CN108416468B - 一种洪水超前预警预报方法 - Google Patents

一种洪水超前预警预报方法 Download PDF

Info

Publication number
CN108416468B
CN108416468B CN201810128280.2A CN201810128280A CN108416468B CN 108416468 B CN108416468 B CN 108416468B CN 201810128280 A CN201810128280 A CN 201810128280A CN 108416468 B CN108416468 B CN 108416468B
Authority
CN
China
Prior art keywords
rainstorm
historical
current
flood
index
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
CN201810128280.2A
Other languages
English (en)
Other versions
CN108416468A (zh
Inventor
肖章玲
吴亚琪
梁忠民
李彬权
王军
胡义明
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201810128280.2A priority Critical patent/CN108416468B/zh
Publication of CN108416468A publication Critical patent/CN108416468A/zh
Application granted granted Critical
Publication of CN108416468B publication Critical patent/CN108416468B/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
    • 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
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种洪水超前预警预报方法，基于总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标的暴雨相似性综合度量方法，在历史场次暴雨中寻找相似暴雨及其对应的典型洪水过程，再根据暴雨量比值对典型洪水过程进行缩放，以此实现洪水的超前预警预报。本发明能够随着暴雨洪水过程信息的增加，逐时段预报的洪水过程不断更新，预报精度呈逐步上升，从而获得了较长的预见期，可为水库调度提供决策支持。

Description

一种洪水超前预警预报方法
技术领域
本发明属于水文水资源与数据挖掘交叉领域，涉及一种洪水超前预警预报方法。
背景技术
随着我国水利设施的建设，水文基础资料也逐渐丰富。如何利用历史暴雨洪水资料，挖掘暴雨洪水的相似性一直是水文相似性研究的热点问题。长期水文观测资料中蕴藏着大量的水文规律信息，研究当前暴雨洪水与历史场次暴雨洪水之间的相似性，有效利用历史上类似暴雨洪水的发展演化信息，实现实时洪水的超前预警预报，是洪水预报的新途径。
暴雨洪水序列属于时间序列。目前，有学者借鉴时间序列相似性度量技术进行水文过程相似性研究。时间序列相似性度量方法有欧式距离、动态时间弯曲距离、斜率距离、符号化距离、最长公共子序列度量等。但大多数研究者都是从整场洪水信息出发，洪水全部过程结束后才能获得相关信息，无法为水库实时调度提供技术支持，例如万新宇等根据洪水历时、洪峰流量、洪峰出现时间等10项洪水特征指标，采用主成分分析的方法进行洪水相似性分析；欧阳如琳等采用动态时间扭曲距离法对研究站点220场洪水流量过程进行相似性搜索。实际上，暴雨洪水的形成是一个逐步演化的过程，随着洪水过程的推进，得到的洪水信息越多，越有利于预估未来的暴雨洪水发展情势，从而延长实时预报预见期，为实时洪水超前预报预警提供决策参考。目前，还没有比较准确和快速的洪水超前预警预报的方法，所以还不能根据洪水的信息预估未来的暴雨洪水的发展情势。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供了一种能够准确的对洪水进行预估的洪水超前预警预报方法。
发明内容：为解决上述技术问题，本发明一种洪水超前预警预报方法，包括以下步骤：
步骤1：实时采集研究区域的N个雨量站的降雨量，并采用算术平均法计算面雨量；
步骤2：将步骤1采集到的研究区域的当前暴雨数据与R场历史暴雨的数据进行对比：分别计算研究区域的当前暴雨与每场历史暴雨的总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标；
步骤3：计算研究区域的当前暴雨数据与每场历史暴雨数据的相似性综合度量指标，从而找出与当前暴雨过程相似程度最高的某一场历史暴雨；
步骤4：根据步骤3获得的结果找出某一场历史暴雨及其对应的典型洪水过程，根据暴雨量比值对典型洪水过程进行缩放，得到预报洪水过程；其中，历史暴雨对应的洪水过程可根据该历史相似暴雨从水文数据库或年鉴中获取。
其中，所述步骤2中研究区域的当前暴雨与每场历史暴雨在前T时段内总量相似指标的计算方法为：根据公式
Figure BDA0001574118590000021
计算当前暴雨与每场历史暴雨的总量相似指标quantity(X,Y)，其中，X表示当前暴雨过程，Y表示历史暴雨过程，T表示对比时长，t表示时刻，Xt表示当前暴雨在t时刻的面雨量；Yt表示历史暴雨在t时刻的面雨量。
所述步骤2中的当前暴雨与每场历史暴雨在前T时段内的过程相似指标的计算方法为：根据process(t)＝(Xt-Xt+1)/(Yt-Yt+1)和
Figure BDA0001574118590000022
获知当前暴雨与历史暴雨的过程相似指标
Figure BDA0001574118590000023
其中process(t)表示两场降雨随时间变化趋势的一致性，process(t)≤0表示两场降雨随时间变化趋势不一致，process(t)＞0表示两场降雨随时间变化趋势一致；H(t)表示在t时刻当前暴雨与历史暴雨的相似度。
所述步骤2中研究区域的当前暴雨与每场历史暴雨在前T时段内的堆土机距离指标的计算方法为：根据公式
Figure BDA0001574118590000024
计算当前暴雨与每场历史暴雨的堆土机距离指标EMD(X,Y)，其中dij表示第i时刻的当前暴雨X与第j时刻的历史暴雨Y之间的距离，dij＝abs(i-j)，即如果移动同时刻的暴雨量则距离近，移动时间差距越大的暴雨量则距离越远，例如将当前暴雨第1时刻的暴雨量转移一部分到历史暴雨的第2时刻，距离为1，若转移到历史暴雨的第2时刻，距离为2。其中fij表示将第i时刻的当前暴雨X转移一部分暴雨量到第j时刻的历史暴雨Y所耗费的代价(运费)，fij＝abs(Xi-Yj)，即fij为第i时刻的当前暴雨X与第j时刻的历史暴雨Y之间的暴雨量差距。
所述步骤2中研究区域的当前暴雨与每场历史暴雨的暴雨分布相似指标的计算方法为：根据公式
Figure BDA0001574118590000031
计算当前暴雨与历史暴雨的暴雨分布相似指标Euclidean，其中，
Figure BDA0001574118590000032
表示当前暴雨中第k个雨量站在t时刻的降雨量；
Figure BDA0001574118590000033
表示历史暴雨中第k个雨量站在t时刻的降雨量。
所述步骤3中计算暴雨相似性综合度量指标的方法为：采用离差标准化方法，将计算得到的原始指标分别映射到[0,1]区间：其中，原始指标包括步骤2中计算得到的研究区域的当前暴雨与历史暴雨的总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标四种；共有R场历史暴雨，则第r(r＝1,2,…,R)场历史暴雨与当前暴雨X离差标准化后的相似指标值为：
Figure BDA0001574118590000034
其中，xs(r)为第r场历史暴雨与当前暴雨X的第s种原始指标值，
Figure BDA0001574118590000035
为第r场历史暴雨与当前暴雨X的第s种原始指标进行标准化后的指标值，xsmax(r)为第r场历史暴雨与当前暴雨X的第s种原始指标值中的最大值，xsmin(r)为第r场历史场暴雨与当前暴雨X的第s种原始指标值中的最小值；再根据公式
Figure BDA0001574118590000036
暴雨相似性综合度量指标W；其中，
Figure BDA0001574118590000037
为第s个标准化指标值；M为评价指标个数，即为原始指标的种类个数。
所述步骤4中根据暴雨量比值对典型洪水过程进行缩放，得到预报洪水过程的方法为：根据公式
Figure BDA0001574118590000038
计算获得预报洪水过程Q(t)，P当前暴雨为当前暴雨的暴雨量，P相似暴雨为相似的历史暴雨的暴雨量，Q相似(t)为相似的历史暴雨所对应的洪水过程。
工作原理：本发明提出基于总量相似指标、过程相似指标、堆土机距离(EarthMover’s Distance,EMD)指标和暴雨分布相似指标的暴雨相似性综合度量方法，在历史场次暴雨中寻找相似暴雨及其对应的典型洪水过程，再根据暴雨量比值对典型洪水过程进行缩放，以此实现洪水的超前预警预报。
有益效果：与现有技术相比，本发明不需要等整场暴雨洪水过程结束去进行相似性搜索，而是随着暴雨洪水过程信息的增加，逐时段预报的洪水过程不断更新，预报精度呈逐步上升，从而获得了较长的预见期，可为水库调度提供决策支持。
附图说明
图1是本发明提供方法的流程图；
图2是实施例中19960810号与20040811号场次降雨过程对比图；
图3是实施例20040811场次预报洪水过程图；其中，以前5个时段降雨为研究对象；
图4是实施例中19840704号与20040811号场次降雨过程图对比图；
图5是实施例20040811场次预报洪水过程图，其中，以前10个时段降雨为研究对象。
具体实施方式
下面结合附图对本发明的技术方案作进一步解释。
如图1所示，本发明提供了一种洪水超前预警预报方法，包括如下步骤：
步骤1：实时采集研究区域N个雨量站的降雨量，并采用算术平均法计算面雨量；面雨量能够通过对各站点降雨量求平均或者加权平均得到的。
步骤2：将步骤1采集到的研究区域的当前暴雨数据与R场历史暴雨的数据进行对比：分别计算研究区域的当前暴雨与每场历史暴雨的总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标；
步骤21：根据公式
Figure BDA0001574118590000041
计算当前暴雨与每场历史暴雨的总量相似指标quantity(X,Y)，其中，X表示当前暴雨过程，Y表示历史暴雨过程，T表示对比时长，t表示时刻，Xt表示当前暴雨在t时刻的面雨量；Yt表示历史暴雨在t时刻的面雨量。该指标从累积降雨量的角度描述两场降雨的相似程度。若quantity(X,Y)值越小，表示两场降雨累积降雨量相近，即越相似；若quantity(X,Y)值越大，表示两场降雨累积降雨量差异越大，从总量相似指标来看，相似程度越低。
步骤22：根据process(t)＝(Xt-Xt+1)/(Yt-Yt+1)和
Figure BDA0001574118590000051
获知当前暴雨与历史暴雨的过程相似指标
Figure BDA0001574118590000052
其中process(t)表示两场降雨随时间变化趋势的一致性，process(t)≤0表示两场降雨随时间变化趋势不一致，process(t)＞0表示两场降雨随时间变化趋势一致；H(t)表示在t时刻当前暴雨与历史暴雨的相似度。若两场降雨在第t时刻的变化趋势一致，即同时升高或同时降低，则process(t)＞0，并记H(t)为1；反之记为0。当前暴雨与历史暴雨的降雨的相似度可用累积单位阶跃函数
Figure BDA0001574118590000053
来描述，其值越大表示两场降雨随时程趋势一致，反之亦然。
步骤23：根据公式
Figure BDA0001574118590000054
计算当前暴雨与每场历史暴雨的堆土机距离指标EMD(X,Y)，其中dij表示第i时刻的当前暴雨X与第j时刻的历史暴雨Y之间的距离，dij＝abs(i-j)，即如果移动同时刻的暴雨量则距离近，移动时间差距越大的暴雨量则距离越远，例如将当前暴雨第1时刻的暴雨量转移一部分到历史暴雨的第2时刻，距离为1，若转移到历史暴雨的第2时刻，距离为2。其中fij表示将第i时刻的当前暴雨X转移一部分暴雨量到第j时刻的历史暴雨Y所耗费的代价(运费)，fij＝abs(Xi-Yj)，即fij为第i时刻的当前暴雨X与第j时刻的历史暴雨Y之间的暴雨量差距。
步骤24：根据公式
Figure BDA0001574118590000055
计算当前暴雨与历史暴雨的暴雨分布相似指标Euclidean，其中，
Figure BDA0001574118590000056
表示当前暴雨中第k个雨量站在t时刻的降雨量；
Figure BDA0001574118590000057
表示历史暴雨中第k个雨量站在t时刻的降雨量。该指标能够一定程度上刻画暴雨空间分布差异，当Euclidean越小，表示两场降雨空间分布差异较小，相似程度越高；Euclidean越大，则表示两场降雨空间分布差异较大，相似程度越低。
步骤3：计算暴雨相似性综合度量指标，据此找出与当前暴雨过程相似程度最高的历史暴雨场次。采用离差标准化方法，将计算得到的原始指标分别映射到[0,1]区间：其中，原始指标包括步骤2中计算得到的研究区域的当前暴雨与历史暴雨的总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标四种；共有R场历史暴雨，则第r(r＝1,2,…,R)场历史暴雨与当前暴雨X离差标准化后的相似指标值为：
Figure BDA0001574118590000061
其中，xs(r)为第r场历史暴雨与当前暴雨X的第s种原始指标值，
Figure BDA0001574118590000062
为第r场历史暴雨与当前暴雨X的第s种原始指标进行标准化后的指标值，xsmax(r)为第r场历史暴雨与当前暴雨X的第s种原始指标值中的最大值，xsmin(r)为第r场历史场暴雨与当前暴雨X的第s种原始指标值中的最小值；再根据公式
Figure BDA0001574118590000063
暴雨相似性综合度量指标W；其中，
Figure BDA0001574118590000064
为第s个标准化指标值；M为评价指标个数，即为原始指标的种类个数。
步骤4：根据步骤3获得的结果找出相似的历史暴雨及其对应的典型洪水过程，根据暴雨量比值对典型洪水过程进行缩放，得到预报洪水过程。一般来说，某场暴雨过程都有相应的洪水过程，均记载在水文数据库或水文年鉴中。
根据暴雨量比值对典型洪水过程进行缩放，得到预报洪水过程：
Figure BDA0001574118590000065
其中，Q(t)为预报洪水过程，P相似暴雨为相似的历史暴雨的暴雨量，Q相似(t)为相似的历史暴雨所对应的洪水过程。
实施例：现有某一水文观测站点1981～2007年共85场历史暴雨洪水过程资料。依据本发明提供的方法，以20040811号暴雨洪水作为实时暴雨洪水进行预报，过程如下：
(1)以该站20040811号前5个时段的降雨过程为研究对象，与历史上各场次洪水相比较，寻找与其相似洪水，暴雨相似性综合度量指标排名靠前的各相似性指标值见表1。最终寻找到19960810与20040811在前五个时段的降雨过程具有较高程度的相似性，降雨过程如图2所示，实测洪水与预报洪水过程如图3所示。
表1 20040811号暴雨相似性指标分析结果(前5个时段)
Figure BDA0001574118590000071
(2)以该站20040811号场次前10个时段的降雨过程为研究对象，与历史上各场次洪水相比较，寻找与其相似洪水，暴雨相似性综合度量指标排名靠前的各相似性指标值见表2。最终寻找到19840704与20040811在前五个时段的降雨过程具有一定程度上的相似性，降雨过程如图4所示，实测洪水与预报洪水过程如图5所示。
表2 20040811号暴雨相似性指标分析结果(前10个时段)
Figure BDA0001574118590000072
Figure BDA0001574118590000081
当只输入前5个时段降雨时，20040811号降雨在历史降雨场次中与19960810号降雨匹配的相似程度较高，但预报洪峰值偏高；当输入前10个时段降雨时，20040811号降雨在历史降雨场次中与19840704号降雨匹配的相似程度较高，但预报洪峰值与实测洪峰值接近。从前述5、10个时段的预报结果来看，随着暴雨洪水过程信息的增加，逐时段预报的洪水过程不断更新，预报精度呈逐步上升趋势。由此可见，本发明能够精准的对洪水进行超前预报和预警，应用效果更好。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种洪水超前预警预报方法，其特征在于：包括以下步骤：
步骤1：实时采集研究区域的N个雨量站的降雨量，并采用算术平均法计算面雨量；
步骤2：将步骤1采集到的研究区域的当前暴雨数据与R场历史暴雨的数据进行对比：分别计算研究区域的当前暴雨与每场历史暴雨的总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标；
步骤3：计算研究区域的当前暴雨数据与每场历史暴雨数据的相似性综合度量指标，从而找出与当前暴雨过程相似程度最高的某一场历史暴雨；
所述步骤3中计算暴雨相似性综合度量指标的方法为：采用离差标准化方法，将计算得到的原始指标分别映射到[0,1]区间：其中，原始指标包括步骤2中计算得到的研究区域的当前暴雨与历史暴雨的总量相似指标、过程相似指标、堆土机距离指标和暴雨分布相似指标四种；根据公式
Figure FDA0003095052430000011
计算获得第r场历史暴雨与当前暴雨X的第s种原始指标进行标准化后的指标值
Figure FDA0003095052430000012
其中，xs(r)为第r场历史暴雨与当前暴雨X的第s种原始指标值，xsmax(r)为第r场历史暴雨与当前暴雨X的第s种原始指标值中的最大值，xsmin(r)为第r场历史场暴雨与当前暴雨X的第s种原始指标值中的最小值；再根据公式
Figure FDA0003095052430000013
暴雨相似性综合度量指标W；其中，
Figure FDA0003095052430000014
为第s个标准化指标值；M为评价指标个数，即为原始指标的种类个数；
步骤4：根据步骤3获得的结果找出相似暴雨及其对应的典型洪水过程，根据暴雨量比值对典型洪水过程进行缩放，得到预报洪水过程。
2.根据权利要求1所述的洪水超前预警预报方法，其特征在于：所述步骤2中研究区域的当前暴雨与每场历史暴雨在前T时段内总量相似指标的计算方法为：根据公式
Figure FDA0003095052430000015
计算当前暴雨与每场历史暴雨的总量相似指标quantity(X,Y)，其中，X表示当前暴雨过程，Y表示历史暴雨过程，T表示对比时长，t表示时刻，Xt表示当前暴雨在t时刻的面雨量；Yt表示历史暴雨在t时刻的面雨量。
3.根据权利要求1所述的洪水超前预警预报方法，其特征在于：所述步骤2中的当前暴雨与历史暴雨的过程相似指标的计算方法为：根据process(t)＝(Xt-Xt+1)/(Yt-Yt+1)和
Figure FDA0003095052430000021
获知当前暴雨与历史暴雨的过程相似指标
Figure FDA0003095052430000022
其中process(t)表示两场降雨随时间变化趋势的一致性，process(t)≤0表示两场降雨随时间变化趋势不一致，process(t)＞0表示两场降雨随时间变化趋势一致；H(t)表示在t时刻当前暴雨与历史暴雨的相似度。
4.根据权利要求1所述的洪水超前预警预报方法，其特征在于：所述步骤2中的当前暴雨与历史暴雨的堆土机距离指标的计算方法为：根据公式
Figure FDA0003095052430000023
计算当前暴雨与每场历史暴雨的堆土机距离指标EMD(X,Y)，其中，dij表示第i时刻的当前暴雨X与第j时刻的历史暴雨Y之间的距离，dij＝abs(i-j)；fij表示将第i时刻的当前暴雨X转移一部分暴雨量到第j时刻的历史暴雨Y所耗费的代价，fij＝abs(Xi-Yj)。
5.根据权利要求1所述的洪水超前预警预报方法，其特征在于：所述步骤2中的当前暴雨与历史暴雨的暴雨分布相似指标的计算方法为：根据公式
Figure FDA0003095052430000024
计算当前暴雨与历史暴雨的暴雨分布相似指标Euclidean，其中，
Figure FDA0003095052430000025
表示当前暴雨中第k个雨量站在t时刻的降雨量；Yt k表示历史暴雨中第k个雨量站在t时刻的降雨量。
6.根据权利要求1所述的洪水超前预警预报方法，其特征在于：所述步骤4中根据暴雨量比值对典型洪水过程进行缩放，得到预报洪水过程的方法为：根据公式
Figure FDA0003095052430000026
计算获得预报洪水过程Q(t)；，P当前暴雨为当前暴雨的暴雨量，P相似暴雨为相似的历史暴雨的暴雨量，Q相似(t)为相似暴雨相应的典型洪水过程。
CN201810128280.2A 2018-02-08 2018-02-08 一种洪水超前预警预报方法 Active CN108416468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810128280.2A CN108416468B (zh) 2018-02-08 2018-02-08 一种洪水超前预警预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810128280.2A CN108416468B (zh) 2018-02-08 2018-02-08 一种洪水超前预警预报方法

Publications (2)

Publication Number Publication Date
CN108416468A CN108416468A (zh) 2018-08-17
CN108416468B true CN108416468B (zh) 2021-11-12

Family

ID=63128007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810128280.2A Active CN108416468B (zh) 2018-02-08 2018-02-08 一种洪水超前预警预报方法

Country Status (1)

Country Link
CN (1) CN108416468B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886818A (zh) * 2019-01-14 2019-06-14 成都数保科技有限公司 一种基于大数据的医疗保险业务数据准确分析***
CN111027763B (zh) * 2019-12-06 2020-07-31 中国水利水电科学研究院 一种基于机器学习的流域洪水响应相似性分析方法
CN111639810B (zh) * 2020-06-01 2023-05-09 宁波市水利水电规划设计研究院有限公司 一种基于防汛需求的降雨预报精度评估方法
CN111898831B (zh) * 2020-08-06 2022-11-08 长江水利委员会水文局 一种实时洪水概率预报实用化方法
CN111932023B (zh) * 2020-08-21 2023-04-07 四川大学 一种基于典型设计洪水过程线的小流域短期洪水预报方法
CN113204865B (zh) * 2021-04-15 2022-10-11 武汉大学 基于本征正交分解的城市设计暴雨雨型推求方法及***
CN115188163B (zh) * 2022-07-08 2023-08-29 黄河勘测规划设计研究院有限公司 一种基于暴雨与洪水相似性的洪水预警方法及***
CN117313911A (zh) * 2023-05-30 2023-12-29 中国水利水电科学研究院 一种基于降雨特征识别的洪水预报方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090974A (zh) * 2014-07-18 2014-10-08 河海大学 展延水库后续来水的动态数据挖掘方法及***
CN106529176A (zh) * 2016-11-11 2017-03-22 中国水利水电科学研究院 一种双核双驱洪水预报方法
CN107491903A (zh) * 2017-09-27 2017-12-19 河海大学 一种基于数据挖掘‑相似性理论的洪水预报方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104090974A (zh) * 2014-07-18 2014-10-08 河海大学 展延水库后续来水的动态数据挖掘方法及***
CN106529176A (zh) * 2016-11-11 2017-03-22 中国水利水电科学研究院 一种双核双驱洪水预报方法
CN107491903A (zh) * 2017-09-27 2017-12-19 河海大学 一种基于数据挖掘‑相似性理论的洪水预报方法

Also Published As

Publication number Publication date
CN108416468A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN108416468B (zh) 一种洪水超前预警预报方法
CN112070286B (zh) 复杂地形流域的降水预报预警***
CN104376384B (zh) 一种基于电力大数据分析的台风日最大日负荷预测***
CN111582755A (zh) 一种基于多维度集合信息山洪灾害综合风险动态评估方法
CN105741549B (zh) 一种基于空间copula理论的交通流量预测方法
CN114611834B (zh) 一种基于多维特征分析的电力发电站选址评估规划方法
CN105759274B (zh) 一种台风关注区雷达降水估测方法
CN110274656B (zh) 一种城市内河水位预报预警方法
CN113361742A (zh) 一种基于水文模拟的区域综合干旱识别方法
CN110134907B (zh) 一种降雨缺失数据填补方法、***及电子设备
CN113065090B (zh) 一种区域农田灌溉用水量分析计算方法
CN108388957A (zh) 一种基于多特征融合技术的中小河流洪水预报方法及其预报***
CN115689293B (zh) 一种基于压力-状态-响应框架的城市内涝韧性评估方法
CN113705931B (zh) 一种利用k最邻近法预测径流要素的方法
CN113435630A (zh) 一种产流模式自适应的流域水文预报方法及***
CN115203625A (zh) 一种旱涝指数数据缺失值插补方法及其插补装置
CN112052602A (zh) 一种应用于山区小流域设计暴雨量时程分配计算方法
Coombes et al. The relative efficiency of water supply catchments and rainwater tanks in cities subject to variable climate and the potential for climate change
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
CN107507396A (zh) 一种降雨型滑坡危险性三维多点位多指标的预警方法
CN113779113A (zh) 基于雨洪时空过程相似性挖掘的洪水动态预估方法及***
CN117593657A (zh) 一种精细化气象预报数据处理方法、***及可读存储介质
CN110717233B (zh) 一种基于gis下垫面解析的雨水管网流量计算方法及***
Parchure et al. Probability distribution analysis of extreme rainfall events in a flood-prone region of Mumbai, India
CN111178573A (zh) 一种基于灰色关联分析法的洪水动态预测方法

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