基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法技术

本发明专利技术公开了一种基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，包括以下步骤：(1)融合时变参数模型和贝叶斯模型平均方法得到降雨和潮位的非平稳分布；(2)运用Copula函数分析非平稳状态下联合和同现概率的变化；(3)通过城市洪水淹没模型模拟不同工况生成不同降雨和潮位组合事件的洪水损失网格；(4)基于洪水发生概率以及洪水产生的损失，采用期望年损失方法，量化变化环境下的洪水风险变化以及不确定性。本发明专利技术的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，可以合理地生成降雨和潮位的非平稳分布，并综合考虑洪水风险可能性和损失，分析变化环境下洪水风险变化及不确定性。化环境下洪水风险变化及不确定性。化环境下洪水风险变化及不确定性。

【技术实现步骤摘要】
基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法


[0001]本专利技术属于洪水风险分析
，具体涉及一种基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法。

技术介绍

[0002]沿海城市由于独特的地理位置，面临多种洪水的驱动因素，如强降雨、高潮位等。当不同的驱动因素共同作用时，城市洪水的危害程度显著增加，会造成严重的社会经济损失。根据第六次政府间气候变化评估报告(IPCC AR6)可知，在全球气温上升的背景下，极端降雨和高潮位呈现增加趋势，导致沿海城市洪水风险进一步加重。此外，沿海城市人口聚集和社会经济发达，一旦发生洪水灾害损失严重。因而，研究变化环境下降雨和潮位联合洪水风险的量化评估方法对沿海城市洪水管理至关重要。
[0003]时变分布模型可以很好地描述水文序列的非平稳性，该方法已被广泛应用于变化环境下水文事件分析。在构建时变分布模型时，选择随时间变化的分布参数是至关重要的一步。以往研究多是直接假定某一分布参数随时间变化，忽视了在变化参数选择方面造成的不确定性。当分布函数有多个参数时(如GEV分布中的位置、尺度和形状参数)，选择哪一个参数以及如何描述其变化趋势(如线性变化还是指数变化)成为了重要问题。目前，鲜有研究聚焦此类问题，而不合理的参数选择会增加非平稳状态下水文频率分析的不确定性。
[0004]贝叶斯模型平均(BMA)方法在多模型融合时发挥着重要作用，该方法最大化了每个模型结构的优点，进而提供更准确的模拟值，评估了多模型融合模拟的不确定性。而目前的时变分析和贝叶斯模型平均的研究主要是针对单变量的非平稳性分析，而已知沿海洪水受降雨和潮位双变量的共同影响。
[0005]Copula函数具有不要求单变量要有相同的边缘分布的优势，被广泛运用于双变量联合分布求解问题。水动力模型在近些年也被利用于沿海城市洪水风险评估中。然而，Copula函数和水动力模型在洪涝风险评估方面仍存在不足。Copula函数只能反映洪水发生的可能性，不会考虑洪水的淹没损失。水动力模型又只能直观表示洪水产生的后果，忽视洪水发生的概率。目前为止，未来洪涝风险及不确定性，特别是同时考虑洪水概率和洪水损失的情况，在沿海城市仍然很少见。因此，本申请提供一种洪涝风险度量标准，即期望年损失，量化降雨和潮位联合作用产生的洪涝风险以及评估变化环境对于洪涝风险不确定性的影响。

技术实现思路

[0006]为了解决上述问题，本专利技术提出一种基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法。本专利技术通过综合时变分布模型和贝叶斯模型平均方法，分析降雨和潮位的非平稳分布，降低了不确定性的影响；采用一种洪水风险度量标准，即期望年损失，量化降雨潮位联合作用产生的洪水风险以及评估变化环境对于洪水风险不确定性的影响。
[0007]本专利技术的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，包括以下步骤：
[0008](1)融合时变参数模型和贝叶斯模型平均方法得到降雨和潮位的非平稳分布和不确定性区间；
[0009](2)利用Copula函数分析非平稳状态下联合和同现概率的变化，以表征变化环境对降雨和潮位组合事件的影响；
[0010](3)通过城市洪水淹没模型模拟不同工况生成不同降雨和潮位组合事件的洪水损失网格；
[0011](4)基于洪水发生概率以及洪水产生的损失，采用期望年损失方法，量化变化环境下的洪水风险的变化以及不确定性。
[0012]本专利技术的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，可以合理地生成降雨和潮位的非平稳分布，并综合考虑洪水风险可能性和损失，分析变化环境下洪水风险变化及不确定性。研究方法和结果可以帮助决策者评估沿海城市未来的洪水风险，并为适应气候变化的可持续洪水管理提供支持。
[0013]所述步骤(1)中通过对设置的不同时变分布模型进行加权之后，得到最终的降雨和潮位频率分布，即非平稳边缘分布。
[0014]所述步骤(1)中贝叶斯模型平均的权重由期望最大值算法求解，采用蒙特卡洛抽样方法在每个水文值处生成模拟值，进而推导出模拟序列的不确定性区间。
[0015]所述不确定性区间为5％到95％分位数之间的范围。
[0016]所述步骤(2)中Copula函数采用两种Archimedean族的Copula函数和两种椭圆型Copula函数构建二元联合分布模型，并根据AIC、OLS和KS检验，选择最优的Copula函数。
[0017]所述两种Archimedean族的Copula函数为Gumbel Copula和Frank Copula，所述两种椭圆型Copula函数为Gaussian Copula和Student
’
s t
‑
Copula。
[0018]所述步骤(3)中城市洪水淹没模型采用PCSWMM模型，其中一二维水动力模型的耦合方式为孔口连接方式。
[0019]所述步骤(4)中的期望年损失方法是在步骤(2)中非平稳状态下的洪水事件概率和步骤(3)中对应的洪水损失的基础上，量化得到相应地区的洪水风险变化。
附图说明
[0020]图1是本专利技术的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法的流程图。
[0021]图2是本专利技术时变分布模型示意图。
[0022]图3是本专利技术实施例的降雨(左)和潮位(右)经验分布和候选边缘分布拟合比较。
[0023]图4是本专利技术实施例的城市洪水淹没模型中一二维模型耦合方式。
[0024]图5是本专利技术实施例的观测点的实测淹没水深和模拟水深比较。
[0025]图6是本专利技术实施例的降雨和潮位边缘分布参数随时间变化趋势。图中，黑色散点表示分布参数的时间序列，灰色虚线表示拟合的参数变化模型，灰色条带表示5％到95％的预测区间，(a)降雨位置参数(b)潮位位置参数(c)降雨尺度参数(d)潮位尺度参数(e)降雨形状参数(f)潮位形状参数。
[0026]图7是本专利技术实施例的降雨和潮位的非平稳分布和5％到95％预测区间。
[0027]图8是本专利技术实施例的降雨和潮位的超越概率分布和增长率分布。
[0028]图9是本专利技术实施例优选的Frank Copula函数理论分布和经验分布相关图。
[0029]图10是本专利技术实施例的降雨和潮位组合事件的非平稳状态联合概率变化，图中，(a)增加值(b)增加率(
ⅰ
)代表中值(
ⅱ
)和(
ⅲ
)表示5和95％的预测边界。
[0030]图11是本专利技术实施例的降雨和潮位组合事件的非平稳状态同现概率变化，图中，(a)增加值(b)增加率(
ⅰ
)代表中值(
ⅱ
)和(
ⅲ
)表示5和95％的预测边界。
[0031]图12是本专利技术实施例的不同降雨和潮位组合的洪水损失，图中，(a)洪水损失网格(b)典型潮位下的洪水损失随降雨变化(c)典型降雨下的洪水损失随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，其特征在于，包括以下步骤：(1)融合时变参数模型和贝叶斯模型平均方法得到降雨和潮位的非平稳分布和不确定性区间；(2)利用Copula函数分析非平稳状态下联合和同现概率的变化，以表征变化环境对降雨和潮位组合事件的影响；(3)通过城市洪水淹没模型模拟不同工况生成不同降雨和潮位组合事件的洪水损失网格；(4)基于洪水发生概率以及洪水产生的损失，采用期望年损失方法，量化变化环境下的洪水风险的变化以及不确定性。2.根据权利要求1所述的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，其特征在于，所述步骤(1)中通过对设置的不同时变参数模型进行加权之后，得到综合的频率分布，即非平稳边缘分布。3.根据权利要求1所述的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险分析方法，其特征在于，所述步骤(1)中贝叶斯模型平均的权重由期望最大值算法求解，再采用蒙特卡洛抽样方法在每个水文值处生成模拟值，进而推导出模拟序列的不确定性区间。4.根据权利要求3所述的基于贝叶斯时变模型和期望年损失的沿海城市洪水风险...

【专利技术属性】
技术研发人员：许红师，管新建，夏聪，王田野，喻凤娇，
申请(专利权)人：郑州大学，
类型：发明
国别省市：