CN117454122B - 基于定点定面关系的山洪灾害雨量预警分析方法及装置 - Google Patents
基于定点定面关系的山洪灾害雨量预警分析方法及装置 Download PDFInfo
- Publication number
- CN117454122B CN117454122B CN202311785657.9A CN202311785657A CN117454122B CN 117454122 B CN117454122 B CN 117454122B CN 202311785657 A CN202311785657 A CN 202311785657A CN 117454122 B CN117454122 B CN 117454122B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- point
- area
- region
- calculating
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 58
- 230000009467 reduction Effects 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 21
- 238000003491 array Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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
- 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Hydrology & Water Resources (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种基于定点定面关系的山洪灾害雨量预警分析方法及装置,应用于数据处理技术领域,其方法包括:获取待分析区域的区域信息和目标划分层级,其中,区域信息包括区域面积和区域形状;基于区域面积、区域形状和目标划分层级确定待分析区域的区域中心点和区域面;获取区域中心点的点降雨量,基于点降雨量计算点降雨相关值;获取区域面中的测量站点的站点雨量,基于站点雨量计算面降雨相关值,其中,站点雨量采集的起始时间与点降雨量采集的起始时间相同;基于点降雨相关值和面降雨相关值计算得到点面折减参数;基于点面折减参数生成待分析区域的预警指标等值线图。本申请具有快速准确的进行预警分析的效果。
Description
技术领域
本申请涉及数据处理的技术领域,尤其是涉及一种基于定点定面关系的山洪灾害雨量预警分析方法及装置。
背景技术
山洪灾害防御是我国防洪减灾工作的难点和薄弱环节,我国山丘区面积约占国土面积的2/3,强降雨引发的山洪灾害频发多发重发,导致大量人员伤亡。
山洪灾害预警指标是山洪灾害防治项目中的一项成果,预警指标的分析计算是一个复杂的过程。现有的预警指标都为面雨量,而站点的监测雨量为点雨量,两个形式并不匹配,并且现有的预警指标计算需要的做大量的前期工作,比如外业测量,收集当地暴雨洪水资料等,且计算方法繁琐复杂,涉及到复杂的流域设计、暴雨洪水的计算和水位流量关系的计算,并且预警指标的复核难度很大,因此难以快速准确的进行预警分析。
发明内容
为了快速准确的进行预警分析,本申请提供一种基于定点定面关系的山洪灾害雨量预警分析方法及装置。
第一方面,本申请提供一种A基于定点定面关系的山洪灾害雨量预警分析方法,采用如下的技术方案:
一种基于定点定面关系的山洪灾害雨量预警分析方法,包括:
获取待分析区域的区域信息和目标划分层级,其中,所述区域信息包括区域面积和区域形状;
基于所述区域面积、所述区域形状和所述目标划分层级确定所述待分析区域的区域中心点和区域面;
获取所述区域中心点的点降雨量,基于所述点降雨量计算点降雨相关值;
获取所述区域面中的测量站点的站点雨量,基于所述站点雨量计算面降雨相关值,其中,所述站点雨量采集的起始时间与所述点降雨量采集的起始时间相同;
基于所述点降雨相关值和所述面降雨相关值计算得到点面折减参数;
基于所述点面折减参数生成待分析区域的预警指标等值线图。
通过采用上述技术方案,根据待分析区域的区域信息和目标划分层级将整个待分析区域划分为多个区域面和一个区域中心点,即多个区域面的中心点为同一个,然后以历史的降雨数据为基础确定出区域中心点的点降雨相关值和每个区域面的面降雨相关值,使用点降雨相关值和面降雨相关值能够得出定点定面法的计算点面折减参数,建立定点定面关系,在进行分析时,分析的位置在待分析区域内,使用该点面关系计算面雨量偏差较小,精度较高,从而快速准确的进行预警分析的需求。
可选的,所述基于所述区域面积、所述区域形状和所述目标划分层级确定所述待分析区域的区域中心点和区域面包括:
获取所述待分析区域中心位置的测量站点,将所述中心位置的测量站点作为区域中心点;
基于所述区域形状和预设划分规则确定待分析区域的划分形状;
基于所述区域面积和所述目标划分等级确定增长间距,基于所述增长间距和所述区域中心点进行同中心划分,生成多个面积不同的区域面。
可选的,所述获取所述区域中心点的点降雨量,基于所述点降雨量计算点降雨相关值包括:
获取预设计算年限的历史降雨量;
基于所述预设计算年限按照预设取值时段在所述历史降雨量中进行选取,生成多个最大降雨量观测数列,其中,每一个预设取值时段对应有一个最大降雨量观测数列;
基于P-Ⅲ型曲线概率密度函数对每个所述最大降雨量观测数列中的时段最大降雨量进行点降雨相关值计算。
可选的,所述基于所述预设计算年限按照所述预设取值时段在所述历史降雨量中进行选取包括:
将所述预设计算年限中的目标使用年的历史降雨量按照采集时间进行排列,生成降雨序列;
按照预设取值时段在所述降雨序列中进行所述预设取值时段的最大值的选取。
可选的,所述获取所述区域面中的测量站点的站点雨量,基于所述站点雨量计算面降雨相关值包括:
计算所述站点雨量在所述预设取值时段的平均值,将所述平均值作为面雨量;
将所述面雨量按照所述预设计算年限和所述预设取值时段进行划分,生成多个面雨量观测数列;
基于P-Ⅲ型曲线概率密度函数对每个所述面雨量观测数列中的面雨量进行面降雨相关值计算。
可选的,所述基于所述点降雨相关值和所述面降雨相关值计算得到点面折减参数包括:
计算每个降雨面中所述点降雨频域和所述面降雨相关值的点面折减系数;
获取所述降雨面面积,基于所述折减系数和拟合公式计算得到点面折减参数,其中,η为点面折减系数,A为降雨面面积;C、N为点面折减参数。
可选的,所述基于所述点面折减参数生成待分析区域的预警指标等值线图包括:
获取所述待分析区域内目标分析对象的位置信息和所述目标分析对象的面雨量预警指标;
基于所述位置信息确定所述目标分析对象的所在区域面;
获取所述所在区域面的点面折减参数,将所述所在区域面的点面折减参数作为目标点面折减参数;
基于所述面雨量预警指标和所述目标点面折减参数计算所述目标分析对象的对象点雨量;
基于所述待分析区域内全部的对象点雨量绘制生成预警指标等值线图。
第二方面,本申请提供一种基于定点定面关系的山洪灾害雨量预警分析装置,采用如下的技术方案:
一种基于定点定面关系的山洪灾害雨量预警分析装置,包括:
区域信息获取模块,用于获取待分析区域的区域信息和目标划分层级,其中,所述区域信息包括区域面积和区域形状;
区域点面确定模块,用于基于所述区域面积、所述区域形状和所述目标划分层级确定所述待分析区域的区域中心点和区域面;
点雨数值计算模块,用于获取所述区域中心点的点降雨量,基于所述点降雨量计算点降雨相关值;
面雨数值计算模块,用于获取所述区域面中的测量站点的站点雨量,基于所述站点雨量计算面降雨相关值,其中,所述站点雨量采集的起始时间与所述点降雨量采集的起始时间相同;
折减参数计算模块,用于基于所述点降雨相关值和所述面降雨相关值计算得到点面折减参数;
预警线图生成模块,用于基于所述点面折减参数生成待分析区域的预警指标等值线图。
通过采用上述技术方案,根据待分析区域的区域信息和目标划分层级将整个待分析区域划分为多个区域面和一个区域中心点,即多个区域面的中心点为同一个,然后以历史的降雨数据为基础确定出区域中心点的点降雨相关值和每个区域面的面降雨相关值,使用点降雨相关值和面降雨相关值能够得出定点定面法的计算点面折减参数,建立定点定面关系,在进行分析时,分析的位置在待分析区域内,使用该点面关系计算面雨量偏差较小,精度较高,从而快速准确的进行预警分析的需求。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括处理器,所述处理器与存储器耦合;
所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行第一方面任一项所述的基于定点定面关系的山洪灾害雨量预警分析方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面任一项所述的基于定点定面关系的山洪灾害雨量预警分析方法的计算机程序。
附图说明
图1是本申请实施例提供的一种基于定点定面关系的山洪灾害雨量预警分析方法的流程示意图。
图2是本申请实施例提供的一种区域面划分方式举例的结构框图。
图3是本申请实施例提供的一种基于定点定面关系的山洪灾害雨量预警分析装置的结构框图。
图4是本申请实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例提供一种基于定点定面关系的山洪灾害雨量预警分析方法,该基于定点定面关系的山洪灾害雨量预警分析方法可由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云让算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等,但并不局限于此。
图1为本申请实施例提供的一种基于定点定面关系的山洪灾害雨量预警分析方法的流程示意图。
如图1所示,该方法主要流程描述如下(步骤S101~S106):
步骤S101,获取待分析区域的区域信息和目标划分层级,其中,区域信息包括区域面积和区域形状。
在本实施例中,按照暴雨特征将一个大的地区划分为多个待分析区域,待分析区域中的暴雨特征相同,例如,划分得到A待分析区域和B待分析区域,其中,A待分析区域的暴雨特征为长时间高强度高降雨量,B待分析区域的暴雨特征为短时间高强度中降雨量,而目标划分层级为将待分析区域划分为几个层级,如将待分析区域划分为两个层级、将待分析区域划分为五个层级,将待分析区域划分为十个层级等,具体的目标划分层级需要根据实际需求进行设置,在此不作具体限定。
步骤S102,基于区域面积、区域形状和目标划分层级确定待分析区域的区域中心点和区域面。
针对步骤S102,获取待分析区域中心位置的测量站点,将中心位置的测量站点作为区域中心点;基于区域形状和预设划分规则确定待分析区域的划分形状;基于区域面积和目标划分等级确定增长间距,基于增长间距和区域中心点进行同中心划分,生成多个面积不同的区域面。
在本实施例中,每一个待分析区域中都设置有多个用于进行雨量观测的测量站点,选取整个待分析区域内中心位置上的测量站点作为区域中心点,以区域中心点为基准进行区域面的划分,根据区域形状在预设划分规则中进行选取,确定出待分析区域在进行划分时使用的划分形状,然后根据区域面积和目标划分等级确定增长间距,即在进行划分时具体如何进行增长划分。预设划分规则中设置有多个划分形状,在得到区域形状后将区域形状与预设划分规则中的划分形状进行对比,选取与区域形状相似度最高的一个划分形状作为后续划分使用的划分形状,划分形状包括但不限于圆形、椭圆形、正方形和矩形,但无论是哪一种形状,在进行划分时都要以区域中心点为圆心或者中心进行划分,即以同心圆或者同心椭圆逐层增加划分面积进行划分。
例如,如图2所示,划分形状为圆形,目标划分层级为3级,区域面积为225平方公里,那么在进行划分时以区域中心点为圆心划分为三个增长间距为五公里的同心圆,最大的一个区域面能够将整个待分析区域包含进去,即三个同心圆分别为以5公里为半径的区域面A、以10公里为半径的区域面B和以15公里为半径的区域面C。需要说明的是,具体的增长区间需要根据实际的区域面积和目标划分层级进行确定,在进行划分时增长间距需要按照某种规则等比例或者等值增加,在此不作具体限定。
步骤S103,获取区域中心点的点降雨量,基于点降雨量计算点降雨相关值。
针对步骤S103,获取预设计算年限的历史降雨量;基于预设计算年限按照预设取值时段在历史降雨量中进行选取,生成多个最大降雨量观测数列,其中,每一个预设取值时段对应有一个最大降雨量观测数列;基于P-Ⅲ型曲线概率密度函数对每个最大降雨量观测数列中的时段最大降雨量进行点降雨相关值计算。
进一步的,将预设计算年限中的目标使用年的历史降雨量按照采集时间进行排列,生成降雨序列;按照预设取值时段在降雨序列中进行预设取值时段的最大值的选取。
在本实施例中,预设计算年限一般设置为近30年,每个测量站点在建立之初都会对每次的降雨量进行采集,采集时一般采用翻斗雨量的采集方式,从而在降雨时对降雨量进行采集记录,在进行区域中心点的最大降雨量观测数列的创建时,首先在大量的雨量数据中依次选取出近30年的雨量数据,将选取出的雨量数据作为历史降雨量,将近30年的每一年都作为目标使用年,然后将目标使用年的历史降雨量按照采集时间进行排列,生成降雨序列,即按照采集时刻、采集天和采集月按照发生的时间前后依次进行排列,在得到降雨序列后,根据预设取值时间段在降雨序列中进行选取,选取每个时段的最大值,预设取值时段为10min、30min、60min、1h、3h、6h、12h、24h、1d、3d这10个时段,即区域中心点对应的测量站点在10min、30min、60min、1h、3h、6h、12h、24h、1d、3d这10个时段的年最大雨量,在对30年的最大降雨量选取结束之后,按照预设取值时段将30年的最大降雨量划分为多个最大降雨量观测数列,由于预设取值时段有10个,那么最大降雨量观测数列也有10个,每个最大降雨量观测数列中具有该取值时段的30年的30个最大降雨量。需要说明的是,60min与1h的区别为60min为任意时间点开始到60分钟结束即可,例如,开始时间为1点05,结束时间为2点05,1h为整点时间到另一个整点时间,例如,开始时间为1点,结束时间为2点,24h和1d的区别为24h为任意时间点开始到24h结束即可,例如,开始时间为中午12点,结束时间为第二天中午12点,而1d是以上午8点为固定开始时间,第二天8点为固定结束时间,3d即为三个连续的1d。
之后计算每一个最大降雨量观测数列中每一个最大降雨量的点降雨相关值,点降雨相关值根据P-Ⅲ型曲线概率密度函数进行计算,P-Ⅲ型曲线概率密度函数为,其中,/>为的/>伽玛函数,/>为P-Ⅲ分布的形状,为P-Ⅲ分布的尺度,/>为P-Ⅲ分布的位置参数,根据P-Ⅲ型曲线概率密度函数计算得到点降雨频率,在得到点降雨频率之后按照频率适线原则计算点降雨相关值,其中点降雨相关值包括区域中心点的雨量的均值和Cv值,其中,上述参数/>、/>、/>和统计参数/>、/>和/>具有如下关系:/>,且计算时/>和/>的值均采用3.5,将参数/>、/>、/>带入P-Ⅲ型曲线概率密度函数中,从而计算得到点降雨相关值。
步骤S104,获取区域面中的测量站点的站点雨量,基于站点雨量计算面降雨相关值,其中,站点雨量采集的起始时间与点降雨量采集的起始时间相同。
针对步骤S104,计算站点雨量在预设取值时段的平均值,将平均值作为面雨量;将面雨量按照预设计算年限和预设取值时段进行划分,生成多个面雨量观测数列;基于P-Ⅲ型曲线概率密度函数对每个面雨量观测数列中的面雨量进行面降雨相关值计算。
在本实施例中,在进行面降雨相关值的计算时,采用与点降雨相关值计算相似的计算方式,而面降雨量相关值的计算为计算每一个区域面中的降雨相关值,一个区域中具有多少个区域面,那么每个区域面都对应有与点降雨量相关值数量相同的面降雨量相关值,例如,有三个区域面,点降雨量相关值为10个,那么三个区域面每个区域面都有10个相关值。
首先按照点降雨相关值的选取方式,在计算点降雨相关值时选取的近30年雨量数据中进行再次选取,确定区域面中测量站点,按照上述的预设取值时段在区域面中的全部测量站点中进行选取,且站点雨量采集的起始时间与点降雨量采集的起始时间相同,例如,点降雨量中预设取值时段为10min时的起始时间为1点到1点10分,那么站点雨量在预设取值时段为10min时的起始时间为1点到1点10分,同样的,全部的预设取值时段需要全部保持一致,使得得到的站点雨量与最大降雨量选取时的取值时段相同,将每个区域面选取得到的全部站点雨量采用算术平均法或泰森多边形法求平均值,将平均值作为面雨量。已知,上述对近30年的雨量数据进行选取,且将待分析区域按照目标划分层级划分为多个区域面,每个区域面都在每一年的每一个取值时段都具有一个面雨量,这个面雨量与最大降雨量相对应,按照预设取值时段将30年的面雨量划分为多个面雨量观测数列,由于预设取值时段有10个,那么面雨量观测数列也有10个,每个面雨量观测数列中具有该取值时段的30年的30个最大降雨量,每个区域面都具有10个面雨量观测数列。
面降雨相关值采用与点降雨相关值相同的计算方式,即面降雨相关值根据P-Ⅲ型曲线概率密度函数进行计算,P-Ⅲ型曲线概率密度函数为,其中,/>为的/>伽玛函数,/>为P-Ⅲ分布的形状,为P-Ⅲ分布的尺度,/>为P-Ⅲ分布的位置参数,根据P-Ⅲ型曲线概率密度函数计算得到面降雨频率,在得到面降雨频率之后按照频率适线原则计算面降雨相关值,其中面降雨相关值包括区域面的雨量的均值和Cv值,其中,上述参数/>、/>、/>和统计参数/>、/>和/>具有如下关系:/>,且计算时/>和/>的值均采用3.5,将参数/>、/>、/>带入P-Ⅲ型曲线概率密度函数中,从而计算得到面降雨相关值。
在进行计算之前,根据收集国家基础地理信息1:5万数字高程模型(DEM)、数字线划图(DLG)数据加工的基础地理空间数据,优于2.5m分辨率国产数字正射影像数据(DOM)、中国山洪预报预警分区、水文分区、小流域数据和气候背景数据等,然后使用点降雨频率建立各个预设取值时段的点雨量频率曲线,使用点降雨频率建立各个预设取值时段和各个区域面的面降雨频率曲线,根据收集的数据和点降雨频率曲线和面降雨频率曲线进行分析,分析均值、Cv和降雨频率对应的频率雨量随历史的变化趋势与周围地区是否一致,各预设取值时段面雨量频率曲线有无相交现象,将区域面的各项数据与区域中心点的各项数据进行比较,区域面的各项数据应小于区域中心点的各项数据。需要说明的是,分析的内容需要根据实际需求进行增加,具体的分析的内容在此不作具体限定。
步骤S105,基于点降雨相关值和面降雨相关值计算得到点面折减参数。
针对步骤S105,计算每个降雨面中点降雨频域和面降雨相关值的点面折减系数;获取降雨面面积,基于折减系数和拟合公式计算得到点面折减参数,其中,η为点面折减系数,A为降雨面面积;C、N为点面折减参数。
在本实施例中,点面折减系数为每个区域面的均值与其区域中心点的均值的比值,将计算得到的点面折减系数带入至拟合公式中,从而计算得到每个区域面的点面折减参数。
步骤S106,基于点面折减参数生成待分析区域的预警指标等值线图。
针对步骤S106,获取待分析区域内目标分析对象的位置信息和目标分析对象的面雨量预警指标;基于位置信息确定目标分析对象的所在区域面;获取所在区域面的点面折减参数,将所在区域面的点面折减参数作为目标点面折减参数;基于面雨量预警指标和目标点面折减参数计算目标分析对象的对象点雨量;基于待分析区域内全部的对象点雨量绘制生成预警指标等值线图。
在本实施例中,进行计算时,目标分析对象为待分析区域内的某个城镇、某个集镇或者某个行政村,已经提前对目标分析对象进行预警指标的计算,得到了目标分析对象的面雨量预警指标,此处的面雨量预警指标为以目标分析对象为面的面雨量预警指标,然后根据目标分析对象的位置信息确定出目标分析对象具体受灾的区域面,根据该区域面的点面折减系数和面雨量预警指标计算目标分析对象的对象点雨量,计算该待分析区域内全部目标分析对象的对象点雨量,从而得到多个对象点雨量,将使用全部的对象点雨量进行预警指标等值线图的绘制,从而根据预警指标等值线图对目标分析对象的山洪灾害进行预警。
图3为申请实施例提供的一种基于定点定面关系的山洪灾害雨量预警分析装置200的结构框图。
如图3所示,基于定点定面关系的山洪灾害雨量预警分析装置200主要包括:
区域信息获取模块201,用于获取待分析区域的区域信息和目标划分层级,其中,区域信息包括区域面积和区域形状;
区域点面确定模块202,用于基于区域面积、区域形状和目标划分层级确定待分析区域的区域中心点和区域面;
点雨数值计算模块203,用于获取区域中心点的点降雨量,基于点降雨量计算点降雨相关值;
面雨数值计算模块204,用于获取区域面中的测量站点的站点雨量,基于站点雨量计算面降雨相关值,其中,站点雨量采集的起始时间与点降雨量采集的起始时间相同;
折减参数计算模块205,用于基于点降雨相关值和面降雨相关值计算得到点面折减参数;
预警线图生成模块206,用于基于点面折减参数生成待分析区域的预警指标等值线图。
作为本实施例的一种可选实施方式,区域点面确定模块202具体用于获取待分析区域中心位置的测量站点,将中心位置的测量站点作为区域中心点;基于区域形状和预设划分规则确定待分析区域的划分形状;基于区域面积和目标划分等级确定增长间距,基于增长间距和区域中心点进行同中心划分,生成多个面积不同的区域面。
作为本实施例的一种可选实施方式,点雨数值计算模块203包括:
历史雨量获取模块,用于获取预设计算年限的历史降雨量;
历史雨量选取模块,用于基于预设计算年限按照预设取值时段在历史降雨量中进行选取,生成多个最大降雨量观测数列,其中,每一个预设取值时段对应有一个最大降雨量观测数列;
降雨频率计算模块,用于基于P-Ⅲ型曲线概率密度函数对每个最大降雨量观测数列中的时段最大降雨量进行点降雨相关值计算。
在本可选实施例中,历史雨量选取模块具体用于将预设计算年限中的目标使用年的历史降雨量按照采集时间进行排列,生成降雨序列;按照预设取值时段在降雨序列中进行预设取值时段的最大值的选取。
作为本实施例的一种可选实施方式,面雨数值计算模块204具体用于计算站点雨量在预设取值时段的平均值,将平均值作为面雨量;将面雨量按照预设计算年限和预设取值时段进行划分,生成多个面雨量观测数列;基于P-Ⅲ型曲线概率密度函数对每个面雨量观测数列中的面雨量进行面降雨相关值计算。
作为本实施例的一种可选实施方式,折减参数计算模块205具体用于计算每个降雨面中点降雨频域和面降雨相关值的点面折减系数;获取降雨面面积,基于折减系数和拟合公式计算得到点面折减参数,其中,η为点面折减系数,A为降雨面面积;C、N为点面折减参数。
作为本实施例的一种可选实施方式,预警线图生成模块206具体用于获取待分析区域内目标分析对象的位置信息和目标分析对象的面雨量预警指标;基于位置信息确定目标分析对象的所在区域面;获取所在区域面的点面折减参数,将所在区域面的点面折减参数作为目标点面折减参数;基于面雨量预警指标和目标点面折减参数计算目标分析对象的对象点雨量;基于待分析区域内全部的对象点雨量绘制生成预警指标等值线图。
在一个例子中,以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个专用集成电路(application specific integratedcircuit,ASIC),或,一个或多个数字信号处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA),或这些集成电路形式中至少两种的组合。
再如,当装置中的模块可以通过处理元件调度程序的形式实现时,该处理元件可以是通用处理器,例如中央处理器(central processing unit,CPU)或其它可以调用程序的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,SOC)的形式实现。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图4为本申请实施例提供的电子设备300的结构框图。
如图4所示,电子设备300包括处理器301和存储器302,还可以进一步包括信息输入/信息输出(I/O)接口303、通信组件304中的一种或多种以及通信总线305。
其中,处理器301用于控制电子设备300的整体操作,以完成上述的基于定点定面关系的山洪灾害雨量预警分析方法的全部或部分步骤;存储器302用于存储各种类型的数据以支持在电子设备300的操作,这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static RandomAccess Memory,SRAM)、电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,EEPROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、只读存储器(Read-Only Memory,ROM)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
I/O接口303为处理器301和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件304用于电子设备300与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearField Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件104可以包括:Wi-Fi部件,蓝牙部件,NFC部件。
电子设备300可以被一个或多个应用专用集成电路 (Application SpecificIntegrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field ProgrammableGate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例给出的基于定点定面关系的山洪灾害雨量预警分析方法。
通信总线305可包括一通路,在上述组件之间传送信息。通信总线305可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA (ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。通信总线305可以分为地址总线、数据总线、控制总线等。
电子设备300可以包括但不限于移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端,还可以为服务器等。
本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的基于定点定面关系的山洪灾害雨量预警分析方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器 (R ead-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种基于定点定面关系的山洪灾害雨量预警分析方法,其特征在于,包括:
获取待分析区域的区域信息和目标划分层级,其中,所述区域信息包括区域面积和区域形状;
基于所述区域面积、所述区域形状和所述目标划分层级确定所述待分析区域的区域中心点和区域面;
获取所述区域中心点的点降雨量,基于所述点降雨量计算点降雨相关值;
获取所述区域面中的测量站点的站点雨量,基于所述站点雨量计算面降雨相关值,其中,所述站点雨量采集的起始时间与所述点降雨量采集的起始时间相同;
基于所述点降雨相关值和所述面降雨相关值计算得到点面折减参数;
基于所述点面折减参数生成待分析区域的预警指标等值线图;
所述获取所述区域中心点的点降雨量,基于所述点降雨量计算点降雨相关值包括:
获取预设计算年限的历史降雨量;
基于所述预设计算年限按照预设取值时段在所述历史降雨量中进行选取,生成多个最大降雨量观测数列,其中,每一个预设取值时段对应有一个最大降雨量观测数列;
基于P-Ⅲ型曲线概率密度函数对每个所述最大降雨量观测数列中的时段最大降雨量进行点降雨相关值计算;
所述基于所述预设计算年限按照所述预设取值时段在所述历史降雨量中进行选取包括:
将所述预设计算年限中的目标使用年的历史降雨量按照采集时间进行排列,生成降雨序列;
按照预设取值时段在所述降雨序列中进行所述预设取值时段的最大值的选取;
所述获取所述区域面中的测量站点的站点雨量,基于所述站点雨量计算面降雨相关值包括:
计算所述站点雨量在所述预设取值时段的平均值,将所述平均值作为面雨量;
将所述面雨量按照所述预设计算年限和所述预设取值时段进行划分,生成多个面雨量观测数列;
基于P-Ⅲ型曲线概率密度函数对每个所述面雨量观测数列中的面雨量进行面降雨相关值计算;
所述基于所述点降雨相关值和所述面降雨相关值计算得到点面折减参数包括:
计算每个降雨面中点降雨频率和所述面降雨相关值的点面折减系数;
获取所述降雨面面积,基于所述折减系数和拟合公式计算得到点面折减参数,其中,η为点面折减系数,A为降雨面面积;C、N为点面折减参数。
2.根据权利要求1所述的方法,其特征在于,所述基于所述区域面积、所述区域形状和所述目标划分层级确定所述待分析区域的区域中心点和区域面包括:
获取所述待分析区域中心位置的测量站点,将所述中心位置的测量站点作为区域中心点;
基于所述区域形状和预设划分规则确定待分析区域的划分形状;
基于所述区域面积和所述目标划分等级确定增长间距,基于所述增长间距和所述区域中心点进行同中心划分,生成多个面积不同的区域面。
3.根据权利要求1所述的方法,其特征在于,所述基于所述点面折减参数生成待分析区域的预警指标等值线图包括:
获取所述待分析区域内目标分析对象的位置信息和所述目标分析对象的面雨量预警指标;
基所述位置信息确定所述目标分析对象的所在区域面;
获取所述所在区域面的点面折减参数,将所述所在区域面的点面折减参数作为目标点面折减参数;
基于所述面雨量预警指标和所述目标点面折减参数计算所述目标分析对象的对象点雨量;
基于所述待分析区域内全部的对象点雨量绘制生成预警指标等值线图。
4.一种基于定点定面关系的山洪灾害雨量预警分析装置,其特征在于,包括:
区域信息获取模块,用于获取待分析区域的区域信息和目标划分层级,其中,所述区域信息包括区域面积和区域形状;
区域点面确定模块,用于基于所述区域面积、所述区域形状和所述目标划分层级确定所述待分析区域的区域中心点和区域面;
点雨数值计算模块,用于获取所述区域中心点的点降雨量,基于所述点降雨量计算点降雨相关值;
面雨数值计算模块,用于获取所述区域面中的测量站点的站点雨量,基于所述站点雨量计算面降雨相关值,其中,所述站点雨量采集的起始时间与所述点降雨量采集的起始时间相同;
折减参数计算模块,用于基于所述点降雨相关值和所述面降雨相关值计算得到点面折减参数;
预警线图生成模块,用于基于所述点面折减参数生成待分析区域的预警指标等值线图;
点雨数值计算模块包括:
历史雨量获取模块,用于获取预设计算年限的历史降雨量;
历史雨量选取模块,用于基于预设计算年限按照预设取值时段在历史降雨量中进行选取,生成多个最大降雨量观测数列,其中,每一个预设取值时段对应有一个最大降雨量观测数列;
降雨频率计算模块,用于基于P-Ⅲ型曲线概率密度函数对每个最大降雨量观测数列中的时段最大降雨量进行点降雨相关值计算;
历史雨量选取模块具体用于将预设计算年限中的目标使用年的历史降雨量按照采集时间进行排列,生成降雨序列;按照预设取值时段在降雨序列中进行预设取值时段的最大值的选取;
面雨数值计算模块具体用于计算站点雨量在预设取值时段的平均值,将平均值作为面雨量;将面雨量按照预设计算年限和预设取值时段进行划分,生成多个面雨量观测数列;基于P-Ⅲ型曲线概率密度函数对每个面雨量观测数列中的面雨量进行面降雨相关值计算;
折减参数计算模块具体用于计算每个降雨面中点降雨频率和所述面降雨相关值的点面折减系数;
获取所述降雨面面积,基于所述折减系数和拟合公式计算得到点面折减参数,其中,η为点面折减系数,A为降雨面面积;C、N为点面折减参数。
5.一种电子设备,其特征在于,包括处理器,所述处理器与存储器耦合;
所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如权利要求1至3任一项所述的方法。
6.一种计算机可读存储介质,其特征在于,包括计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得所述计算机执行如权利要求1至3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311785657.9A CN117454122B (zh) | 2023-12-25 | 2023-12-25 | 基于定点定面关系的山洪灾害雨量预警分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311785657.9A CN117454122B (zh) | 2023-12-25 | 2023-12-25 | 基于定点定面关系的山洪灾害雨量预警分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117454122A CN117454122A (zh) | 2024-01-26 |
CN117454122B true CN117454122B (zh) | 2024-04-02 |
Family
ID=89591460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311785657.9A Active CN117454122B (zh) | 2023-12-25 | 2023-12-25 | 基于定点定面关系的山洪灾害雨量预警分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117454122B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102051866A (zh) * | 2010-12-06 | 2011-05-11 | 中南大学 | 一种基于流量影响线的中小桥山洪预警方法 |
CN107609715A (zh) * | 2017-10-11 | 2018-01-19 | 北京师范大学 | 一种基于暴雨特征山洪临界雨量计算方法 |
CN114662318A (zh) * | 2022-03-25 | 2022-06-24 | 江西省水利科学院 | 一种基于数据挖掘的山洪灾害监测站网布设方法及*** |
CN115795919A (zh) * | 2023-01-31 | 2023-03-14 | 中国水利水电科学研究院 | 一种设计洪水频率曲线生成及适线方法 |
CN115859040A (zh) * | 2023-03-03 | 2023-03-28 | 中国水利水电科学研究院 | 一种采用动点定面关系计算暴雨点面折算系数的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10962682B2 (en) * | 2015-12-15 | 2021-03-30 | Wuhan University | System and method for forecasting floods |
-
2023
- 2023-12-25 CN CN202311785657.9A patent/CN117454122B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102051866A (zh) * | 2010-12-06 | 2011-05-11 | 中南大学 | 一种基于流量影响线的中小桥山洪预警方法 |
CN107609715A (zh) * | 2017-10-11 | 2018-01-19 | 北京师范大学 | 一种基于暴雨特征山洪临界雨量计算方法 |
CN114662318A (zh) * | 2022-03-25 | 2022-06-24 | 江西省水利科学院 | 一种基于数据挖掘的山洪灾害监测站网布设方法及*** |
CN115795919A (zh) * | 2023-01-31 | 2023-03-14 | 中国水利水电科学研究院 | 一种设计洪水频率曲线生成及适线方法 |
CN115859040A (zh) * | 2023-03-03 | 2023-03-28 | 中国水利水电科学研究院 | 一种采用动点定面关系计算暴雨点面折算系数的方法 |
Non-Patent Citations (1)
Title |
---|
降雨点面折减系数计算方法综述;常琛朝 等;水资源保护;20220331;第38卷(第2期);第76页正文第1段到第79页2.1节最后一段 * |
Also Published As
Publication number | Publication date |
---|---|
CN117454122A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feki et al. | Geostatistically based optimization of a rainfall monitoring network extension: case of the climatically heterogeneous Tunisia | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、***及电子设备 | |
CN110853347A (zh) | 一种短时交通路况预测方法、装置及终端设备 | |
Li et al. | Flash flood early warning research in China | |
Lu et al. | Application of profile likelihood function to the uncertainty analysis of hydrometeorological extreme inference | |
CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
CN116739152A (zh) | 新能源功率预测模型的构建方法和新能源功率预测方法 | |
CN110348717B (zh) | 基于栅格粒度的基站价值评分方法和装置 | |
CN113486295B (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
Hasan et al. | Assessment of probability distributions and analysis of the minimum storage draft rate in the equatorial region | |
CN115100819A (zh) | 基于大数据分析的滑坡灾害预警方法、装置及电子设备 | |
CN117332291B (zh) | 一种面向分布式光伏的区域资源监测布局方法及*** | |
Li et al. | A comparative analysis of pre-and post-industrial spatiotemporal drought trends and patterns of Tibet Plateau using Sen slope estimator and steady-state probabilities of Markov Chain | |
CN117454122B (zh) | 基于定点定面关系的山洪灾害雨量预警分析方法及装置 | |
CN113762615A (zh) | 洪水预测方法、装置、计算机设备和存储介质 | |
CN113808015A (zh) | 输电线路区域气象参数的空间插值方法、装置及设备 | |
Hadizadeh et al. | Investigation of long-memory properties in streamflow time series in Gamasiab River, Iran | |
CN117057508A (zh) | 一种山洪泥石流灾害风险识别方法、装置、终端及介质 | |
CN116934139A (zh) | 城镇化进程中水生态功能空间响应识别方法、装置及设备 | |
CN115453664A (zh) | 一种适用于无资料地区的降雨径流预报方法 | |
Jaiswal et al. | Regional flood frequency modeling for a large basin in India | |
CN110751398A (zh) | 一种区域生态质量评价方法及装置 | |
Das et al. | An assessment of temporal effect on extreme rainfall estimates | |
CN117251520B (zh) | 生物多样性关键区域识别方法、装置和电子设备 | |
CN118350656A (zh) | 基于形态聚类和多级残差网络的光伏功率预测方法及*** |
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 |