基于PCA-Fisher最优分割法的汛期分期影响研究

针对传统汛期分析方法主观性强、研究论域单一等问题,以申村水库流域为例,首先采用均值变点分析法寻找月降雨-径流的相关系数列变点,定量确定汛期研究域;再应用Fisher最优分割法,结合PCA法确定各项指标权重研究了基于综合指标、洪水指标以及暴雨指标的流域汛期分期规律,并依据区域气候成因对分期结果进行分析。结果表明,基于PCA-Fisher最优分割法可行;汛期分期结果与分期指标有密切关系,在实际应用,应综合考虑多种指标;人为判定汛期研究域缺乏对气候变化和极端天气等因素的考虑,需对气候变化等因素对汛期的影响做深入研究。     

水库汛期分期调度若干问题分析

文章以汤河水库为分析对象,在对水库的汛期分期调度重要作用进行分析的基础上,针对水库汛期分期的问题使用了模糊集分期的方法,形成了水库分期的基本方法。同时,对汤河水库进行了分期调度设计,分析了汤河水库分期设计洪水计算的问题。在分期最大值取样和正态分布拟合的基础上,得到了该水库分期设计洪水计算的方法。     

基于两变量分布的峰量联合分析

采用Gumbel 逻辑模型建立基于超定量取样的两变量联合分布,利用所建立的联合分布,给出了条件频率和两种两变量重现期的计算方法。以隔 河岩水库坝址洪水研究为例,分析了当洪峰超过其某一频率的设计值时,各不同频率的设计 洪量发生的条件频率,并对同频率设计值组合的两变量重现期进行了计算。研究表明在推求 设计洪水过程线时,洪峰和洪量同频率的假定并不是过于偏保守,甚至还存在一定的风险, 作为设计方法中的假定,具有一定的合理性。     

基于过渡理论的不同论域对汛期分期影响研究

根据过渡理论,结合均值变点分析,提出了基于过渡理论的的汛期划分与汛期分期的原理与模型,研究了张家庄水库以候与旬为论域的汛期分期变化规律,结果表明分期结果符合洪水季节规律和成因特点,有较强的理论背景,数学概念清楚。且分期论域对分期结果有一定影响,在实际中应细化汛期分期论域,让分期结果更精确,也可对不同的防洪安全标准制定不同的汛期分期论域。     

基于改进模糊集分析法的汛期分期

传统的模糊集分析法进行汛期分期过程中,在汛期区间与阈值的确定方面存在主观性较强的问题,同时该方法只能考虑单一的因素,针对这些问题提出改进模糊集分析法。使用变异系数法计算指标权重,用每个旬的所有指标加权组合成为一个综合指标,以代替原来的单一指标;使用模糊集合分析法计算隶属度,划分汛期与非汛期,最后在汛期区间内,使用均值变点分析法寻找变点,并以此进行汛期分期。改进的模糊集分析法的分期结果与数理统计法、传统模糊集合分析法的汛期分期结果大体一致,说明提出的改进模糊集分析法适用性强。     

变点分析方法在隔河岩水库汛期分期中的应用

 根据隔河岩水库防洪任务,采用变点分析方法对隔河岩水库汛期进行了分期研究与探讨。并将变点分析方法与成因分析方法、数理统计分析方法、模糊分析方法等计算结果进行比较论证。首先分析清江流域的洪水季节性规律,得出了其主汛期为6月上旬至7月下旬;进一步分析枝城洪水,得出了枝城洪水基本发生在6月20日以后;再通过清江、长江洪水遭遇时间特征分析,发现两江洪水遭遇主要发生在6月下旬至7月下旬。基于隔河岩水库的主要任务是为荆江河段防洪错峰,可将隔河岩水库的主汛期后挪20 d,得到水库汛期分期方式：汛前期为5月1日至6月20日;主汛期为6月21日至7月31日;汛末期为8月1日至9月30日。这为充分利用洪水资源提供了依据与基础。     

集对分析在汛期分期中的应用研究

合理的流域汛期分期,对水库防洪、兴利和实现洪水资源安全利用具有关键意义。现有汛期分期方法较复杂,计算繁琐,不便于应用。为此提出了基于集对原理的汛期分期方法——集对分析法(SPAM)。介绍了集对分析的基本思路和汛期分期计算的步骤。实例分析表明基于集对分析的汛期分期可行,分期结果可信。SPAM概念清晰,结构简单,计算简洁,易操作,是一种有效的分期途径。     

基于分形法的百色水库汛期分期研究

水库分期汛限水位动态控制是洪水资源化利用的有效途径之一,为了提高百色水库对洪水的调节作用和洪水资源化利用效益,采用基于日最大值取样的分形法对百色水库进行汛期分期,最后得出百色水库汛期分期为:汛前期为5月1日~6月20日,主汛期为6月21日~8月20日,汛末期为8月21日~10月31日。     

基于主成分分析法与量变质变判别模式的汛期分期

现行的汛期分期方法存在理论依据薄弱、考虑因素单一、阈值选取主观性强以及计算繁琐等缺陷,不能简便合理地进行汛期分期。为此,以李仙江流域为例,应用量变质变判别模式,结合主成分分析法,研究了基于综合指标、洪水指标以及暴雨指标的流域汛期分期规律,并与其他方法进行比较。结果表明,分期结果能反映指标的物理意义;汛期分期结果与分期指标有密切关系,在实际应用,应综合考虑多种指标;依据对立差异度意义划分的汛期过渡期具有较高的可靠性。     

基于分形维数的汛期洪水分期

为了研究汛期洪水分期合理的划分方法,引入分形维数理论分析了洪峰散点序列的分维特征,给出了按时间尺度的容量分形维数的具体计算方法。结合某水库入库洪水分期实例,以汛期日最大流量为系列样本进行了分形维数的计算和分析。结果表明:采用容量维数算法划分的洪水分期与经验统计方法划分的洪水分期基本一致,但分形方法揭示了隐藏在洪峰散点序列这一复杂现象背后特定的规律性,比经验统计方法更具有定量、客观和计算简便等优点。     

水库汛限水位确定方法评述与展望

回顾国内外水库防洪调度的发展概况，分析并将国内水库汛期防洪限制水位确定方法划分为汛限水位静态控制和动态控制两类。前者包括固定汛限水位法及三种分期汛限水位法；后者按照所采用的信息类别及利用的理论，划分为综合信息推理法、水文信息统计法及水库调度模型法。针对各方法给出研究及运用中的实例并做出简要分析，指出在运用中的特点。从系统的角度分析影响汛限水位确定的因素，并给出了展望。     

融合ARIMA模型和MCMC方法的非一致性设计洪水计算

常规非一致性频率分析方法在选择协变量、建立统计参数与协变量的函数关系方面均存在主观性,且仅获得设计洪水估计值,不能同时进行不确定性分析。为改进上述不足,建立了ARIMA-MCMC模型,在贝叶斯MCMC方法抽样过程中考虑统计参数拟合期内的时变性,进而对未来气候变化条件下的非一致性设计洪水频率分布模型参数进行抽样,基于参数后验分布进行设计洪水计算,并推求相应的置信区间。选取雅砻江流域小得石水文站作为分析对象,采用ARIMA-MCMC模型定量评估未来气候变化条件下小得石站设计洪水的变化情况。结果表明：基于ARIMA-MCMC方法的参数抽样收敛效果较好,3种情景下的模型统计量D均小于显著水平5%的临界值;除SSP2-4.5情景下P=0.1%和P=0.05%的设计值外,其他情况的设计最大日流量较历史期均明显增加,其中SSP1-2.6、SSP5-8.5情景下的增幅分别为7.1%～10.5%、13.9%～27.2%。本文建立的ARIMA-MCMC方法能够有效进行非一致性设计洪水频率分析。     

分期设计洪水研究进展和评价

采用分期设计洪水是实现洪水资源化的主要方式之一。综述归纳了汛期分期和取样方法的优缺点,总结了分期设计洪水方法研究的最新进展,讨论了现行方法存在的技术问题,并进行比较评价;探讨了分期汛限水位优化设计等问题,展望了分期设计洪水的研究前景。     

Multi-Objective Optimization for Flood Interval Prediction Based on Orthogonal Chaotic NSGA-II and Kernel Extreme Learning Machine

Deterministic flood prediction methods can only provide future point prediction results of the target variable. The intrinsic uncertainties and the fluctuation range of the prediction results cannot be evaluated. This study proposes a flood interval prediction method based on orthogonal chaotic non-dominated sorting genetic algorithm-II (OCNSGA-II) and kernel extreme learning machine (KELM) to estimate the uncertainty of the flood prediction results. The dual-output KELM model is exploited to predict the upper and lower bounds of the possible flood prediction result. The OCNSGA-II algorithm is employed to adjust the hidden layer output weights of the KELM model to minimize the prediction interval normalized average width (PINAW) and maximize the prediction interval coverage probability (PICP). The target variable with a disturbance of ±10% are taken as the initial upper and lower bounds. The superiority of the proposed method has been validated on one a real-world data set collected from the upper reaches of the Yangtze River in China. Results have shown that the proposed model can obtain prediction intervals with higher quality than the conventional single-objective interval prediction models and the other multi-objective benchmark models.

     

基于改进POT模型的混凝土坝监控指标拟定

大坝监测效应量作为一种随机变量,采用以极值理论为基础的POT (Peaks over Threshold)模型研究监测效应量的监控指标是合适的,但现有的POT模型的阈值确定以图形法为主,需要人工判断,主观性和随意性较大,且难以实现计算机自动化识别。通过构建阈值递增序列,计算不同阈值Tj条件下相应的监控指标,然后利用概率论中的3σ准则,以监控指标危险值与警戒值的差值?j趋近于测值序列标准差S作为确定最合理阈值的原则,提出了一种改进的阈值确定方法,并给出了一个验证实例。改进方法理论基础明确,有效地克服了图形法的主观性和随机误差,且能采用计算机程序实现最合理阈值的自动识别,增强了POT模型法拟定大坝安全监控指标的实用性。     

黄河上游年最大洪峰流量规律研究

基于黄河上游年径流过程与年最大洪峰流量序列具有很好的相关性这一特点,采用功率谱分析法和灰关联分析法从微观和宏观两方面研究洪水规律。功率谱分析结果表明:黄河上游各水文站年最大洪峰流量序列具有一些周期谐波,但均没能通过显著性检验,因此难以建立确定性模型对年最大洪峰流量做出定量预报。通过太阳黑子周期性变化与黄河上游大洪水的相关性统计分析和灰关联度计算,表明黄河上游大尺度的天气系统与太阳黑子具有很好的相关性,因此可以通过太阳黑子的变化对年最大洪峰流量进行定性预测。     

洪水灾害危险性评价方法的研究与改进

洪水风险分析是防洪非工程措施的重要组成部分,而洪水危险性评价是风险分析的基础。现有的洪水危险性评价方法由于需要获得淹没水深,在对洪水风险预测时要求复杂的水力学模型和高分辨率数据的支撑,但业务化过程中常常无法满足数据要求,为了简化洪水危险性评价的过程,确保评价结果的准确性,提出了一个新的简单且综合的洪水危险性评价指标(FHI,Flood Hazard Index)。该指标以GisNet和ArcGIS为软件平台,结合分布式水文模型,依据洪灾的形成机理,综合考虑分布式流量与地形指数。结合北京山区红螺谷流域的具体情况,对新指标进行了对比检验。结果显示,FHI能够真实地反映区域洪灾随空间变化的趋势,为未来洪水危险性评价与预测的研究,提供了一个全新的思路,对洪水风险研究体系的完善具有重要的现实意义。     

BREACH模型与MIKE21模型在溃坝风险中的耦合分析

BREACH模型常用来模拟水库大坝漫顶及管涌溃坝模式并获取溃口流量与时间关系,MIKE21模型常用来模拟湖泊、河口、海湾等二维水动力学并获取洪泛区内洪水风险信息要素,两大模型耦合分析在保障水库大坝安全运行及风险管理方面发挥了积极作用。以BREACH模型模拟溃口流量动态数据过程与溃口演变尺寸为基础,通过ArcGIS预处理地形文件、工程建筑物参数与水文数据,构建MIKE21二维水动力学模型并计算网格差值空间,利用Flow Model模块生成溃坝洪水模拟文件,采用判别溃口流量差值是否满足精度要求的迭代法来耦合两大模型,最终结合所要分析水库大坝的工程概况,计算不同风险情况下的水库大坝溃坝洪水淹没水深与范围,进而模拟溃坝洪水演进过程。该方法已成功应用于郑州常庄水库风险分析,结果表明,该方法能客观反映溃坝洪水行洪情况,使用方便,为水库大坝运行管理与应急处置提供了一定的技术支持。     

Uncertainty Analysis of Bivariate Design Flood Estimation and its Impacts on Reservoir Routing

The bivariate hydrological quantile estimation may inevitably induce large sampling uncertainty due to short sample size. It is crucial to quantify such uncertainty and its impacts on reservoir routing. In this study, a copula-based parametric bootstrapping uncertainty (C-PBU) method is proposed to characterize the bivariate quantile estimation uncertainty and the impact of such uncertainty on the highest reservoir water level is also investigated. The Geheyan reservoir in China is selected as a case study. Four evaluation indexes, i.e. area of confidence region, mean horizontal deviation, mean vertical deviation and average Euclidean distance, are adopted to quantify the quantile estimation uncertainty. The results indicate that the uncertainty of quantile estimation and the highest reservoir water level increases with larger return period. The 90% confidence interval (CI) of highest reservoir water level reaches 1.56 m and 2.52 m under 20-year and 50-year JRP respectively for the sample size of 100. It is also indicated that the peak over threshold (POT) sampling method contribute to uncertainty reduction comparing with the annual maximum (AM) method. This study could provide not only the point estimator of design floods and corresponding design water level, but also the rich uncertainty information (e.g. 90% confidence interval) for the references of reservoir flood risk assessment, scheduling and management.