一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法技术

本发明专利技术公开了一种基于雨强

【技术实现步骤摘要】
一种基于雨强
‑
雨型特征参数联合分布的城市内涝风险预报方法


[0001]本专利技术涉及智慧排水中雨水排水系统的内涝风险预测领域，具体涉及一种基于雨强
‑
雨型特征参数联合分布的城市内涝风险预报方法。

技术介绍

[0002]在城市内涝灾害风险预测中，降雨预测数据是主要驱动变量。对于未来较短时间的降雨事件，通过临近气象预报技术可较为准确地获取未来降雨时程分布，以此为驱动可较为准确地预报城市内涝风险。但是对于未来较长时间后的降雨事件，仅可通过中长期气象预报技术对未来天气形势、大尺度天气过程的强度、范围等的预测和分析，获取总降雨量和降雨时长等雨强参数的预测值。若单纯以雨强参数为驱动，城市内涝风险预报准确度较低。同时，反映降雨不均匀性的雨型参数是影响城市内涝风险预测准确度的重要因素。降雨的雨型与雨强参数间并非完全独立，但目前利用雨强
‑
雨型多元降雨特征参数联合概率分布进行城市内涝风险预测的相关技术仍较为缺乏。
[0003]公开号为CN114067019A的专利说明书公开了一种耦合深度学习
‑
数值模拟的城市内涝风险图快速预制方法，步骤为：1、利用PCSWMM构建城市内涝数值模拟模型，以2、5、10、50、100年设计降雨量为该模型的输入，以最大淹没水深和最大淹没流速为该模型的输出，获得降雨数据集；2、预处理训练和测试数据，形成训练测试数据库；3、构建深度卷积神经网络模型：先以训练数据作为输入和输出，对模型进行训练，形成城市内涝风险图快速预制模型；然后以测试数据作为输入和输出，使用训练好的模型进行模型验证；4、以实际降雨为输入数据基础，利用步骤3构建的模型进行积水预测，得到降雨后的最大淹没水深及最大淹没流速，并将积水预测结果和实际积水进行计算比较。
[0004]公开号为CN111680886A的专利说明书中公开了一种内涝风险预测方法包括步骤1：将待规划区划分为若干个径流小区；步骤2：通过SCS
‑
CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；步骤3：通过SCS
‑
CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将其作为对应所述径流小区的可排水量；步骤4：计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；步骤5：根据所述差值预测各个所述径流小区的内涝风险，为降低内涝风险和更新建设规划提供科学依据。
[0005]上述两种方案均未对降雨的雨型、雨型参数的分布进行合理分析，无法准确对中长期降雨事件引起的城市内涝风险进行预测，因此，通过对降雨的雨型、雨型参数的分布进行合理分析，更为科学地分析未来降雨事件引起的城市内涝风险，对指导城市防洪调度、加快相关部门的防洪应对速度、便利城市居民生活出行具有重要意义。

技术实现思路

[0006]本专利技术的目的在于提供一种基于雨强
‑
雨型特征参数联合分布的城市内涝风险预报方法，使用该方法可以在已知未来降雨事件雨强参数预测值的条件下，更为准确地预测反映降雨不均匀性的雨型参数分布，提升对中长期降雨事件引起的城市内涝风险预测的准确性。
[0007]一种基于雨强
‑
雨型特征参数联合分布的城市内涝风险预报方法，包括以下步骤：
[0008](1)选取一定场次的历史致灾降雨事件，计算其雨型参数，包括雨峰位置系数r和赫芬达尔—赫希曼指数HHI，并统计雨强参数，包括总降雨量和降雨时长；
[0009](2)将步骤(1)中的历史致灾降雨事件按算得的HHI和r划分为多种雨型；
[0010](3)按步骤(2)中的划分的不同雨型，分别利用对应的降雨内涝事件进行内涝预测模型的训练；
[0011](4)将步骤(1)中的两个雨型参数和两个雨强参数，使用Vine Copula函数构建雨强
‑
雨型特征参数联合分布；
[0012](5)在预测未来降雨事件的内涝风险时，利用气象预报事件获取雨强参数的预测值，结合步骤(4)的雨强
‑
雨型特征参数联合分布，获得雨型特征参数的条件概率分布；
[0013](6)利用步骤(5)获得的雨型特征参数的条件概率分布和雨强参数的预测值，算得未来降雨事件各种雨型的条件概率；
[0014](7)利用步骤(3)获得的不同雨型对应的内涝预测模型和雨强参数的预测值，算得未来降雨事件各种雨型的风险；
[0015](8)利用步骤(6)获得的各种雨型的条件概率和步骤(7)获得的各种雨型的风险，得到未来降雨事件的内涝风险期望。
[0016]本方案通过多个降雨特征参数的联合分布，分析未来降雨事件出现各雨型的条件概率，更为准确地预测其引起的内涝风险。
[0017]作为优选，步骤(2)中按算得的HHI和r将历史致灾降雨事件划分为九种雨型，依靠HHI将降雨事件分为雨峰寡占型、低寡占型、竞争型三种，依靠r将降雨事件分为雨峰位置前、中、后三种，两两组合为九种雨型。
[0018]进一步优选，雨峰寡占型对应HHI∈(500,10000]，雨峰低寡占型对应HHI∈(200,500]，雨峰竞争型对应HHI∈(0,200]。
[0019]进一步优选，雨峰位置前对应r HHI∈[0,1/3]，雨峰位置中对应r HHI∈(1/3,2/3]，雨峰位置后对应r HHI∈(2/3,1]。
[0020]作为优选，步骤(3)中按划分的不同雨型，分别利用对应的降雨内涝事件进行内涝预测模型的训练，其表达式为：
[0021][0022]式中，表示第j种雨型对应的内涝预测模型在第i次致灾降雨事件中预测的最不利工况，即全局各点位的最大洪水深度的预测值，表示第i次致灾降雨事件发生前的全局液位，表示第i次致灾降雨事件的总降雨量，表示第i次致灾降雨事件的降雨时长，表示其它城市洪水驱动因素。
[0023]进一步优选，其它城市洪水驱动因素包括河道水利构筑物运行状况和雨水调蓄设施运行状况。
[0024]作为优选，步骤(4)中使用Vine Copula函数构建雨强
‑
雨型特征参数联合分布，其表达式为：
[0025]F(x1,x2,x3,x4)＝C(u1,u2,u3,u4)
[0026]式中，x1,x2分别表示雨型参数中的HHI、r，,x3,x4则分别表示雨强参数中的总降雨量、降雨时长，u1,u2,u3,u4分别表示它们的边缘分布函数。
[0027]作为优选，步骤(8)中未来降雨事件的内涝风险期望的表达式为：
[0028][0029]式中，表示对降雨事件Rf
n
使用第i种雨型的内涝预测模型所得的最不利工况预测结果，表示降雨事件Rf
n
中第i种雨型出现的概率。
[0030]本专利技术的有益效果：
[0031]本专利技术重点考虑了降雨的不均匀性对城市内涝风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于雨强
‑
雨型特征参数联合分布的城市内涝风险预报方法，其特征在于，包括以下步骤：(1)选取一定场次的历史致灾降雨事件，计算其雨型参数，包括雨峰位置系数r和赫芬达尔—赫希曼指数HHI，并统计雨强参数，包括总降雨量和降雨时长；(2)将步骤(1)中的历史致灾降雨事件按算得的HHI和r划分为多种雨型；(3)按步骤(2)中的划分的不同雨型，分别利用对应的降雨内涝事件进行内涝预测模型的训练；(4)将步骤(1)中的两个雨型参数和两个雨强参数，使用Vine Copula函数构建雨强
‑
雨型特征参数联合分布；(5)在预测未来降雨事件的内涝风险时，利用气象预报事件获取雨强参数的预测值，结合步骤(4)的雨强
‑
雨型特征参数联合分布，获得雨型特征参数的条件概率分布；(6)利用步骤(5)获得的雨型特征参数的条件概率分布和雨强参数的预测值，算得未来降雨事件各种雨型的条件概率；(7)利用步骤(3)获得的不同雨型对应的内涝预测模型和雨强参数的预测值，算得未来降雨事件各种雨型的风险；(8)利用步骤(6)获得的各种雨型的条件概率和步骤(7)获得的各种雨型的风险，得到未来降雨事件的内涝风险期望。2.根据权利要求1所述的城市内涝风险预报方法，其特征在于，步骤(2)中按算得的HHI和r将历史致灾降雨事件划分为九种雨型，依靠HHI将降雨事件分为雨峰寡占型、低寡占型、竞争型三种，依靠r将降雨事件分为雨峰位置前、中、后三种，两两组合为九种雨型。3.根据权利要求2所述的城市内涝风险预报方法，其特征在于，雨峰寡占型对应HHI∈(500,10000]，雨峰低寡占型对应HHI∈...

【专利技术属性】
技术研发人员：林永钢，余铭铨，杨瑾，周永潮，杨彦飞，谭谈，张仪萍，
申请(专利权)人：中国电建集团环境工程有限公司浙江大学，
类型：发明
国别省市：