[發明專利]變化條件下流域非一致性設計洪水的不確定性分析方法有效
| 申請號： | 201910853744.0 | 申請日： | 2019-09-10 |
| 公開（公告）號： | CN110598315B | 公開（公告）日： | 2022-11-18 |
| 發明（設計）人： | 蔡文君;祝雪萍;趙雪花;武鵬林;王雪妮 | 申請（專利權）人： | 太原理工大學 |
| 主分類號： | G06F30/20 | 分類號： | G06F30/20;G06F111/10;G06F113/08 |
| 代理公司： | 太原市科瑞達專利代理有限公司 14101 | 代理人： | 申艷玲 |
| 地址： | 030024 山西*** | 國省代碼： | 山西;14 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 變化 條件下 流域 一致性 設計 洪水 不確 定性分析 方法 | ||
1.變化條件下流域非一致性設計洪水的不確定性分析方法，其特征在于：利用非一致性水文頻率分析方法分析單一因子和不同因子組合方案下，歷史及未來時期非一致性極值洪水序列的數學描述，在考慮峰量相關性的基礎上，研究歷史及未來時期洪峰、洪量序列的非一致性邊緣分布線型及相應的協變量組合，并給出在指定聯合重現期下，峰量聯合分布的不確定性區間。
2.根據權利要求1所述的變化條件下流域非一致性設計洪水的不確定性分析方法，其特征在于：所述的非一致性水文頻率分析方法是針對非一致性極值洪水序列進行，采用年最大值法AM來選取洪峰及相應洪量序列作為非一致性極值洪水序列；
所述的未來時期的非一致性極值洪水序列，通過將多種氣候模式輸出的氣候情景集結合率定好的SWAT水文模型獲得，將每種氣候情景集分別驅動SWAT模型，獲得不同氣候情景集下的未來時期的徑流過程，并用AM法選取極值洪水序列；
所述的歷史和未來時期非一致性極值洪水序列的數學描述主要指變化條件下水文序列的分布參數不再是常數而是隨協變量變化，協變量包括時間因子、氣象因子、水庫調度因子，綜合考慮以上因子的情況下確定非一致性極值洪水序列的分布線型。
3.根據權利要求2所述的變化條件下流域非一致性設計洪水的不確定性分析方法，其特征在于：SWAT模型本地化構建的具體步驟如下：
(1)收集研究區域日降雨、徑流數據及日尺度氣象數據，包括氣溫、相對濕度、風速、日照時數；地理信息數據包括DEM數據、土壤及土地利用分布圖；
(2)建模中，首先基于流域DEM生成水系，然后基于土壤和土地利用分布圖的二重編碼結果劃分水文響應單元；接著將氣象要素序列轉換為符合SWAT模型格式要求的數據，并輸入其中；最后通過參數敏感性分析率定模型的參數，從而獲得模擬徑流過程。
4.根據權利要求1所述的變化條件下流域非一致性設計洪水的不確定性分析方法，其特征在于：所述的非一致性極值洪水序列分布線型的確定包含以下步驟：選擇極值分布模型中的分布函數，構建廣義可加的參數時變統計模型GAMLSS，設置形狀、位置、尺度參數隨協變量變化的方案，采用AIC和SBC準則計算各極值模型對應不同協變量組合的AIC值及SBC值，最后選取AIC值最小的極值模型及其所對應的協變量組合作為最優，若AIC較接近，選取SBC值最小的組合，從而獲得最優的極值模型和協變量組合。
5.根據權利要求4所述的變化條件下流域非一致性設計洪水的不確定性分析方法，其特征在于：構建GAMLSS模型，包括以下步驟：
(1)選擇協變量指標
分別以時間指標；氣候指標，即降雨和氣溫的指標；和水庫調度指標為協變量，水庫調度指標定義為：
其中Ai為水庫的控制流域面積，AT為水文站的控制流域面積，Si為水庫的防洪庫容，ST為水文站的年徑流量；對于未來時期，除水文站年徑流量須由未來時期模擬徑流得到，其余變量和歷史時期一致，該指標能反映水庫防洪調度對流域徑流的影響；
(2)選擇極值分布模型
選擇極值分布模型中的GEV，GLO，Gumbel，Weibull，Log-Normal，Gamma作為分布函數；
(3)確定參數隨協變量變化組合方案
構建GAMLSS時，除了將形狀參數ξ固定為常數外，位置μ和尺度σ參數依照協變量的不同，設置以下幾種方案，只考慮參數隨協變量呈線性變化，對于時間和水庫調度協變量：①位置和尺度參數皆為常數；②只有位置參數隨協變量變化；③只有尺度參數隨協變量變化；④位置，尺度參數皆隨協變量變化；
對于氣候協變量，由于涉及到降雨、氣溫兩個變量，則方案為：①位置參數為常數，尺度參數則分為常數、隨降雨變化、隨氣溫變化、隨降雨氣溫同時變化四種形式；②位置參數只隨降雨變化，尺度參數變化同上；③位置參數只隨氣溫變化，尺度參數變化同上；④位置參數隨降雨氣溫同時變化，尺度參數變化同上；
(4)極值模型及相應協變量組合優選
采用AIC和SBC準則優選模型，通過對比各極值模型和對應協變量組合的AIC和SBC值選擇最優的極值模型和協變量組合，AIC值越小越優，若AIC值接近，選取SBC值最小的組合。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于太原理工大學，未經太原理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201910853744.0/1.html，轉載請聲明來源鉆瓜專利網。
