河道平均坡降(J),根据流域数字高程模型,运用ArcGIS中的水文分析工具,以控制断面为出流点,提取出小流域面积(A)、地形平均坡度(R)、河道主流长度(L)和河道平均坡降(J)。
下垫面类型(α)利用流域遥感数据进行影像分析,归一化处理植被指数(NDVI)栅格,并计算完全覆盖占总面积比例,结合目估法确定小流域植被覆盖情况(m),浙江植被覆盖分为3类,分别是浙江Ⅱ类(植被较好)、浙江Ⅲ类(植被一般)和浙江Ⅳ类(植被较差)。
前期土壤湿度(Pat)根据小流域关联站点本次降雨开始前15天降雨量计算,公式如下:
当P累计,t<25mm,Pa,t-1=K×(Pa,t-2-It)
当P累计,t>25mm,Pa,t-1=K×(Pa,t-2+Pt,i-It)
式中,Pt,i为15天降雨中第i天降雨量,P累计,i为15天降雨中前i天累计降雨量,Pa,t-15为前期土壤含水量初始值,一般根据流域蓄水量情况确定;若Pa,t-1≥Wm,取Pa,t-1=Wm,表明流域已经蓄满,土壤含水量已经饱和。K值为土壤含水量日消退系数根据流域多年平均日蒸发与流域平均蓄水容量计算,为多年平均日蒸发,Wm为流域平均最大蓄水容量。
降雨开始至当前时刻累计降雨量(Pt),小流域关联站点从本次降雨开始到当前时刻的累计实测降雨量。
当前时刻降雨强度(It),小流域关联站点的实测1h降雨量。
当前时刻河道控制断面平均流量(Qt),所述流量计算需根据河道断面测量成果和时段平均水位,采用明渠均匀流水力计算方法,联合谢才公式和曼宁公式计算:
其中,Q为流量;A为过水面积;n为河道糙率,通过《水力计算手册》查得河道糙率n;R为水力半径;J河道为河道坡降,其中所述过水面积和水力半径为根据所述河道断面测量成果和时段平均水位。
在步骤S2的具体实施中,根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子。
具体地,以下一时刻控制断面流量(Qt+1)为因变量。采用SPSS软件,计算下一时刻控制断面流量(Qt+1)与小流域面积(A)、地形平均坡度(R)、河道主流长度(L)、河道平均坡降(J)和下垫面类型(α)、前期土壤湿度(Pa)、降雨开始至当前时刻累计降雨量(Pt)、当前时刻降雨强度(It)、当前时刻河道控制断面平均流量(Qt)的关联度。
灰色关联分析法首先需将各序列进行归一化处理得到自变量Xij(i为样本数,j=1,2,…,8),再计算各自变量与因变量Yi关联度ξi(k),计算公式为:
灰色关联度越大,说明相关性越强。根据关联度大小,选取i个相关性最强的因子作为显著影响因子。
各因子逻辑上相互独立,反应流域特征对控制断面流量的影响情况。
根据所述关联度的大小,选取i个相关性最强的自变量作为显著影响因子,i为正整数;
具体地,影响因子排序结果为:河道控制断面前1h平均流量(Qt)>当前时刻前1h降雨强度(It)>降雨开始至当前时刻累计降雨量(Pt)>小流域面积(A)>前期土壤湿度(Pa)>下垫面类型(α)>地形平均坡度(R)>河道平均坡降(J)>河道主流长度(L)。
利用灰色关联分析,对控制断面流量影响显著的因子,剔除影响不显著的因子,简化回归预测模型的分析,解决了小流域山洪灾害影响因素多的问题。
在步骤S3的具体实施中,根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
具体地,所述显著影响因子灰色关联度排序结果,确定i个自变量,采用多元线性回归分析得到回归公式:
式中,Qi+1为下一时刻小流域控制断面流量,Xi,t为第i个自变量,βi为第i个自变量的回归系数,ε为误差项。
根据决策者对流域了解程度,综合判断选取影响因子数量建立回归模型。
在步骤S4的具体实施中,根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新步骤S1中的前期降雨信息。
具体地,所述预报降雨信息采用气象部门门预报降雨信息,包括气象预报未来1h降雨量(I1,t+1)、未来3h降雨量(I3,t+i(i=1,2,3))、未来6h降雨量(I6,t+i(i=1,2,3,4,5,6))、未来24h降雨量(I24,t+i(i=1,2,…,24))及发生概率(ψ);
气象部门推送的预报降雨信息中,未来1h、3h、6h降雨量均为每间隔10分钟推送一次逐1h降雨过程及总量,未来24h降雨量为每天8:00和20:00推送一次逐1h降雨过程及总量。考虑短临预报降雨准确性略高,6h预报降雨过程计算如下:
第i小时降雨量:Pt+i=It+i(i=1,2,3,4,5,6)
24h预报降雨过程计算如下:
具体地,降雨发生概率采用气象预报部门预报降雨概率(ψ)。
所述下一时刻降雨状态包括前期土壤湿度(Pat+1)、降雨开始至当前时刻累计降雨量(Pt+1)、当前时刻前1h降雨强度(It+1),计算公式为:
Pat+1=min(Pat+It+1,Wm)
Pt+1=Pt+It+1
It+1=It+1
其中,Wm表示流域平均最大蓄水容量,Pat+It+1≥Wm,表明流域已经蓄满,土壤含水量已经饱和。
在步骤S5的具体实施中,重复S1-S4,得到未来一段时间的控制断面流量;
具体地,通过多元回归模型迭代计算得到控制断面流量过程,计算公式为:
其中j为气象预报降雨时长,Qt+1+j为第j个时刻的控制断面流量,Xi,t+j为第i个自变量第j个时刻值,βi为第i个自变量的回归系数,ε为误差项。
针对山洪灾害预报预见期短问题,利用气象预报降雨信息进行多步滚动预测,实现动态预报并预警,延长山洪灾害预警响应时间和准确度。
在步骤S6的具体实施中,根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警;
具体地,分别对超设计流量比例、发生概率和预警历时设定若干预警等级;这里预警等级可以划分为红色预警、黄色预警和蓝色预警。
根据降雨概率预报的定义情况:晴,概率0%为不可能出现降水;晴到多云,降水概率在10%~20%之间降水的可能性很小;多云、零星降水或局部有降水,概率在30%~50%之间时有机会出现降水;降水概率在60%~70%之间降水的可能性比较大;降水概率大于等于80%时,降水的可能性很大;降水概率是100%则肯定会出现降水。据此认为当降雨预报概率小于50%时,认为发生可能性小,50%~70%发生可能性一般,大于70%,发生可能性较大。
根据预报流量过程超设计流量小于20%,认为危险性不大,超设计流量20%~40%,认为危险性一般,大于40%,认为危险性较大。
根据预警历时,认为预警历时小于1小时,转移时间较短,预警历时1~3小时,转移时间较充足,预警历时大于3小时,转移时间很充分。
详见下表:
当超设计流量比例、发生概率和预警历时中有两个及两个以上在预警等级中警戒预警线以上的,启动预警;
具体地,当满足两个黄色预警等级及以上的情况下即启动预警,预警启动条件反应了流量、降雨发生概率和预警历时在决策者心中所占的比重,可能会因为事件的随机性导致决策不符合实际,甚至可能发生小概率事件。
与前述的小流域山洪灾害动态预报预警方法的实施例相对应,本申请还提供了小流域山洪灾害动态预报预警装置、电子设备的实施例。
图2是根据一示例性实施例示出的一种小流域山洪灾害动态预报预警装置框图。参照图2,该装置包括:
收集模块1,用于收集小流域地形地貌及前期降雨信息;
确定模块2,用于根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;
预报模块3,用于根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
数据更新模块4,用于根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新收集模块中的前期降雨信息;
迭代计算模块5,用于重复收集模块-计算更新模块,得到未来一段时间的控制断面流量;
分析模块6,用于将所述控制断面流量中的最大控制断面流量与断面设计流量进行比较,计算超设计流量比例;根据气象预报部门预报信息,确定发生概率;选取所述控制断面流量中第一个大于断面设计流量的控制断面流量所对应的时间作为发生时间;
预警模块7,用于根据所述超设计流量比例、发生概率和发生时间,确定是否启动预警。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
相应的,本申请还提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的小流域山洪灾害动态预报预警方法。如图3所示,为本发明实施例提供的一种小流域山洪灾害动态预报预警装置所在任意具备数据处理能力的设备的一种硬件结构图,除了图3所示的处理器、内存、DMA控制器、磁盘、以及非易失内存之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。
相应的,本申请还提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如上述的小流域山洪灾害动态预报预警方法。所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是风力发电机的外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card,SMC)、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员在考虑说明书及实践这里公开的内容后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种小流域山洪灾害动态预报预警方法,其特征在于,包括:
步骤S1:收集小流域地形地貌及前期降雨信息;
步骤S2:根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;
步骤S3:根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
步骤S4:根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新步骤S1中的前期降雨信息;
步骤S5:重复S1-S4,得到未来一段时间的控制断面流量;
步骤S6:将所述控制断面流量中的最大控制断面流量与断面设计流量进行比较,计算超设计流量比例;根据气象预报部门预报信息,确定发生概率;选取所述控制断面流量中第一个大于断面设计流量的控制断面流量所对应的时间作为预警历时;
步骤S7:根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警。
2.根据权利要求1所述的方法,其特征在于,所述小流域地形地貌信息包括小流域面积、地形平均坡度、河道主流长度、河道平均坡降和下垫面类型;
所述前期降雨信息包括前期土壤湿度、降雨开始至当前时刻累计降雨量、当前时刻降雨强度、当前时刻河道控制断面平均流量。
3.根据权利要求2所述的方法,其特征在于,根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子,包括:
以下一时刻小流域控制断面流量为因变量,以小流域面积、地形平均坡度、河道主流长度、河道平均坡降、下垫面类型、前期土壤湿度、降雨开始至当前时刻累计降雨量、当前时刻降雨强度、当前时刻河道控制断面平均流量为自变量;
使用灰色关联分析法,计算各自变量与因变量关联度;
根据所述关联度的大小,选取i个相关性最强的自变量作为显著影响因子,i为正整数。
4.根据权利要求1所述的方法,其特征在于,所述多元线性回归模型如下:
式中:Qt+1为下一时刻小流域控制断面流量,Xi,t为第i个自变量,βi为第i个自变量的回归系数,ε为误差项。
5.根据权利要求1所述的方法,其特征在于,所述气象预报部门预报信息包括气象预报未来1h降雨量、未来3h降雨量、未来6h降雨量、未来24h降雨量及发生概率。
6.根据权利要求1所述的方法,其特征在于,所述下一时刻的前期降雨信息包括前期土壤湿度Pat+1、降雨开始至当前时刻累计降雨量Pt+1、当前时刻前1h降雨强度It+1,计算公式为:
Pat+1=min(Pat+It+1,Wm)
Pt+1=Pt+It+1
It+1=It+1
其中,Wm表示流域平均最大蓄水容量,Pat+It+1≥Wm,表明流域已经蓄满,土壤含水量已经饱和。
7.根据权利要求1所述的方法,其特征在于,根据所述超设计流量比例、发生概率和预警历时,确定是否启动预警,包括:
分别对超设计流量比例、发生概率和预警历时设定若干预警等级;
当超设计流量比例、发生概率和预警历时中有两个及两个以上在预警等级中警戒预警线以上的,启动预警。
8.一种小流域山洪灾害动态预报预警装置,其特征在于,包括:
收集模块,用于收集小流域地形地貌及前期降雨信息;
确定模块,用于根据所述小流域地形地貌及前期降雨信息,选用灰色关联分析法确定对下一时刻小流域控制断面流量有显著影响的因子;
预报模块,用于根据所述因子,建立多元线性回归模型来模拟预报下一时刻控制断面流量;
数据更新模块,用于根据气象预报部门预报信息,计算下一时刻的前期降雨信息,以更新收集模块中的前期降雨信息;
迭代计算模块,用于重复收集模块-计算更新模块,得到未来一段时间的控制断面流量;
分析模块,用于将所述控制断面流量中的最大控制断面流量与断面设计流量进行比较,计算超设计流量比例;根据气象预报部门预报信息,确定发生概率;选取所述控制断面流量中第一个大于断面设计流量的控制断面流量所对应的时间作为发生时间;
预警模块,用于根据所述超设计流量比例、发生概率和发生时间,确定是否启动预警。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410068204.2A CN117975670A (zh) | 2024-01-17 | 2024-01-17 | 小流域山洪灾害动态预报预警方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410068204.2A CN117975670A (zh) | 2024-01-17 | 2024-01-17 | 小流域山洪灾害动态预报预警方法及装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117975670A true CN117975670A (zh) | 2024-05-03 |
Family
ID=90847078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410068204.2A Pending CN117975670A (zh) | 2024-01-17 | 2024-01-17 | 小流域山洪灾害动态预报预警方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117975670A (zh) |
-
2024
- 2024-01-17 CN CN202410068204.2A patent/CN117975670A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111680912B (zh) | 一种旱涝急转风险评估方法 | |
Boucher et al. | A comparison between ensemble and deterministic hydrological forecasts in an operational context | |
CN108416049B (zh) | 一种高寒山区流域雨雪混合产流计算方法 | |
Adhikary et al. | Groundwater drought assessment for barind irrigation project in Northwestern Bangladesh | |
CN110533258B (zh) | 一种稻麦轮作农田涝渍预警评估方法及系统 | |
Tang et al. | Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization | |
Schneider et al. | Large scale modelling of bankfull flow: An example for Europe | |
CN115471078B (zh) | 一种基于城市水务系统的洪涝风险点评估方法及装置 | |
Hanson et al. | Ground water/surface water responses to global climate simulations, Santa Clara‐Calleguas Basin, Ventura, California 1 | |
CN115169069A (zh) | 基于大数据的城市内涝预测方法 | |
CN112036683A (zh) | 一种适用于未来气候变化情景下的水库防洪风险预估方法 | |
CN117871423A (zh) | 一种小流域输沙率遥感估算方法及系统 | |
CN117975670A (zh) | 小流域山洪灾害动态预报预警方法及装置、电子设备 | |
CN115619045B (zh) | 一种河口潮差预报方法和系统 | |
CN115329610B (zh) | 一种基于土壤水分的旱涝急转事件识别方法、装置及设备 | |
CN115644039B (zh) | 基于农业系统模型的灌溉决策系统及方法 | |
CN110596345A (zh) | 一种旱涝急转标准的计算方法 | |
CN116643328A (zh) | 一种基于网络预报的城市内涝预报方法 | |
Fouli et al. | Seasonal forecasting of rainfall and runoff volumes in Riyadh Region, KSA | |
CN113589404A (zh) | 一种场次暴雨径流量预测方法 | |
CN115731510A (zh) | 洪水全自动在线滚动趋势预报方法及装置、电子设备 | |
CN114722744A (zh) | 一种平原流域设计暴雨和潮位协调性的评估方法及系统 | |
CN115293469B (zh) | 一种城市防洪排涝风险预测方法 | |
CN116070955B (zh) | 一种用于山洪沟流域的区域可能最大降雨确定方法 | |
Butts et al. | Flood forecasting for the upper and middle Odra River basin |
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 |