暴雨随机模型研究_暴雨洪水流域系统随机模拟研究之五_邓育仁
城市雨水管网暴雨洪水计算模型研制及应用的开题报告

城市雨水管网暴雨洪水计算模型研制及应用的开题报告一、选题背景和意义在城市化进程不断加快的今天,城市的雨水管网系统得到广泛关注。
暴雨和洪水灾害频繁发生,给城市的生产、居民生活带来了很大的危害。
而城市雨水管网系统作为城市基础设施的重要组成部分,对于城市的防洪排涝和城市环境保护都具有重要的作用。
因此,建立城市雨水管网暴雨洪水计算模型,对于加强城市防洪排涝和城市环境保护,具有重要的实际意义。
二、研究内容和方法本研究的主要内容是建立城市雨水管网暴雨洪水计算模型,并在实际中进行应用。
其中,涉及到的具体问题包括:1. 雨水管网的建模和分析:对于城市中的雨水管网系统进行建模和分析,分析管道的大小、长度、坡度、材质等特性,确定系统的水力计算方法。
2. 暴雨洪水的计算方法:综合考虑城市的降雨数据、地形特点和雨水排放设施的特点,建立暴雨洪水分析模型,并计算暴雨洪水。
3. 城市雨水管网系统的优化设计:基于计算结果,对管道系统进行优化设计,减少管道系统的压力和流量,提高系统的稳定性。
本研究采用数值模拟和实际测量相结合的方法,通过计算模型的建立和实际数据的采集,对城市雨水管网暴雨洪水计算模型的准确性进行验证,并最终得出优化设计结果。
三、研究的预期结果通过本研究,预期得到以下的结果:1. 建立城市雨水管网暴雨洪水计算模型,准确评估城市雨水管网的水力特性和暴雨洪水的情况。
2. 分析城市雨水管网所面临的压力和问题,提出相应的优化措施,从而提高系统的效率和稳定性。
3. 对城市防洪排涝和城市环境保护等方面提出建议,为城市的可持续发展做出贡献。
四、进度安排本研究的进度安排如下:2022年6月-2022年8月:对城市雨水管网系统进行建模和分析,确定系统的水力计算方法。
2022年9月-2022年11月:建立暴雨洪水分析模型并进行计算。
2023年1月-2023年3月:基于计算结果,对管道系统进行优化设计,减少管道系统的压力和流量,提高系统的稳定性。
城市暴雨内涝数学模型的研究与应用

武汉市暴雨内涝数学模型的研究与应用刘晓(湖北工业大学,湖北,武汉,120330270)摘要:暴雨内涝对城市的影响日益严重,为了城市能够更好的应对暴雨带来的冲击,本文以城市的街道路面与河道水流的运动为对象进行模拟,建立了武汉市暴雨内涝积水数学模型。
模型以平面二维非恒定流基本方程和不规则网格划分技术为框架,采用简化分类处理的方法,将通道分为路面型、河道型以及特殊通道型,根据不同类型简化动量方程,求任一网格各个通道上的单宽流量。
根据不规则网格的方法,按照武汉市的地形进行多边形计算网格的设计。
介绍了数学模型在武汉市的应用和误差分析以及城市路面降雨量的计算。
关键词:城市暴雨内涝灾害数学模型误差分析武汉市Research and Application of Wuhan Waterlogging Mathematical ModelLiu Xiao(,Hubei University of Technology, Hubei,Wuhan,120330270)Abstract:W aterlogging increasingly serious impact on the city, in order to respond to storm the city the impact of urban road surface better and the main river flow motion simulation object, the mathematical model of urban storm water waterlogging.The basic equation model for unsteady flow and irregular unstructured meshing technology as the backbone, the use of simplified classification method,the channel into the river type, road type,special channel type, depending on the type of simplified momentum equation,seeking grid unit discharge any individual channel.According unstructured irregular grid design ideas, according to the terrain features are designed in Wuhan polygon computational grid.Describes analysis methods and mathematical models to calculate surface rainfall in the city of Wuhan and application errors.Keywords: urban storm; waterlogging disasters; mathematical model;model error analysis;Wuhan1 引言城市内涝是由于强降雨超过城市排水能力而产生的城市内积水的灾害。
基于SWMM模型的暴雨洪水模拟研究

基于SWMM模型的暴雨洪水模拟研究摘要:针对暴雨导致的城市内涝问题,采用SWMM模型的城市暴雨洪水淹没分析计算方法,对郑州大学新校区暴雨内涝、淹没范围和淹水深度进行了模拟分析,对组成排水系统的排水管网、道路和河道水系等进行合理概化,构建了暴雨洪水淹没分析模型,对重现期分别为0.5、1、2、5、10a设计暴雨情形下的管道节点溢流和积水深度进行了模拟。
结果表明:郑州市区总体排涝标准较低,排涝能力严重不足;该模型能直观表现受涝区淹没范围和淹水深度,在城市排水管网规划、雨洪管理和灾后损失评估等方面具有一定的应用价值。
关键词:SWMM模型;淹没分析;郑州大学新校区自20世纪80年代以来 SWMM ( Storm Water Management Model)已广泛用于我国多数城市的暴雨径流模拟研究中,如北京、天津、成都等,均表明 SWMM 对于不同地区具有较强的适用性。
但是之前的研究多是基于实测数据来率定和验证模型参数,在一些小区域实测数据比较容易获得,而在大范围内测量降雨的径流过程操作起来难度很大。
本研究与其他研究的不同之处就在于,在没有径流过程实测资料的情况下,利用设计暴雨及雨型模拟郑州大学新校区的暴雨径流过程。
本文利用GIS的空间分析功能设计了基于DEM的洪水有源淹没算法,利用等体积法实现积水路段管网节点任意溢流水量下对应淹没范围及深度的推求,耦合SWMM模型输出的管网节点溢出水量来建立城市暴雨洪水淹没分析模型,并在郑州大学新校区进行了应用。
1 材料与方法1.1研究区域概况郑州大学新校区选址于郑州市西边的高新技术开发区内,郑州高新技术产业开发区位于郑州市西北部,南临西流湖,北接邙山,东与环城快速路联,西四环穿区而过,距市中心约12km,南距310国道2km,北邻连霍高速公路,对外交通条件优越。
郑州市属北温带大陆性季风气候,冷暖气团交替频繁,春夏秋冬四季分明。
冬季漫长而干冷,雨雪稀少;春季干燥少雨多春旱,冷暖多变大风多;夏季比较炎热,降水高度集中;秋季气候凉爽,时间短促。
浅谈暴雨洪水管理模型的城市内涝淹没模拟

浅谈暴雨洪水管理模型的城市内涝淹没模拟摘要:伴随着城市化进程脚步的不断加快,城市内涝灾害作为城市发展中不可忽视的问题。
为进一步控制城市内涝灾害发生,我国随之提出了暴雨洪水管理模型。
该模型虽然能给城市内涝灾害处理给予一定的参考价值。
但实际实施中我们仍可发现,该模型无法模拟城市地表淹没的过程。
对此,为改善该模型存在的不足,本文将提出一种改进后的SWMM内涝灾害模拟方式。
经研究结果表明可知,SWMM模拟方式能够模拟出城市地表的淹没深度与淹没范围,并且能给予城市内涝防治一定参考。
关键词:暴雨洪水管理模型;城市内涝淹没;模拟引言:城市内涝灾害作为我城市发展中不可忽视的事。
随着近年来我国部分城市内涝灾害的频繁发生,城市内涝灾害风险评估随之得到了人们的高度重视。
就风险评估而言,其研究重点在于应用水力模型对城市排水管网系统进行模拟,进而得到不同重现期降雨下的淹没过程,判断出相应的淹没范围等,并以此为基础给予城市排水系统评估。
暴雨洪水管理模型(SWMM)作为一种先进的模拟技术,其现阶段在城市排水系统模拟中的应用十分广泛。
但不可否认该模型在应用上仍存在有部分问题。
主要可表现在:部分管网汇流只能模拟管网节点的溢流量,不仅无法模拟出水体从节点溢流后在地表的淹没情况,而且不能模拟内涝灾害的淹没过程。
对此,改进SWMM模型,让其变得更加完美已迫在眉睫。
针对该类容,本文首先将分析暴雨洪水管理模型地表淹没模拟的原理,其次,阐述该模拟方法的实现,以供参考。
1.暴雨洪水管理地表淹没模拟原理对于暴雨洪水管理模型而言,其模拟管网节点一流的方式主要为:当某一节点产生溢流时,水体将从该节点流出,并累计溢流的水量[1]。
随着模拟进行,当该节点不在溢流时,累计的溢流水量将通过该节点流回到管网系统中,最终实现节点溢流与回流的过程。
然而在这个过程中,由于该过程根本没有考虑地形因素,所以对于实际情况来说,在某个节点溢流之后,溢流水体将按照地形沿地表流动。
广西暴雨致洪灾害的非线性预测模型研究

2014年9月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀广西师范学院学报:自然科学版S e p.2014第31卷第3期㊀㊀㊀㊀㊀J o u r n a l o fG u a n g x i T e a c h e r sE d u c a t i o nU n i v e r s i t y:N a t u r a l S c i e n c eE d i t i o n V o l.31N o.3文章编号:1002G8743(2014)03G0031G05广西暴雨致洪灾害的非线性预测模型研究∗谭金凯1,刘合香1,倪增华1,李菁2(1.广西师范学院数学科学学院,广西南宁530023;2.广西气象台,广西南宁530022)摘㊀要:选取自1994 2012年来广西共87个暴雨致洪灾害过程,以暴雨时间长度㊁暴雨过程降水极值㊁暴雨过程降水均值三个指标作为致灾源因子,以暴雨洪涝造成的直接经济损失作为主要灾情因子,通过对数变换获得更加光滑的灾情因子序列.利用统计学理论建立支持向量回归模型,采用网格搜索法进行S VM的参数寻优,利用选取的致灾源因子对灾情序列进行回归预测.结果表明,基于支持向量机的回归预测模型,其拟合优度㊁拟合效果均优于传统的逐步回归.该研究为探讨暴雨致灾源因子与灾情因子的非线性关系提供了一条新的途径.关键词:支持向量机;统计学理论;对数变换;逐步回归;广西;暴雨中图分类号:S42㊀㊀文献标识码:A0㊀引㊀言广西地处欧亚大陆东南缘,北回归线横贯中部,80%的面积为山丘或岩溶地区,境内山脉纵横,地表变化复杂,属华南季风气候区.暴雨天气系统主要有锋面㊁切变线㊁低涡㊁高空辐合,往往交错影响,在境内来回摆动,热带气旋影响频繁[1].由暴雨带来的洪涝灾害给人们生产生活带来不可估量的影响,严重威胁到人们的生命与财产安全.例如,1994年5~8月,广西各地降水量924.6~2807.4mm,接近常年全年的降水量,整个过程使广西2753万人受灾,死亡477人,倒塌民房70万间,粮食作物受灾面积122.8h m2,造成362.6亿元的经济损失;2014年7月19日受超强台风 威马逊 的影响,广西全区11个市57个县出现严重灾害,共造成427.97万人受灾,死亡9人,农作物受灾面积1457.02k h m2,其中成灾376.63k h m2,倒塌农房4654户8319间,直接经济损失138.09亿元.近年来不少专家学者对暴雨致灾源因子与灾情的相互影响㊁暴雨致洪灾害的评估和预测等进行了广泛的研究,比如刘合香等人[2,3]综合模糊数学㊁灰色理论和信息扩散技术,构造中国华南地区热带气旋灾害风险评估模型和灾变年预测模型.邵末兰[4]等采用正态概率密度函数㊁区间平移和欧氏距离函数等方法,构建区域性暴雨天气过程强度等级㊁可能产生的灾情损失风险预估模型.吴振玲等人[5]则考虑气象数据的特点和灾后评估的时效性,针对暴雨灾害的平均降水强度㊁最大降水影响范围㊁持续时间,利用欧氏距离等数学方法,研究海河流域暴雨灾害的气象评估模型.刘家福等[6]根据洪水灾害发生次数㊁年单次洪水灾害经济损失极大值和年洪水灾害经济损失3个指标,利用泊松-对数正态复合极值模型对洪水灾害经济损失进行分析.吴建生[7]利用遗传算法与B P神经网络相结合建模,对气象进行统计预报.除此之外还有一些学者将支持向量机的相关技术运用到环境㊁工程等领域进行研究也取得一定成果.比如范昕炜[8]通过研究支持向量机理论,分析其算法存在的缺陷及产生的原因,提出了基于粗糙集理论和支持向量机理论的粗S VM分类方法,并成功应用到污水处理过程运行状态监控中.肖轩[9]则综收稿日期:2014G08G03∗基金项目:广西科学研究与技术开发项目(1355010-8);广西自然科学基金(G X N S F A A019280)作者简介:谭金凯(1990-㊀),男,广西贵港人,硕士研究生,研究方向为概率统计㊁数学模型㊁自然灾害风险分析.通讯作者简介:刘合香(1962-㊀),女,山东荏平人,教授,硕士生导师,研究方向为概率统计㊁数学模型㊁自然灾害风险分析.E-m a i l:h x_p o s t@163.c o m32㊀ ㊀㊀㊀㊀㊀㊀㊀广西师范学院学报:自然科学版㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第31卷合利用灰色系统理论与支持向量机,建立灰色支持向量机预测模型,并运用到大桥桥桩极限承载力预测系统中进行仿真分析.曾绍华[10]则根据支持向量机训练结果只与支持向量有关的特性,重点研究在样本条件下,以降低核矩阵规模㊁逐步搜索支持向量为目的,快速构建支持向量回归机.综上所述,关于暴雨致洪灾害的灾情评估㊁预测都取得成熟的应用.但结合支持向量机,建立广西暴雨洪涝灾害的经济损失的非线性预测模型,目前仍无相关报道.本研究试图填补这一空白.1㊀数据来源本研究采用的致灾源数据来源于广西气象台1994年到2012年之间87个暴雨过程的降水数据,灾情数据取自中国气象灾害大典(广西卷)[1]以及广西民政厅㊁广西农业厅和广西防汛抗旱指挥部的灾情综述.2㊀S VM 回归方法的理论知识支持向量机(S u p p o r tV e c t o rM a c h i n e s )是由V a p n i k 等人[11,12]提出的一种小样本统计学习理论,该算法是建立在结构风险最小化原理基础之上的,很好地解决了有限样本在高维模型中的问题.其核心思想是:定义最优线性超平面,并把寻找最优线性超平面的算法归结为求解一个最优化问题.进而基于M e r c e r 核展开定理,通过非线性映射,把样本空间映射到一个高维的特征空间(H i b e r t 空间),使得在特征空间中可以应用线性学习机的方法解决样本空间中的高度非线性回归问题[13].S VM 的最优超回归平面归结为求解以下二次凸规划问题:m i n {12W 2+C ðli =1(ξi +ξ∗i )},约束条件:y i -(W X i )-b ɤε+ξi (W X i )+b -y i ɤε+ξ∗i ,ξi ȡ0,ξ∗i ȡ0,(1)其中ξi 与ξ∗i 分别对应于样本点在最优回归超平面上方和下方的两种情况,C 为事先给定的惩罚系数.对于上式的求解,首先定义L a g r a n g e 函数如下:L (W ,b ,α,ε,ξ)=12W 2+C ðl i =1(ξi +ξ∗i )-ðl i =1αi (ε+ξi -y i +(W X i )+b -ðl i =1α∗i (ε+ξ∗i +y i -(W X i )-b )-ðl i =1(ηi ξi +η∗i ξi ).(2)引入非线性映射φ,在特征空间中用φ(X i )代替X i ,求(1)式的对偶最优化公式m a x J (α)=m a x {-12ðli ,j =1(αi -α∗i )(αj -α∗j )(φ(X i ) φ(X j ))-εðl i =1(αi +α∗i )+ðl i =1y i (αi -α∗i )},(3)其约束条件不变,相应的回归超平面的解析表达式变为f (X )=(W X )+b =ð(αi -α∗i )(φ(X i ) φ(X j ))+b .(4)由于内积实际上是一个M e r c e r 核K (X ,Y )=(φ(X ) φ(Y )).代入以上两式,消去非线性映射的显式表达式,得到f (X )=(W X )+b =ð(αi -α∗i )K (X ,X i )+b .(5)这就是在特征空间中基于核方法的非线性S VM 回归模型的表达式,也即回归函数[14].3㊀数据的预处理降水量多是发生洪涝的气候背景,强度大㊁范围广㊁持续时间长的暴雨天气过程是发生洪涝的直接第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀谭金凯,等:广西暴雨致洪灾害的非线性预测模型研究 33㊀ 原因,因此本文选取暴雨洪涝造成的直接经济损失作为主要灾情因子.注意到每个暴雨洪涝过程造成的经济损失有较大的差异性,最小的为1994年5月23日~27日,暴雨过程降水极值为170mm,造成直接经济损失为414万元,而最大的为2001年7月13日~17日,暴雨过程极值为258mm,造成直接经济损失高达159亿元,因此为了尽可能地减小这种差异程度,利用公式(6)进行数据预处理:Y i=l o g(a y i y g d p)+b,(6)其中,Y i为待计算的第i个暴雨过程灾情因子㊁y i为直接经济损失(元)㊁y g d p为对应年的广西G D P㊁a与b为给定的参数,本文取a=100,b=10,使得Y i的观侧值压缩在0~15的范围内,便于下文进行的非线性预测模型的构建.4㊀基于S VM算法的广西暴雨洪涝灾害回归预测模型4.1㊀S VM算法的核函数选择目前常用的核函数有线性核函数㊁多项式核函数㊁径向基函数㊁S i g m o i d核函数等.本文选取径向基函数(也称为R B F核)K(x,x i)=e x p{-g-x i2}作为S VM的核函数,这是因为R B F核能把非线性样本映射到更高维的空间上,可以处理以上三个致灾源因子与灾情之间的非线性关系.同时,R B F核的计算难度均小于其余三个核[15],通过参数的选择,它可以处理任意分布的样本,可以很好地解决灾情因子的分布情况.4.2㊀S VM算法具体参数的选择S VM算法的惩罚误差参数C可实现在回归精度和算法复杂度之间的折中,在确定的特征子空间中调节学习机器置信范围和经验风险的比例以使学习机器的推广能力达到最好,C的取值小表示对经验误差的惩罚小,学习机器的复杂度小而经验风险较大,当C的取值无穷大时,算法的复杂度加大.S VM的性能也受到R B F核参数g的影响,因为核函数,映射函数以及特征空间是一一对应的,确定核函数,可相应地确定映射函数和特征子空间.特征子空间的维数决定了能在此空间构造的回归平面的最大V C维,也就决定了回归平面能达到最小经验误差.同时,每一个特征子空间对应唯一的推广能力最好的回归超平面,如果特征子空间的维数很高,则得到的最优回归平面较复杂,经验风险小但置信范围大[16];反之亦然.综上考虑,本文采用网格搜索法,将C和g取不同值的(C,g)的组合在不同大小的网格内进行参数寻优.现将C与g在2的指数范围网格内进行查找,通过不断改变网格的大小,比较各自的最优参数.最后确定此网格大小为X:2-4.5~24.5,Y:2-5~25,结果得到最优值为:C=0.707107,g=32.其寻优过程等高线如图1.图1㊀网格寻优等高线图34㊀ ㊀㊀㊀㊀㊀㊀㊀广西师范学院学报:自然科学版㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第31卷5㊀基于多元逐步回归方法对灾情因子预测模型选择降水均值(x1)㊁降水极值(x2)㊁降水时长(x3)作为自变量,灾情因子(Y)作为回归变量.首先进行t检验得知,降水均值(x1)㊁降水极值(x2)的P值分别为0.006,0.004,通过水平为0.05的显著性检验,因此保留在回归方程.而降水时长x3的P值为0.517>0.05,因此将其剔除.通过s p s s软件求得Y的回归拟合方程为Yɡ=6.002+0.005x2+0.016x1.方程同样通过显著水平0.05的F检验,式中的回归系数表示降水极值增加1mm,灾情因子平均增长0.005个单位,而降水均值每增加1mm,灾情因子平均增长0.016个单位.考虑到降水均值实际上包含了降水极值与时长的信息,因此上述回归方程也解释了降水均值对灾情的重要程度.6㊀结果分析通过计算,分别得到逐步回归模型和S VM模型的残差平方和㊁估计标准误和决定系数,见表1.表1㊀两个模型检验结果比较模型残差平方和估计标准误决定系数逐步回归190.471.4972.51S VM31.280.6090.25㊀㊀我们利用逐步回归模型和S VM模型进行预测,其预测和残差结果如图2.图2㊀两个模型的回归图与残差图从表1可以看出,S VM的回归残差平方和相对逐步回归的要小,说明S VM的拟合效果更好.S VM 的决定系数达到90.25%,说明三个致灾源因子降水过程的极值㊁均值㊁时长对直接经济损失的联合影响程度超过90%,而估计标准误也较之逐步回归的要小.决定系数与估计标准误共同解释了S VM的拟合优度比逐步回归的更精确.造成两个模型之间计算差异的主要原因有,传统的统计回归方法基于概率测试和大数定律,但在小样本情况下,以频率代替概率,以均值代替期望,难免有一定误差,而S VM则利第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀谭金凯,等:广西暴雨致洪灾害的非线性预测模型研究 35㊀ 用经验最小化原则进行系统分析,避免了以上两个缺陷,能很好地解决小样本回归问题;S VM算法引入了样本空间到特征空间的非线性映射,非常适合处理本质上为非线性函数估计问题;S VM引入核函数而避开了非线性映射的显式表达式,其计算量与传统的回归方法相当;对于传统的多元回归方法,其计算复杂性与样本点的维数密切相关,S VM算法的复杂度取决于支持向量的数目而不是样本空间的维数,这在某种程度上避免了维数灾问题.从图2中可以看出,逐步回归的预测效果总体上不太理想,其残差在(-4,4)之间.而基于S VM算法的回归拟合效果总体上比较理想,其残差在(-2,2)之间.注意到,在S VM的回归结果中,有几个极值点拟合残差相对较大,相对应的暴雨过程,分别是1994年的0612号暴雨㊁1998年的0616号暴雨㊁2001年的0713号暴雨㊁2005年的0616号暴雨等,这几个暴雨过程都属于特大暴雨,造成的直接经济损失非常大.其次,少数几个如2010年的0513号暴雨㊁2011年的0622号暴雨㊁2012年的0529号暴雨㊁2012年的0617号暴雨等的过程的降水极值㊁均值㊁时长都相对小,造成的直接经济损失也最小.实际上对前一种情况分析,这几个特大的暴雨过程都发生在早期的年代,都是伴随在台风㊁热带气旋等其它自然灾害下共同影响,在当时有限的统计水平下,统计结果难免会出现一定的误差.而对后一种情况,几个过程都发生在10a以后,属于小范围的过降水,当时人们的防灾减灾能力也有相应的提高,造成的灾害影响极小,但在统计过程中也不排除人为主观因素的影响,总体而言,基于S VM的广西非线性洪涝灾害预测,其效果和精度均优于传统的逐步回归.7㊀结㊀论(1)本文选取1994-2012年87个暴雨的致灾源数据与灾情数据,通过适当的对数变换对直接经济损失这一指标数据进行预处理,很好地减小了原始数据之间的差异程度.(2)通过选择R B F核函数,用网格搜索法对S VM进行参数寻优,构建基于S VM算法的广西暴雨致洪灾害非线性模型.(3)通过t检验剔除降水时长这个不显著的致灾因子,建立降水均值㊁降水极值与直接经济损失的回归方程,并通过回归方程的显著性F检验.(4)比较分析两个模型的结果,得出S VM模型的拟合优度㊁预测效果都优于逐步回归模型,因此结合广西暴雨致洪灾害致灾源因子的小样本㊁低维数特征,对灾情进行非线性预测研究是合理的.参考文献:[1]㊀温克刚,杨年珠.中国气象灾害大典-广西卷[M].北京:气象出版社,2007.[2]㊀L I U H,Z HA N GDL.A n a l y s i s a n d p r e d i c t i o no f h a z a r dr i s k s c a u s e db y t r o p i c a l c y c l o n e s i nS o u t h e r nC h i n aw i t hf u z z y m a t h e m a t i c a l a n dg r e y m o d e l s[J].A p p l i e d M a th e m a ti c a lM o d e l l i n g,2012,36(2):626G637.[3]㊀刘合香,徐庆娟.基于r维正态扩散的区域热带气旋灾害模糊风险分析[J].数学的实践与认识,2011,41(3):150G159.[4]㊀邵末兰,张宁,岳阳,等.基于距离函数的区域性暴雨灾害风险预估方法研究[J].暴雨灾害,2010,29(3):268G273.[5]㊀吴振玲,史得道,吕江津,等.利用欧氏距离函数评估海河流域暴雨灾害[J].灾害学,2012,27(3):48G53.[6]㊀刘家福,吴锦,蒋卫国,等.基于泊松-对数正态复合极值模型的洪水灾害损失分析[J].自然灾害学报,2010,19(6):61G66.[7]㊀吴建生.基于遗传算法的B P神经网络气象预报建模[D].桂林:广西师范大学,2004.[8]㊀范昕炜.支持向量机算法的研究及其应用[D].杭州:浙江大学,2003.[9]㊀肖轩.灰色神经网络与支持向量机预测模型研究[D].武汉:武汉理工大学,2009.[10]曾绍华.支持向量回归机算法理论研究与应用[D].重庆:重庆大学,2006.[11]V A P N I K V.T h en a t u r e o f s t a t i s t i c a l l e a r n i n g t h e o r y[M].N e w Y o r k:S p r i n g e r,2000.[12]V A P N I K V.P a t t e r n r e c o g n i t i o nu s i n gg e n e r a l i z e d p o r t r a i tm e t h o d[J].A u t o m a t i o n a n dR e m o t eC o n t r o l,1963,24:774G780.[下转第42页]42㊀ ㊀㊀㊀㊀㊀㊀㊀广西师范学院学报:自然科学版㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第31卷303G307.[7]张建民.电力电子电路故障诊断基本概念和方法[J].电子科学学报,2009,17(11):34.[8]王经维,鲁照权,王海金.变频调速系统的智能故障诊断[J].电气自动化,1993,15(6):30G39.F a u l tD i a g n o s i s f o r S i xGl e v e l I n v e r t e rC i r c u i t B a s e do nS m a l lGw o r l dN e t w o r kZ H O U R u i1,L I U G u iGy i n g2,Y A N G Y a nGl i n g3,HU A N G X i a oGl i n g2(1.G u a n g x i Z h o n g l i a n I n f o r m a t i o nT e c h n o l o g y C o.,L t d,N a n n i n g530000,C h i n a;2.C o l l e g e o f P h y s i c s a n dE l e c t r o n i c E n g i n e e r i n g,G u a n g x i T e a c h e r sE d u c a t i o nU n i v e r s i t y,N a n n i n g530023,C h i n a;3.L i u z h o uV o c a t i o n a l C o l l e g e o fT e c h n o l o g y,L i u z h o u545005,C h i n a)A b s t r a c t:I n t h i s p a p e r s m a l lw o r l dn e t w o r k t h e o r y i su s e d t o s t u d y t h e f a u l t d i a g n o s i so f p o w e r e l e c t r o n i c c i r c u i t s.T h r o u g has i xGl e v e l i n v e r t e rc i r c u i t i nc o m b i n a t i o n w i t ht h e o r e t i c a la n a l y s i sa n d s i m u l a t i o no nMA T L AB p l a t f o r m,a s m a l lGw o r l dn e t w o r km o d e l i s b u i l t t o c a l c u l a t e t h e i r c h a r a c t e r i sGt i c p a r a m e t e r s a n dw o r ko u t t h e c o r r e s p o n d i n g t r o u b l e s h o o t i n gp r o c e d u r e s.I n r e s p o n s e t o t h e t y p e o f s i xGl e v e l i n v e r t e r c i r c u i t,d a t a b a s e p a r a m e t e r s a r e d i a g n o s e d t om a t c h t h e r e s u l t a n d f a u l t i n f o r m a t i o n, w h i c hv e r i f i e s t h e f e a s i b i l i t y o f t h em e t h o do f f a u l t d i a g n o s i s a n d p r o g r a mc o r r e c t n e s s.K e y W o r d s:s m a l lGw o r l dn e t w o r k;s i x-l e v e l i n v e r t e r;c h a r a c t e r i s t i c p a r a m e t e r s;f a u l t d i a g n o s i s; p r o g r a md e s i g n[责任编辑:班秀和] [上接第35页][13]唐发明.基于统计学习理论的支持向量机算法研究[D].武汉:华中科技大学,2005:25-38.[14]陈永义,熊秋芬.支持向量机方法应用教程[M].北京:气象出版社,2011.[15]牟少敏.核方法的研究及其应用[D].上海:上海交通大学,2008.[16]K E E R T H I SS,L I NCJ.A s y m p t o t i c b e h a v i o r s o f s u p p o r t v e c t o rm a c h i n e sw i t hG a u s s i a nk e r n e l[J].N e u r a l C o mGp u t a t i o n,2003,15(7):1667G1689.N o n l i n e a rP r e d i c t i o n M o d e l f o rH e a v y R a i n s F l o o d i n g i nG u a n g x iT A NJ i nGk a i1,L I U H eGx i a n g1,N I Z e n gGh u a1,L I J i n g2(1.S c h o o l o fM a t h e m a t i c a l S c i e n c e s,G u a n g x iT e a c h e r sE d u c a t i o nU n i v e r s i t y,N a n n i n g530023,C h i n a;2.G u a n g x iM e t e o r o l o g i c a l S t a t i o n,N a n n i n g530022,C h i n a)A b s t r a c t:T h i s a r t i c l e f o c u s e so nat o t a l o f87h e a v y r a i nf l o o d i n g i n G u a n g x i f r o mt h e y e a ro f 1994t o2012,w i t hh e a v y r a i nt i m el e n g t h,a v e r a g e p r e c i p i t a t i o ne x t r e m e p r e c i p i t a t i o n,r a i n s t o r m p r o c e s sh e a v y r a i n p r o c e s s,t h e t h r e e i n d i c a t o r s a s a s o u r c e o f h a z a r d-f o r m a t i v e f a c t o r s,w i t hh e a v y r a i n f l o o d s t h a t c a u s e ad i r e c t e c o n o m i c l o s s a sm a j o rd i s a s t e r f a c t o r s,b y l o g a r i t h m i c t r a n s f o r m a t i o n i no r d e r t oo b t a i n m o r es l i p p e r y d i s a s t e r f a c t o rs e q u e n c e.S u p p o r tv e c t o r r e g r e s s i o n m o d e l i se s t a bGl i s h e db y u s i n g s t a t i s t i c s t h e o r y,u s i n g t h e g r i ds e a r c h m e t h o d f o rS VM p a r a m e t e r so p t i m i z a t i o n,uGs i n g t h e s e l e c t e d s o u r c e f a c t o r t o c a u s e r e t u r n p r o j e c t i o n s f o r d i s a s t e r s e q u e n c e.T h e r e s u l t s s h o wt h a t t h e r e g r e s s i o n f o r e c a s t i n g m o d e l b a s e do n s u p p o r t v e c t o rm a c h i n e(S VM),t h e g o o d n e s s o f f i t a r e s uGp e r i o r t o t h e t r a d i t i o n a l r e g r e s s i o n f i t t i n g e f f e c t.T h i s s t u d y i s t o e x p l o r e r a i n s t o r mn o n l i n e a r r e l a t i o nGs h i p o f t h e s o u r c e f a c t o r s a n dd i s a s t e r f a c t o r s,t h u s p r o v i d e s an e w w a y.K e y W o r d s:S VM;s t a t i s t i c a l t h e o r y;l o g a r i t h m i c t r a n s f o r m a t i o n;s t e p w i s e r e g r e s s i o n;G u a n g x i;h e a v y r a i n[责任编辑:班秀和]。
流域三维地形仿真及洪水演进动态模拟

收稿日期:2001206220.作者简介:董文锋(19772),男(汉族),四川渠县人,华中科技大学硕士研究生.文章编号:100027709(2001)0320037203流域三维地形仿真及洪水演进动态模拟董文锋 袁艳斌 杜迎泽 刘吉平(华中科技大学水电及数字化工程学院,湖北武汉430074)摘要:以V isual C ++为编程基础平台,利用OpenGL 和G IS 技术,建立了流域三维地形仿真系统;采用三维网格逼近的方法生成真实的三维地形,并在其上建模,实现了包括洪水淹没、推进的动态模拟仿真可视化技术,初步建立了洪水演进仿真的框架.关键词:数字流域;G IS ;洪水演进;模拟仿真中图分类号:P 208;TV 122文献标识码:A 洪水演进仿真模拟系统作为“数字流域”工程体系中的一个重要的子系统,通过它可以对整个流域进行动态实时的三维仿真,为防洪减灾提供决策支持.在系统中通过对流域河道截面的积分计算得到洪水在某一特定时刻的冲击力、流量等数据,以分析洪水与障碍物的相互作用规律及洪水演进的趋势;系统通过对防洪减灾策略作试演和模拟,提供用以决策的有力科学依据,以评价策略的有效性,达到减少人力、物力投入,进而减小防洪减灾策略的盲目性.1 三维地形、地貌环境模型生成技术根据洪水演进仿真系统研制专题的系统分析,数字地理环境的基础是三维地形生成,其数据来源主要是G IS 所管理的相关空间数据.在G IS 中描述流域地形的数据结构为栅格数据结构和矢量数据结构[1],栅格数据结构在存储和处理过程中需要大量的计算机内存,而矢量数据结构在某些特定的形式处理如多边形迭置、空间均值处理等方面尚有大量的技术问题有待解决[2],因而系统在建立三维流域地理环境时,采用三维网格逼近的图形生成技术建立河道流域的仿真模型.作为整个系统分析的基础,三维地形生成使用了不同于G IS 中高程模型(D igital E levati onM odels ,缩写为D E M )对地形的处理方式[3].通过R S ,G IS 得到的数据是一系列等间隔的栅格数据,每一个点都附有(x ,y ,z )坐标,本系统对每一个数据点的三维坐标都在生成的地形中得到了真实的再现,每相邻的3个点组成一个三角形,再将所有的三角形联接成网,形成反映高低起伏变化的地形三角网,从而为系统集成后的分析过程提供了详实的分析依据.为改善地形仿真视觉效果,需要计算每一点的法向量以产生真实的光照效果.法向量是过三角形顶点的两个向量的叉积,再经过归一化计算得到.一个与具体顶点相关联的法向量决定了该顶点所在的物体表面在三维空间中的方向,以及在转动时该点接受到的光量.另外,作为一个真实自然地形的仿真,系统用光照、彩色材质控制地形对光源的反光效果,加入特殊效果处理如雾化、图形保真等以更好地模拟自然环境.下面是法向量生成的数学模型.若曲面的显示方程为:V (s ,t )=V [X (s ,t ),Y (s ,t ),Z (s ,t )]式中,s ,t 为曲面的参数;X ,Y ,Z 为可微函数;5V 5s×5V5t为曲面法线.若方程为隐式,法线矢量是由函数以梯度给出,即∃F =5F 5x ,5F 5y ,5F5t.曲面由多边形近似得到,因此法向量的计算也只能由多边形的数据得到,每一个三角形的3个点,其叉积第19卷第3期2001年9月水 电 能 源 科 学In ternati onal Jou rnal H YDRO EL ECTR I C EN ER GY V o l .19N o.3Sep t .2001(V 1-V 2)×(V 2-V 3)垂直于平面.为了避免相邻平面上平均法线某个值过大,对求得的法向量做归一化处理.归一化向量:L ength =x 2+y 2+z 2,并把所得向量的每一个组成部分除以这个长度[4].在V isual C ++中以上算法的实现函数如下:vo id CSi m u lateDoc ::no rm alizedcro ss (doub le 3u ,doub le 3v ,doub le 3nn ){doub le l u ,v 为两个相交向量;nn [1]=u [2]3v [3]-u [3]3v [2] nn [1]为法向量在x 轴上的分量;nn [2]=u [3]3v [1]-u [1]3v [3] nn [2]为法向量在y 轴上的分量;nn [3]=u [1]3v [2]-u [2]3v [1] nn [3]为法向量在z 轴上的分量;l =sqrt (nn [1]3nn [1]+nn [2]3nn [2]+nn [3] 3nn [3])nn [1] =l 归一化计算;nn [2] =l nn [3] =l }实验中通过对清江流域卫星TM 遥感图像进行图像处理,由2D G IS 加以管理和预处理形成清江流域空间基础数据,采用上述三维网格逼近的图形生成技术,利用O p enGL 编程技术提供应用图形接口函数,加入每一点的法向量后生成清江流域局部地段的三维地形图(图1).图中清晰地展示了地形的起伏变化,清江流域主河道和不同级别次级河道的分布,为各类用户提供了流域三维可视化地形、地貌环境,为淹没、推进等洪水动态立体模拟仿真提供了流域基础三维景观地理背景.图1 清江流域局部地段三维地形图2 洪水淹没及演进动态仿真模块设计在数值计算方面,通常将溃坝水流作为一维流考虑.溃坝波的运动规律是一个非常复杂的过程,需要理论与实验相结合,虽然模型试验的整个过程所需人力大、经费多、时间长,但随着电子计算机的发展及广泛应用,国内外相继对其水动力学数学模拟进行了研究.洪水演进动态仿真模拟正是在上述三维地形仿真的基础之上,利用地形数据建立不同的数学模型来进行对洪水波演进的模拟.实际上本系统的研制过程就是一种系统的集成,主要进行了洪水淹没和推进动态仿真模块的设计.2.1 洪水淹没动态仿真模型设计洪水淹没模型是以三维地形和不同水位来综合演示洪水淹没行为的时空变化及水体形态,侧重于对洪水在不同时刻淹没后状态的表达.通过本模型可以分析在一定的水位下,目标地形淹没的状态,进而计算出当前水位下水体的势能及其他分析数据,从而对大坝的安全及防洪进行精确的仿真.在编程实现时定制一个计时器,每经过一段时间触发系统按新的要求重新绘制地形和淹没后的水面,水面的高度可以逐渐上涨或下降.由于系统面向的是流域地形、影像、水文等海量数据,必须解决处理机在处理大数据量所导致的淹没行为演示的速度问题.为此,将地形显示与洪水上涨显示分离,在洪水上涨的过程中,每一次重绘时不必重绘地形,当然如果出现的是对鼠标要求变换地形的消息响应时,应将地形也全部重绘.图2是在仿真的清江流域三维地形基础上模拟洪水淹没(某一时刻水位)的演示效果.图2 清江流域洪水淹没地形图・83・ 水 电 能 源 科 学 2001年2.2 洪水推进动态仿真模型设计洪水推进模型仿真了整个洪水推进的过程,包括洪水从上游到下游的推进,以及在推进过程中由于地形的变化,推进的峰面形状的变化等方面的动态模拟仿真.在编程实现技术环节上,为了响应时间触发事件,达到动态演示效果,首先需要定制一个计时器变量,在固定的时间间隔触发系统重新绘制画面,而每一次重绘就是演示的下一帧动画.其次,应确定本模型的初始状态,在开发过程中,系统假定从研究区中流域河道的最初位置为洪水发源点,采用广度搜索算法[5]确定洪水推进的河道边界控制,解决了流域洪水推进与地形的空间自适应关系,较好地模拟了洪水在河道中的自然推进过程.从计算机系统开发角度,洪水推进可视化仿真包括以下两个方面.2.2.1 推进过程中水对周围地形的识别在真实的自然区域,实际的流域是比较复杂的流域地形(如比较复杂的河网体系),在某一级河道中推进的水体存在着回流的可能.在计算机实现中可应用广度搜索算法研究其解决方案.所谓广度搜索,举例来说:在平静的湖水中投入一颗石子,其水波的扩展过程就是一个广度搜索的过程.运用这一思想,系统在对每一个节点发送绘制消息之前,节点都执行该算法以判断与之相邻的节点是否应该绘制,以适应复杂地形的需要[6].其实现的算法封装在如下函数里.vo id CSi m u lateDoc::Guangdu search() {create a queue 建立一个队列queue;enQ(&node,queue,k) 将第一个节点放入队 列;w h ile(1) 开始遍历;{if(p12>trianglenum%2!=0){ 当前点是 奇数;if(三角形满足广度搜索条件){enQ(&j,queue,p12>visito rder+1);} 将该 节点加入队列;}else{ 当前点是偶数;if(三角形满足广度搜索条件){enQ(&j,queue,p12>visito rder+1);} 将该 节点加入队列;}}}2.2.2 推进水体峰面形状的处理由于地形变化、水体与地表的摩擦力以及环境对水体推进的影响,洪水推进过程中的峰面是一个受多种因素影响而形成的复杂曲面,要真实地模拟出该峰面,必须考虑多方面的因素.本模型对洪水峰面的处理采用一种较为粗略的逼近方式,即在推进的瞬间找出河道横截面的最深点及水体与河道交界的两个点,对系统瞬时确定的三个控制点,通过拉格朗日插值拟合出一条曲线来大体上控制和模拟推进水体的峰面.其插值公式为:x=(y-y2)×(y-y3)(y1-y2)×(y1-y3)×x1+(y-y1)×(y-y3)(y2-y1)×(y2-y3)×x2+(y-y1)×(y-y2)(y3-y1)×(y3-y2)×x3式中,x i代表三个控制点的x轴坐标;y i代表三个控制点的y轴坐标;x,y分别代表插值后点的x,y轴坐标值.3 结语在洪水演进三维仿真模拟系统的开发中,重点研究了三维地形的网格逼近生成技术、特殊效果的生成、图形控制与视点切换技术、洪水淹没及洪水演进的计算机模拟技术,这几项技术构成洪水演进计算机模拟仿真实现的基础.随着研究的不断深入,将来能够实现在真实的三维地形上的虚拟漫游,让各类用户犹如身临其境观察洪水的演进过程,并通过本系统的分析功能对洪水动力学性能进行分析,最终为各级防洪部门进行防洪减灾提供技术支撑.参考文献:[1] 边馥苓.地理信息系统原理和方法[M].北京:测绘出版社,1996.[2] 罗志琼,刘 永,周顺平.地理信息系统原理及应用[M].武汉:中国地质大学出版社,1996.[3] 韩式方,魏 华.三峡水库溃坝洪水波演进数学模拟[C].见:中国科学院三峡工程生态与环境科研项目领导小组编.长江三峡工程对生态与环境影响及其对策研究论文集.北京:科学出版社,1987.4822487[4] 李 薇,徐国标,李 果等.OpenGL3D入门与提高[M].成都:西南交通大学出版社,1998.[5] 张福炎.程序设计(第2版)[M].北京:清华大学出版社,1996.[6] Chow V T.A dvance in H ydro science[M].N ewYo rk:A cadem ic P ress,1978.(下转第51页)・93・第19卷第3期董文锋等:流域三维地形仿真及洪水演进动态模拟 处,序列存在明显的变异.由于其李氏指数约等于零,根据式(3)可知,它们都属于跃阶变异.在其他时间点上,模极大值随着尺度的增加迅速减小,可见它们都是由序列波动或某些极大值引起的.另外,从图4中未发现李氏指数较大的点,为了进一步证实序列是否存在趋势,对原序列作差分后求小波系数也未发现李氏指数大于等于零的点.表1 大洲站水位序列小波变换系数极值表a极值出现年份极值出现年份21-0.9419501.79199422-0.7619521.04199423-1.0519521.17199424-0.9919521.00199325-0.6119510.371978 根据经验,在小尺度下,小波系数模极大值与突变点位置对应较准确,但是,小尺度下受波动的影响很大,产生许多伪极值点.在大尺度下,极值点相对稳定,但是定位有偏差,不够准确.因此,在分析判断时需要把多个尺度结合起来综合观察.3 结语本文使用小波变换的方法对非平稳水文时间序列进行分析,计算出变异点的李氏指数,并根据小波系数模极大值的位置对变异点定位,根据李氏指数的大小对变异性态分类,根据尺度的大小描述受变异影响的时间跨度.在对大洲站年最高水位序列进行分析后得出,在1952年与1994年处有明显的突变特征.通过上述方法,只找到了最可能发生变异的位置,接下来还必须用各类统计方法(秩和检验法、游程检验法、T 检验法等)检验其可信程度.另外,还必须对流域进行实地考察寻求序列变异的原因,并作物理上的解释,只有通过综合分析,才能最后作出判断.参考文献:[1] 丁 晶,邓育仁.随机水文学[M ].成都:成都科技大学出版社,1988.[2] 杨福生.小波变换的工程分析与应用[M ].北京:科学出版社,1999.[3] M allat S ,Hw ng W L .Singu larity D etecti on andP rocessing w ith W avelet [J ].IEEE T ran s on M edical I m aging ,1995,14(2):1932204[4] 秦前清,杨宗凯.实用小波分析[M ].西安:西安电子科技大学出版社,1994.Pr i m ary Appl ica tion of W avelet Ana lysis on Non -steadyHydrolog ica l T i m es Ser iesZH EN G Z e 2quan X IE P ing CA I W ei(Co llege of W ater Con servancy and H ydropow er Eng .,W uhan U n iv .,W uhan 430072,Ch ina )Abstract :A t first ,th is paper in troduces the p rinci p le of w avelet tran sfo rm and the relati on sh i p betw een the coefficien t of w avelet and singu larity of signals .Secondly ,w e test the singu larity of non 2steady hydro logical ti m es series based on the above 2m en ti oned conclu si on .A nd then w e can get the p lace w here the singu larity and gradual change happened ,as w ell as their varieties .A ll of the w o rk p rovide the favo rab le p reconditi on abou t recovering the coherence of hydro logical ti m es series.Key words :w avelet tran sfo rm ;non 2steady ;hydro logical ti m es series ;singu larity ;gradual change ;coherence(上接第39页)Si m ula tion of 3D Terra i n and the D ynam ic Si m ula tion of Flood Routi ng M ethodDON G W en 2f eng YUA N Y an 2bin DU Y ing 2z e L IU J i 2p ing(Co llege of H ydroelectricity and D igitalisati on Eng .,HU ST ,W uhan 430074,Ch ina )Abstract :U sing V isual C ++as p rogramm ing p latfo rm ,together w ith OpenGL and G IS techno logy ,w e haveestab lished 3D si m u lati on system of river basin landscape .Basd on 3D m esh app rox i m ati on ,the real 3D landscape isp roduced .It leads to model generati on ,including si m u lati on of inundati on and rou ing m ethod ,estab lishm en t of ap ri m ary si m u lati on system of flood rou ting fram ew o rk .Key words :digital valley ;G IS ;flood rou ting m ethod ;si m u lati on・15・第19卷第3期郑泽权等:小波变换在非平衡水文时间序列分析中的初步应用 。
一次致洪暴雨过程的数值模拟及诊断分析20121123

Precipitatio n threshold value//mm
1 10 25 50 100
16th TS 0.73 0.49 0.35 0.15 BS 0.93 0.69 0.89 0.75 TS 0.73 0.53 0.36 0.16
17th BS 1.10 0.98 0.77 0.36 TS 0.59 0.43 0.34 0.15
南昌附近(28.7°N, 116°E) (a) MPV1 (b) se
,单位 : K
总结与讨论
• 这次特大暴雨是一次典型的梅雨暴雨,500 hPa东亚大槽 槽后、700 hPa华北低涡后冷平流与强盛稳定的副高西北 侧西南气流汇合,导致梅雨锋在江南北部维持 • 梅雨锋的稳定和西南暖湿气流的异常强盛,使暴雨的水汽、 动力、热力条件十分充足,非常有利于触发中尺度对流系 统强烈发展 • 强盛水汽输送及辐合上升运动、中层弱冷空气活动、高层 强辐散等多种因素的共同影响导致了特大暴雨发生
10-5s-1
散度和垂直速度时空演变
(a) (b)
(a) 散度,单位为 10-5s-1
1 (b) 垂直速度, 单位为 10-3 hPa s
南昌附近(28.7°N, 116°E)
涡度场、散度场、 降水演变
(a) 每小时 850hPa的涡度场和散度场演变 , (b)每小时地面降水场演变
850hPa湿位涡水平分布
2010年6月21日抚州决堤
研究目标
• 评估MRM模式对梅雨锋暴雨模拟能力 • 理解物理量分布的特征对暴雨预报的指示作用 • 探讨梅雨锋暴雨定量预报的方法
梅雨锋特征
• 地面天气形势场:经常呈东北-西南走向的准静止锋
• 卫星云图:长的层状云带,带内有强盛的中尺度对流 • 水平温度梯度很小,湿度和相当位温(θe)梯度很大
基于SWMM模型的暴雨洪水模拟研究——以郑州大学新校区为例

基于SWMM模型的暴雨洪水模拟研究——以郑州大学新校
区为例
李东;荐圣淇;王慧亮;胡彩虹
【期刊名称】《中国农村水利水电》
【年(卷),期】2017(0)10
【摘要】随着气候变化和人类活动影响加剧,城市化水平进一步提高,城市区域面积急剧扩大,城市化所带来的水文效应使城市洪涝灾害出现频率不断增大。
以郑州大学新校区为研究区域,应用SWMM模型对该区域在不同暴雨重现期、不同峰值比例、不同城市化程度和LID情境下进行暴雨洪水模拟。
结果表明:暴雨雨型对模拟结果有重要的影响,该模型较好的预测了研究区域排水管网的排水能力,以及在不同情境下的模拟结果。
【总页数】5页(P179-182)
【关键词】城市化;暴雨洪水管理模型SWMM;重现期;峰值比例;LID
【作者】李东;荐圣淇;王慧亮;胡彩虹
【作者单位】郑州大学水利与环境学院
【正文语种】中文
【中图分类】TV12
【相关文献】
1.基于SWMM模型的城市暴雨洪水模拟与分析 [J], 杨斌;赵睿;
2.基于SWMM模型的城市暴雨洪水模拟与分析 [J], 杨斌;赵睿
3.基于SWMM的东莞市暴雨洪水模拟与应用 [J], 廖威林;王兆礼;
4.基于SWMM模型的LID设施模拟分析
——以福州某校区为例 [J], 谢凌锋;杨邦勇
5.SWMM模型在城市暴雨洪水模拟中的参数敏感性分析 [J], 史蓉;庞博;赵刚;杜龙刚;钟一丹;左萍
因版权原因,仅展示原文概要,查看原文内容请购买。
基于 SWMM 模型的城市暴雨洪水模拟与分析

0 引言
伴随着我国城市化进程的不断加快,城市人口 急剧增加导致城市下垫面环境状况发生显著变化。 在全球变化的背景下,城市化进程直接影响了流域 产汇流过程,以及区域水资源供、用、耗、排水条 件,使得城市小尺度气候发生变化。受到下垫面环 境变化和气候变化等多因素的共同作用,我国城市洪 涝灾害发生次数不断增加,危害程度不断提升 [1]。 2012 年 7 月 21 日,北京市出现特大暴雨,全市受灾 人口 160.2 万人,紧急转移 9.7 万人,损毁公共设施 448 处,因灾直接经济损失高达 116.4 亿元。因此, 在城市重点区域内,针对可能发生的暴雨洪水淹没 水深、淹没范围、洪峰到达时间等洪水演进过程要 素进行模拟计算,并结合 GIS 进行洪水影响分析, 以标示城市范围内受洪水灾害的危险程度,对于城 市防洪除涝减灾、人口转移疏散、防洪预案编制等 具有重要的意义 [2]。
恩施市城区主要河流是清江干流,发源于利 川西北部齐跃山东麓的龙洞沟,自北向南从流经利 川市城区、腾龙洞、雪照河、恩施市龙凤镇、红庙 开发区、小渡船、舞阳坝、六角亭进入峡口。清江 流域面积 2 928.0 km2,在恩施境内流长 127.0 km, 其中城区段 18.0 km,主河道坡降 7.0‰。清江干流 城区河段中下游左岸有支流龙洞河、带水河、蔡家 河汇入,下游段峡口右岸有支流高桥河、巴公溪汇
1 研究区概况
恩施市是恩施土家族苗族自治州政府所在地,位 于湖北省西南部,清江中上游。全市总面积 3 967 km2, 辖 3 个街道、4 个镇、9 个乡,1 个办事处,172 个 行政村和 34 个社区。据 2013 年统计,全市户籍总 人口 81.43 万人,其中城镇人口(含乡镇居委会) 36.76 万人,乡村人口 44.67 万人。
等 [10] 在运用不确定分析的 HSY 算法和 Monte Carlo 采样法,在实测数据的基础上,对 SWMM 模型参 数进行验证,为模型参数的确定提供依据。Krebs 等 [11] 利用基因遗传算法研究了加入低影响开发(LID) 措施的现代城市区域,提出了加入 LID 措施的模型 参数适用范围。周力宁 [12] 提出暴雨内涝风险识别技 术,进行了不同暴雨强度下内涝风险等级分析,并 基于 SWMM 模型计算内涝发生时积水区域的积水深 度和内涝风险等级。申邵洪等 [13] 选择湖北省保康县 为研究区域,利用 TUFLOW 软件构建暴雨洪水计算 和淹没分析模型,对城区受淹地区、淹没水深、淹 没面积等进行了深入分析。
水文随机模拟进展_王文圣(1)

水文随机模拟进展王文圣1,2,金菊良3,李跃清1(11中国气象局成都高原气象研究所,四川成都 610072;21四川大学水利水电工程学院,四川成都 610065;31合肥工业大学土建学院,安徽合肥 230009)摘要:综述了近20年来水文随机模拟的新进展,包括三方面:¹随机水文模型改进和创新;º水文随机模拟应用研究新进展;»水文随机模拟认识新进展。
并指出了今后的研究重点:¹对水文过程的重要物理特性和统计特性作深入的分析;º加强非参数模型和非线性模型的研究;»加强流域系统随机模型的研究;¼加强建立模型时如何综合利用多种信息的研究;½加强模型的各种检验和合理分析。
关 键 词:随机模拟;随机模型;非参数模型;进展中图分类号:P33316;G353111 文献标识码:A 文章编号:100126791(2007)0520768208收稿日期:2005212225;修订日期:2006203215基金项目:国家自然科学基金资助项目(50779042,70771035,50739002)作者简介:王文圣(1970-),男,四川宣汉人,副教授,博士,主要从事水文水资源水环境系统分析。
E 2mail:wang w s70@sina 1co m1 水文随机模拟水文系统受气候和人类活动影响,呈现出非常复杂的行为特征。
在现有社会、经济和技术条件下,对水文系统进行真实的物理实验以揭示其结构和功能,显然是十分困难的。
由于系统的复杂性,目前还不能用准确的数理方程描述并求解。
要了解水文系统各组成间的相互关系,预测水资源开发方案可能产生的效果及对生态的影响,分析系统的发展趋势,当前可行的一类方法就是水文随机模拟。
所谓水文随机模拟[1],指根据水文系统观测资料的统计特性和随机变化规律,建立能预估系统未来水文情势的随机模型,由模型通过统计试验获得大量的模拟序列,再进行水文系统分析计算,解决系统的规划、设计、运行与管理问题的方法。
城镇暴雨初期雨水产流与产污模拟研究

城镇暴雨初期雨水产流与产污模拟研究陈卓1,顾洋2,黄膺翰3,冯镜洁1*,李然1,陈基培2,任爽1(1.四川大学水力学与山区河流开发保护国家重点实验室,成都610041;2.珠江水资源保护科学研究所,广州510611;3.中国电建中南勘测设计研究院有限公司,长沙410014)摘要:降雨过程中形成的污染已成为重要的城市面源污染,尤其是降雨初期雨水对城市地表的冲刷导致大量的污染物排放入水体,造成城市河流的冲击性污染。
当城镇遭遇暴雨时,下垫面硬化和污染物积蓄使得初雨污染峰值过程更剧烈,对河流的水质影响更为严重。
本文采用暴雨洪水管理模型(storm water management model ,SWMM )平台对具有不同下垫面特性的城镇流域开展暴雨条件下的径流模拟,在此基础上开展面源污染产生过程模拟,对比研究不同下垫面特性对产流、产污过程的影响。
结果表明:降雨强度越大,径流产流速度越快,径流峰值流量越大;流域中建成区占比越高,产生的径流量越大,单位面积产污量线性增大。
建成区占比高的流域产污过程线较尖瘦(峰值相对较大但历时较短),受支流汇流历时影响,干流产流过程线形状比支流宽胖(峰值相对较小但历时较长),干流峰值比支流滞后10~14h 。
暴雨后期地面冲刷的污染物浓度随时间降低,干流的产污过程峰值相对于支流滞后不显著。
研究成果可为城镇初期雨水污染防治的技术实施提供理论支撑,对消除城镇黑臭水体和维护河流水环境健康具有指导意义。
关键词:初期雨水;径流;污染物;暴雨;数值模拟中图分类号:X501文献标志码:A文章编号:2096-2347(2023)02-0051-10收稿日期:2023-01-05基金项目:国家自然科学基金(52039006)。
作者简介:陈卓,硕士研究生,主要从事水环境学研究。
E-mail:*****************通信作者:冯镜洁,博士,主要从事环境水力学研究。
E-mail:*******************.cn引用格式:陈卓,顾洋,黄膺翰,等.城镇暴雨初期雨水产流与产污模拟研究[J].三峡生态环境监测,2023,8(2):51-60.Citation format:CHEN Z,GU Y,HUANG Y H,et al.Simulation of runoff and pollution production during the initial rainfall of urban rainstorm[J].Ecology and Environmental Monitoring of Three Gorges ,2023,8(2):51-60.Simulation of Runoff and Pollution Production During the Initial Rainfall ofUrban RainstormCHEN Zhuo 1*,GU Yang 2,HUANG Yinghan 3,FENG Jingjie 1*,LI Ran 1,CHEN Jipei 2,REN Shuang 1(1.State Key Laboratory of Hydraulics and Mountain River Engineering,Sichuan University,Chengdu 610041,China;2.Scientific Institute of Pearl River Water Resources Protection,Guangzhou 510611,China;3.Zhongnan Engineering Corporation Limited,PowerConstruchion Corporction of China,Changsha 410014,China )Abstract :Pollution formed during rainfall has become a significant factor influencing urban area-source pollution.Rainwater flushes the urban surface in its early stages and brings a large accumulation of pollutants into water body of the urban river.Espe⁃cially,during heavy rainstorm,the hardening of the substratum and the accumulation of pollutants make the peak process of the ini⁃tial rain pollution more intense,and the influence on river quality is more severe.In this paper,the storm water management mod⁃el (SWMM)was used to simulate the pollution generation process for urban runoff under heavy rainstorm conditions and with differ⁃ent substratum characteristics,and the effects of different substratum on the flow and the pollutions production process were com⁃pared.The results show that the higher rainstorm intensity,the faster runoff production and the higher peak flow rate;and that theDOI :10.19478/ki.2096-2347.2023.02.07□水体研究三峡生态环境监测Ecology and Environmental Monitoring of Three Gorges2023年6月Jun.2023第8卷第2期V ol.8No.2三峡生态环境监测/第8卷52larger built-up areas in the watershed,the higher the peak flow rate,and the pollution production per unit area increased linearly. For high proportion of built-up area,the process line of pollution generation is more sharp and thin,indicating a relatively higher pollution generation in a shorter time period.The process line of pollution production in mainstream is wider and fatter(i.e.relative⁃ly low peak and longer time period)than that in the tributaries due to the time lag of confluence of the tributary inflow,and the mainstream peak value lags behind that of the tributaries by about10~14hours.During the later stage of a rainstorm,the concentra⁃tion of pollutants from ground scouring gradually decreases,and the time lag between the pollution production peaks of the main⁃stream and the tributaries is not obvious.The study provides a support to the prevention and control of urban river water environ⁃mental protection during rainstorm.Key words:initial rainfall;runoff;pollutant;storm;numerical simulation城镇是人类生活的主要载体[1]。
台风暴雨的数值模拟与资料同化研究的开题报告

台风暴雨的数值模拟与资料同化研究的开题报告一、选题背景和意义近年来,随着气候变化和全球气候多样性的增加,台风暴雨等极端天气事件频繁发生,给社会造成了巨大影响。
因此,精准地预测发生的台风暴雨事件对于减少灾害损失、保障人民生命财产安全、推动社会发展具有重要意义。
而数值模拟及资料同化技术可为天气预报提供有力的支持。
二、研究目的与内容本研究旨在通过数值模拟及资料同化技术,模拟台风暴雨天气过程,提高对其的预测准确性,降低灾害损失。
具体内容包括:(1)建立台风暴雨数值模拟模型,采用高精度数值算法,考虑气象场的物理特性和复杂地形条件下的变化规律。
(2)利用卫星云图、雷达数据、探空资料等多源数据,实现数据同化,优化台风暴雨预测模型,提高预测精度。
(3)对比分析不同数值模拟算法的预测准确性,优化数值模拟模型,提高预测效果。
三、研究方法和步骤(1)收集台风暴雨相关的卫星云图、雷达数据、探空资料等多源数据。
(2)建立基于高精度算法的台风暴雨数值模拟模型,考虑气象场的物理特性和地形条件下的变化规律。
(3)采用Ensemble Kalman Filter算法,实现多源数据同化过程,提高模型的预测精度。
(4)对比分析不同数值模拟算法的预测准确性,逐步优化模型并验证模型效果。
四、预期结果及可行性分析预计通过本研究,可建立基于高精度算法的台风暴雨数值模拟模型,并利用Ensemble Kalman Filter算法实现多源数据同化过程,提高预测精度。
经过对比分析不同数值模拟算法的预测准确性,逐步优化模型并验证模型效果,可得到较为准确的预报结果。
本研究方法可行性较高,技术手段和方法比较成熟,对于台风暴雨的预测具有实际应用价值。
五、研究计划本研究计划分为以下几个阶段:(1)调研和理论分析阶段,完成数值模拟方法研究及数值试验设计,并收集数据资料。
(2)算法实现及数值模拟阶段,建立数值模拟模型,采用Ensemble Kalman Filter算法实现数据同化。
暴雨洪水管理模型-概述说明以及解释

暴雨洪水管理模型-概述说明以及解释1.引言1.1 概述概述暴雨洪水是一种常见的自然灾害,其突发性和破坏力对人类的生命和财产安全构成了严重威胁。
随着气候变化和城市化进程的加速,暴雨洪水事件的频率和强度也呈现出逐渐增加的趋势。
因此,如何有效地管理和应对暴雨洪水成为了亟待解决的问题。
本文将探讨暴雨洪水管理模型,旨在通过科学合理的方法和手段来提高对暴雨洪水的应对能力和管理水平。
该模型将涵盖暴雨洪水的危害、现有的管理方法以及需要改进的地方,以期为相关领域的研究人员和政策制定者提供参考和借鉴。
暴雨洪水的危害主要表现在以下几个方面:一是对人类生命安全的威胁,包括溺水、水质污染和疾病传播等;二是对城市基础设施和建筑物的破坏,如道路、桥梁、房屋等;三是对农田和农作物的影响,导致农业生产的损失;四是对环境的破坏,包括土壤侵蚀、水资源浪费等。
针对这些危害,目前存在一些管理方法,如建设防洪堤坝、整治河道、提高排水能力等。
然而,面对不断变化的暴雨洪水形势,现有方法仍然存在一些问题和不足之处,需要进一步改进和完善。
因此,本文将重点关注暴雨洪水管理模型的构建和应用。
通过分析暴雨洪水的形成机制和发展规律,结合相关的地理、气象和水文数据,建立起一套科学、精确的模型,以指导暴雨洪水的应对和管理工作。
该模型将基于先进的技术手段,如遥感、地理信息系统和数值模拟等,为预测洪水的发生和演变提供准确的数据支持。
同时,该模型还将考虑不同地区和城市的特点,制定相应的管理策略和措施,以实现对暴雨洪水的有效管理和防控。
综上所述,暴雨洪水管理模型的建立具有重要的理论和实践意义。
通过深入研究暴雨洪水的危害、现有的管理方法以及需要改进的地方,可以为相关领域的决策者提供科学依据,推动暴雨洪水管理工作的持续发展。
与此同时,需要进一步加强科学研究,不断改进和完善暴雨洪水管理模型,以应对不断变化的自然环境和社会需求,为构建安全、可持续的社会发展环境作出贡献。
1.2 文章结构文章结构部分的内容可以依照以下方式编写:文章结构:本文主要包括引言、正文和结论三个部分。
小流域暴雨山洪预报模型研究的开题报告

小流域暴雨山洪预报模型研究的开题报告一、研究背景:我国是一国山水相依、多山、多雨的国家,因此暴雨、山洪等自然灾害时有发生。
当暴雨或降雨强度过大时,地面往往无法承接,形成暴洪和山洪从而造成河道泛滥和泥石流等多种自然灾害,给人民生命财产安全带来巨大威胁。
因此,及时准确的预报暴雨山洪灾害成为保障人民生命财产安全的前提。
目前,我国山洪灾害防治工作中,对山洪灾害的研究和预报主要集中在分区域、分湿年的中小河流上,优化目标是提高中小流域山洪预报精度,减少因为山洪而造成的损失。
二、研究内容:本文研究的主要内容为小流域暴雨山洪预报模型的建立和应用。
针对此问题,我们将从以下几个方面展开研究:1. 微小流域特征分析:通过分析微小流域的地形、气象、土地利用等特征,深入了解微小流域内部的洪涝水文情况。
2. 暴雨、山洪的生成机理分析:研究暴雨、山洪的生成机理,包括大气环流、水汽输送、降水形态等因素,掌握暴雨、山洪灾害的成因和规律。
3. 小流域暴雨、山洪预报模型的建立:结合以上分析成果,采用数学模型或机器学习等方法,建立小流域暴雨、山洪预报模型。
4. 模型测试和验证:将创新性的小流域暴雨、山洪预报模型应用到实际环境中进行测试和验证,并进一步优化模型。
三、研究意义:本文的研究结果将具有以下几个方面的重要意义:1. 提高中小流域暴雨、山洪灾害的预警精度:通过建立一个创新性的小流域暴雨、山洪预报模型,我们将能够更准确地预报微小流域内的暴雨洪灾情况,从而使有关部门能够及时采取措施,避免或者减少灾害的损失。
2. 探索小流域暴雨、山洪预报的新方法:本文采用创新性的数学模型或机器学习等方式建立小流域暴雨、山洪预报模型,为今后相关领域提供一种新的研究思路和方法。
3. 提高地方防洪能力:通过我们的研究成果,地方政府和有关部门将能够更准确地掌握暴雨、山洪的动态变化情况,从而保障人民生命财产安全,提高地方防洪能力。
四、研究方法:1. 地形分析法:采用GIS等技术对微小流域的地形、高程、地质等要素进行分析。
随机模拟法在澜沧江流域地区洪水组成中的应用.吕孙云

东北水利水电
#
特性检验结果分析可知, 所建立的两站 56( 模型 %) 能够通过检验。换句话说, 模型基本上能代表原型, 即利用多站自回归模型模拟得出的结果可以用于 本次生产设计。
! 模型应用
模型模拟出来的结果组成得出下游糯扎渡控 制站允景洪站的成果,将其与利用常规方法的地区 其中模拟序列采用短序 组成成果进行比较, 见表 %。 列法与长序列法分别进行统计。
东北水利水电
%
随机模拟法在澜沧江流域地区洪水组成中的应用
吕孙云/ 袁 鹏, 戴明龙来自( 四川大学水电学院, 四川 成都 +%""+0)
( 摘 要 ) 近年来, 随着水利水电工程的增多, 主要研究对象已向全流域库群转化, 用随机模拟的方法对水文水资源序
列进行模拟已经成为有效方法。本文将洪水随机模拟法用于澜沧江中下游的洪水地区组成的研究中,并取得了比较 好的结果。
(#), (&) % 洪水随机模型 ( % ) ,
的。但自相关和互相关系数对某些河流的洪水随截 口变化相对较小,可近似认为是平稳的。在这种情 况下,多阶自回归模型便可以大大简化,易于应 用。多站相关结构平稳自回归模型的一般形式 ( & ) 表 示为:
’
5 !)(%( 6 + #( %( &) & * () &)
(5%
$%’
式中 % $ & ’ " , 维列向量,即需要模拟的各站的 & 截口的洪水系列; )( " , - , 维回归矩阵, )(#" ( 或 )( 5 " ( ($ ’) (% ’ ’ ;+ " , - , 维参数矩阵; # $ & ’ " , 维标准正态随机数所组成的矩阵;, " 待模拟的站数。 若 378( ,’ 5 给定上限阶数 ., ’" ) $378( 1) …, 则 ’" 为所确定的阶数。实际应用中由 %, !, ., 于随着模型阶数的增加,模型参数增加很快,且提 高的模型阶数有限,故一般采用较低阶数的模型。 常采用的有 % * # 阶的自回归模型。 由于自回归模型是先模拟各站 & 时刻的洪水 截口值,然后由模拟的 & 时刻洪水截口值推求时刻 的洪水值。故根据自回归模型的一般形式,自回归 模型只能模拟时刻的各洪水截口值。对于 &$ ’ 的 时刻的各截口, 需建立前 ’ 阶的截口模型。第一截 口模型的一般形式: % $ % ’ 5 +% # $ % ’ 参数的推导结果为: ( !)
降雨径流模拟与洪水频率分析中的不确定性研究

降雨径流模拟与洪水频率分析中的不确定性研究不确定性是指实际与估计之间的不同。
不确定性研究对估计值在实际中的应用具有重要意义。
因此,在工程水文学中,不确定性研究已经成为一个重要的研究课题。
降雨径流模拟对水资源配置、洪水模拟' 水库调度等都具有重要的意义。
降雨径流模拟需要输入数据和水文模塑。
不同的降雨径流模型具有不同的模型结构,因此使用到的数据也有所不同。
这些数据可以通过地面站点' 卫星遥感等方式获取。
本文主要对遥感数据模拟降雨径流过程中的不确定性进行研究。
洪水频率分析可以使用暴雨资料和流量资料,另外还可以考虑古洪水'可能最大洪水或可能最大降雨。
洪水频率分析受数据序列长度' 数据选择不确定性' 数据序列代表性' 概率分布模型选择不确定性' 概率分布模型参数不确定性' 气候变化' 洪水变量相关性等因素的影响。
本文主要从以下三个方面对洪水频率分析中的不确定性进行研究。
第一,气候变化造成的不确定性。
第二,洪水变最相关性造成的不确定性(例如洪峰和洪量的相关性)。
第三,综合洪水频率估计不确定性。
主要研究成果与结论如下。
第一,对全球陆面数据同化系统(简称为:GLDAS/Noah)的输入数据、输出数据、数据季节变化和空间变化的不确定性进行了研究。
为了定量地分析气象数摇不确定性对模拟水和能量通量的影响,研究了一个气象数据模拟水和能量通量不确定性最化框架。
一个基于水和能量半衡的分布式水文模型用于不确定性评估中。
在碧流河流域的研究结果表明,GLDAS/Noah气温和湿度数据具有很好的精度,但是高估太阳辐射和风速。
对于高估的数据,研究提出了修正公式。
对修正公式的有效性进行了验证,结果表明修正数据模拟的流帚和陆地表面温度数据准确性提高显菩。
星化太阳辐射和风速不确定性对模拟水和能星通量的影响结果发现,对于蒸发、陆而温度和表层土壤湿度,在较热的月份太阳辐射的影响最大:而对于径流,太阳辐射数据、风速及水文模型的结合影响最大。
四川盆地暴雨对初值敏感性的模拟研究

四川盆地暴雨对初值敏感性的模拟研究
卢萍;肖玉华
【期刊名称】《高原山地气象研究》
【年(卷),期】2009(29)1
【摘要】本文基于区域暴雨数值预报模式AREM,针对2007 年7 月发生在四川地区的多次强降水过程进行数值试验,检验了NCEP和站点资料(STN)初始分析场资料预报结果,发现由于台站资料稀少,NCEP资料在四川地区的评分较高.讨论了四川盆地降水对初值的高度敏感性,揭示了四川盆地降水对初值中各个物理量场的不同敏感性,其中,降水对初值中湿度场的响应最为显著.初值不仅决定着降水的范围和强度,还对降水的发生时间产生明显影响.
【总页数】6页(P25-30)
【作者】卢萍;肖玉华
【作者单位】中国气象局成都高原气象研究所,成都,610072;四川省气象局气象台,成都,610072
【正文语种】中文
【中图分类】P435
【相关文献】
1.暴雨随机模型研究:暴雨洪水流域系统随机模拟研究之五 [J], 邓育仁;丁晶
2.四川盆地西部暴雨对初始水汽条件敏感性的模拟研究 [J], 卢萍;宇如聪;周天军
3.华南"94·6"特大暴雨的中尺度对流系统及其环境场研究I.引发暴雨的β中尺度对
流系统的数值模拟研究 [J], 孙建华;赵思雄
4.一次华南暖区暴雨过程可预报性的初值影响研究 [J], 吴亚丽;蒙伟光;陈德辉;林文实;朱立娟
5.FY-2G地表温度反演产品改变模式初值对一次台风暴雨模拟的影响 [J], 刘武;李耀东;史小康
因版权原因,仅展示原文概要,查看原文内容请购买。
暴雨洪水管理模型参数敏感性分析

暴雨洪水管理模型参数敏感性分析
廖如婷;徐宗学;叶陈雷;左斌斌;向代锋;舒心怡
【期刊名称】《水力发电学报》
【年(卷),期】2022(41)6
【摘要】暴雨洪水管理模型(SWMM)是研究城市洪涝问题的有效手段之一,其敏感参数取值不仅影响模型参数率定效率,还影响模型预测的精确性。
为了准确辨识敏感参数,本文从局部和全局的角度,分别采用修正Morris筛选法和互信息法对参数进行敏感性分析。
研究结果表明:洪峰流量和径流系数的敏感参数均为透水区曼宁系数和最小入渗率。
本文选用的修正Morris筛选法和互信息法都可以识别出主要敏感参数,但前者对于敏感参数的识别能力有限,后者识别效率较低,建议在需要快速辨识模型主要敏感参数时采用修正Morris筛选法,进一步识别模型其他敏感等级参数时结合互信息法。
【总页数】11页(P11-21)
【作者】廖如婷;徐宗学;叶陈雷;左斌斌;向代锋;舒心怡
【作者单位】北京师范大学水科学研究院;城市水循环与海绵城市技术北京市重点实验室;广东省水利水电科学研究院;武汉大学水资源与水电工程科学国家重点实验室
【正文语种】中文
【中图分类】TV122.1
【相关文献】
1.暴雨管理模型SWMM水文参数的敏感性分析案例研究
2.MSKLOSS河道洪水演算模型参数敏感性分析
3.基于偏相关法的暴雨管理模型参数敏感性分析
4.甘肃省暴雨洪水图集计算面雨量的参数敏感性分析
5.SWMM模型在城市暴雨洪水模拟中的参数敏感性分析
因版权原因,仅展示原文概要,查看原文内容请购买。
惠民一次大暴雨过程的数值模拟研究

惠民一次大暴雨过程的数值模拟研究作者:***来源:《农业灾害研究》2024年第04期收稿日期:2024-01-09作者简介:李雪(1998—),女,山东滨州人,助理工程师,主要从事大气科学。
摘要:利用WRF(Weather Research Forecasting)模式和FNL(Final Operational Global Analysis)资料,对2022年8月8日惠民县一次大暴雨过程针对积云对流参数化方案进行了敏感性试验,以考察不同积云对流参数化方案KF(new ETA)、Betts-Miller-Janjic(BMJ)和Simplified Arakawa-Schubert(SAS)对此次降水过程的模拟影响。
结果显示:3种积云对流参数化方案均能预报出整体降水过程,整体而言,KF方案模拟对此次强降水预报效果最佳。
但在对降水范围与强度、各物理量的模拟中,3种积云对流参数化方案各有优劣。
关键词:暴雨;WRF模式;敏感性试验;积云对流参数化方案中图分类号:P458 文献标志码:B 文章编号:2095–3305(2024)04–0-03暴雨是滨州市夏半年最重要的气象灾害之一,易造成道路房屋积水、农田水灾等内涝灾害。
因此,提高对暴雨的监测和预报能力是国家防灾减灾的重大需求,对保护人民生命财产和促进社会经济发展具有重要意义。
暴雨是我国中尺度灾害性天气之一,但暴雨是由中小尺度系统引起的,在不同尺度天气与环流系统相互作用下的结果[1]。
中小尺度天气系统及其引发的暴雨预报一直是气象界的一大难题,数值天气预报技术的发展为解决中尺度天气系统面临的难题提供了解决的可能[2]。
作为数值模拟中重要的非绝热加热物理过程,积云对流和大尺度環流可以通过动力作用直接影响大气质量、能量输送分布和降水过程,从而进一步影响气候变化与大气环流,因此,积云对流参数化方案对降水预报也有重要作用[3-5]。
针对2022年8月8日滨州市惠民县发生的大暴雨过程,使用WRF模式进行数值模拟,并且针对不同的积云对流参数化方案进行敏感性试验,通过对降水模拟结果进行对比分析,得出针对此次暴雨过程模拟更适合的积云对流参数化方案,以供参考。
在水库防洪水文水利计算中采用洪水过程随机模拟新途径

在水库防洪水文水利计算中采用洪水过程随机模拟新途径邓育仁;丁晶
【期刊名称】《水文科技情报》
【年(卷),期】1991(008)001
【总页数】2页(P54-55)
【作者】邓育仁;丁晶
【作者单位】不详;不详
【正文语种】中文
【中图分类】TV62
【相关文献】
1.考虑入库洪水随机过程的梯级水库防洪优化调度 [J], 李雨;郭生练;周研来;李天元;陈炯宏
2.水库大坝防洪风险评价及入库洪水随机模拟 [J], 兰盈盈;崔新颖
3.采用随机模拟技术与常规水文方法相结合的洪水过程模拟法 [J], 韩义超;刘东
4.随机模拟在水库群防洪库容设计中的应用 [J], 卢承志;刘佩康;金禹春
5.梯级水库日洪水过程的随机模拟研究 [J], 熊明
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
。
,
截 口 雨 量 依 次 累 加 尽 管 各截
,
,
口雨量能保持
,
要 求 的 统 计 特 性 而 总量 的 统计 特 性 未 必 达 到 要求
。
这 是 该 模 型 的一 个缺 陷
。
点 是 概 念清 楚 易 为 广 大水 文 工 作 者 理解 接
正 则 展 开 暴 雨 随机 模 型
正 则 展 开 随机 模 型 最初 提 出 来是 用 于 径
。
受 和应 用
。
一 般 而 言 年 暴 雨序 列 是暴 雨 量 暴 雨 历 时 及 暴 雨 雨 型 三 者 随机遭 遇 组 合 而成 的
, 。
,
。
”
在文
、 。
, 1 献[
3
,
’,
・
,
’“
,
”〕
中 已 对 该 项 研 究 的 各种 原 理 方 这
,
法 及 实际 应用 等均有 详 细 的 介绍 和 阐述
,
里 仅论 述 其 中 的几 种 实用 性 暴 雨 随 机 模 型
,
系 的 重 要 手段 之 一
,
。
重 点 指 出 其 特 点 和 优 缺 点 以 期进 一 步 堆动
;
,
艺年
与第 j 年 序列
,
的 相 似程 度 ) 再 利 用 传 递 闭 包 有关 定 理 对
R R
五
量 序 列 可 用 变参 数 的 一 阶 自 回 归 模 型 表征 估计 况
。 。
,
进 行平方 根改 造 便 获 得模 糊等 价 矩 阵
;
,
模型 参 数 由有雨 时段 后 出 现 的 有雨 实测 资料 若后 一 时 段 的 雨 量 与前 一 时 段 已出 现
1 8 有效 的 概 率权 重矩 法 [ 代 替 矩 法 取 得 了较 好
。
究 表 明 皮 尔逊
C
,
l
型 分 布 的 年 暴 雨 序 列 (指年
,
,
最 大 一 次 洪 水 对 应 的暴 雨 序 列 ) 在 各 截
,
不 很 大 时 经 过 W 一 H 逆 变 换 为正 态 序
,
的效 果 [
。
7
〕
。
列[ ] 3
并 由 变 参 数 一 阶 自回 归 模 型 模 拟 是 一
。
正 则 展 开 模 型 仅 能 模 拟 出 各 截 口 的雨
种 简便 可 行的 方 法
量 若 要得 到 一次 暴 雨 过 程 的总量 必 须将各
,
,
在 建 模过 程 中 为 了可 靠 地 估计 参数 应 充 分 利 用 调 查 的历 史 特 大 暴 雨 资 料 或 者 利
,
。
。
身一 般 为 偏 态 独 立 随 机 序 列 可 选 用皮 尔 逊
皿型描述
,
,
其 参 数 由 无 雨 后 出现 的 有雨 实 测
, ,
资料 估计 二 是 由 有雨 转 到 有雨 时 后 一 时段
的雨 量 与前 一 时 段 已 出 现 的 雨 量有 关 其 雨
;
相 关 系数 表 示 它 反 映第
暴
雨 雨 型 在 实 测暴 雨 资 料 的 基 础 上 可 概 化 为
模型 的 最 大 特 点
,
。
皮 尔逊
。
l
型或
I
型 概 率 密 度 曲线 或其 他 曲
、
暴雨 序 列 具有 偏 态 特 性
。
在 引用 正 则 展
。
线 也 可 综 合 分 析 出 多 种 概 化 雨 型 (纵 横 座
,
j 5 开 模 型 时 必 须 予 以 考 虑 文 献 [ 曾建 议 通 过
、
序序 列 再 估 计 各 组 序 列 的 模 型 参数 最 后 取
期望 值 作 为 选 用 的 参 数 文献
2 2
.
,
,
和 暴 雨 雨 型 三 者 关 系 的 基 础 上 提 出 了 简单
,
。
具 体 方法 和 实例 见
实 用 的 随机 组 合 暴 雨 模 型 [ 妇
,
。
这 一 模 型 的特
、
[3〕
种 情况 一 是 由无 雨 转 到 有 雨 时 有雨 序列 本
:
,
,
暴雨 序 列 不 尽 合理 改进 的 办 法 是 采 用 模 糊
,
。
典 型 解集 模型 这 一 模型 是 根 据 各 年 年暴 雨 分 配 形 式的相 似性 进 行 模型 动 态 聚类 分 0 1 析[ 〕 先建 立 模 糊 相似 矩 阵 R (其 元 素 用 互
199 6
年
3
月
四
川
水
力
发
电
第
1
期
暴 雨 随 机模型 研 究
’
—
摘 要
,
暴雨 洪水流 域 系 统随机模 拟 研究之 五
邓 育 仁
( 四 川联
,
丁
,
晶
合大 学 成 都
6100 65)
暴 雨 随 机 模 型 是 暴 雨 洪水 流 域 系 统 随 机 模 拟 洪水 过 程 的 关 键
,
。
.
本 文 论述 了现 行 几 种 实 用性 暴 雨 随 机
计特 性
。
模 型 的适 用 性
本 文 是 水 电科 学 基金 资 助项 目
国 外常用 对 数 转 换来 处理偏 态 暴 雨 序 列 对 数 转换 在 C <
。 ,
上 (原 始 暴 雨序 列 上 )保 持 统 计特 性 因 此 我
。
,
3C
。
时 效果 较差 同 时
。
,
,
,
们 建 议 将 正 态 的 独立 随机 变 量 改 为 偏 态
, ,
。
模 型 指 出 了 它 们 的 特 点 并分析 了 各 自的优缺 点
料 检 验 表 明 有 良好 地 随 机 模 拟 效 果 可 推 广 应 用
, ,
总 的说来 这 些 模 型 概念 清 楚 结构 简单 计 算 方 便
,
实测 资
。
关链 词
暴雨 序列
随机 模型
随 机 模拟
本文 是在 我 们 承 担 的水 电科学 基 金 项 目 1
实 用 性 暴 雨 随机 模 型 的 研 究 同 时促 进暴 雨
。
建 立 最 佳 的暴 雨 随 机 模 型 是 系 统 随 机 模
拟 的关 键 也 是在 这 个领 域研 究 的热 点 长 期
以 来 不 少水 文工 作 者作 了 大 量 的研 究 一 部
,
。
随 机 模 型 的 合理 应 用 提高 洪水 成 果 的 可 靠
2
.
型 分布
。
这 是 需要 进 一
依据 这 样 的 暴 雨 序 列 便 可 应 用 一般 的 方
。
。
法估 计参 数 为 减少 插 补序 列 的 偶 然 性 可 随
机 插 补若 干 组 序 列 并 组 成 相 应 的 若 干 组 连
,
,
3
随 机组 合 暴 雨 模型
我 们 在 分 析 一 次 暴 雨 的 总 量 暴雨 历 时
, , ,
,
。
断 且 暴 雨 资料 较 长 的情 况 下 此 模型 的模 拟 效 果 较好
。
本 文 论 述 的 各种 暴 雨 随 机 模 型 是 从 不
同 的角 度 以 不 同 的方 式 反 映 暴 雨 的这 些 统
将 这 一 模 型 用 于 描 述 我 国 暴雨 随
, ,
。
机 变 化特 性 时 我 们 作 了 必 要 的改 进 以 提 高
;
自 回 归 模型 其 主 要 特 点是 参数 随 截 口 而 变
,。Leabharlann 该 模 型 充 分 反 映 暴 雨 时 序上 的 相 依 性 在 暴
雨 随 机 模 拟 中早 已 应 用 图
,
。
组 出 现 ) 特性 暴 雨过 程 总量 历 时 强 度 的概
;
、 、
当暴 雨 过 程 无 间
,
率分 布 特 性 以 及 雨 型 等特 征 的 随机 性
,
性 使 水 文 水 资 源 的分 析 和 计 算建 立 在 更加
科 学 的基础 上
2
2
.
,
份 人 偏 重 于 理 论 研 究 另 一部 份 人 则 偏 重 于
实 际 应 用 从 目前 情 况 来 看 理 论 研 究 的 进 展
不 大 但 实 用 性 的暴 雨 随 机 模 型 由 于 实 际 的
j l 需 要 取得 了 显 著 的 进 展 [
列
。
。
尽 管 对 独 立 随机 变 量 采
,
型 分 布 但 最 后 模 拟 出 的暴 雨 序
皿
,
这 样 由特 大 暴 雨 和 实 测 暴
列 为皮 尔 逊
型 分 布 随 机 变 量 之 线性 组 合
l
雨 以 及 随 机 插 补 的 序 列 组 成 一 个连 序 暴 雨 序
所 以 不 遵 循皮 尔 逊
步 探讨 的间 题
,
。
暴 雨 历时 序 列 也 属 独 立 随机
。
。
这 有 利 于 相 依随 机
,
。
序 列 常 用 负 指 数 分 布 表征 其 变 化 特性 暴 雨 量 与 暴 雨 历 时一 般情 况 下 是 相互 独 立 的