一种考虑不同遭遇情景的复合洪水危险性评估方法技术

本发明专利技术属于洪水灾害防灾减灾技术领域，提供一种考虑不同遭遇情景的复合洪水危险性评估方法，包括：收集研究区的水文和气象信息；通过Copula函数构建起站点之间的相依关系，并结合联合重现期的计算，得到两站点间不同水平的洪水遭遇的风险；使用水文模型计算淹没范围，分析不同遭遇条件下的复合洪水危险性。本发明专利技术方法克服了洪水危险性计算无法考虑到多变量之间相关关系的不足，可以分析不同遭遇情景的危险性，为防洪减灾工作提供更科学的数据支持。持。持。

【技术实现步骤摘要】
一种考虑不同遭遇情景的复合洪水危险性评估方法


[0001]本专利技术属于洪水灾害防灾减灾
，尤其涉及一种考虑不同遭遇情景的复合洪水危险性评估方法。

技术介绍

[0002]在持续的全球气候变化的背景下，极端天气带来的灾害事件常造成严重的人员伤亡和经济损失，对人类社会的稳定发展构成严重的威胁。在现实情况下，造成严重影响的极端事件往往不是由单独某一种因子或事件引起，而是在多种致灾因子或多个极端事件的共同作用下导致的。然而，传统的灾害和极端事件风险评估往往仅关注单一事件或单要素，忽略了多种致灾因子、多极端事件之间可能存在时空关联性，进而低估复合事件发生的风险。为了采取更好的防灾减灾措施，提高人类社会对灾害的韧性，迫切需要加深对复合事件的认识，全面系统地研究其发生的机理和影响。不同类型、不同强度事件遭遇(如暴雨遭遇过境河流洪水)导致的复合洪水危险性不同，亟需一种能够对不同遭遇情景复合洪水风险的危险性进行分析的方法。
[0003]“一种洪水过程遭遇时间和量级发生规律的解析方法和系统”(公开号：CN112396297A)公开了一种解析洪水过程遭遇的时间和量级发生规律的方法和系统，建立起了洪水遭遇间隔时间和洪量的联合分布，主要考虑的是不同洪水过程的遭遇，但其没有考虑到过境河流洪水
‑
本地暴雨遭遇的外洪内涝问题。
[0004]总体来说目前复合洪水危险性评估方法主要存在以下不足：(1)缺乏对不同强度复合洪水的重现期水平进行评估的方法，(2)缺少暴雨与极端径流复合的外洪内涝事件的危险性评估方法。r/>
技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术中的不足之处，提出一种考虑不同遭遇情景的复合洪水危险性评估方法，可以分析不同遭遇情景的危险性，可以为防洪减灾工作提供更科学的技术支持。
[0006]本专利技术的目的是通过如下技术措施来实现的。
[0007]本专利技术提供一种考虑不同遭遇情景的复合洪水危险性评估方法，包括以下步骤：
[0008](1)获得水文站点、气象站点的气象、水文观测数据，建立历史数据库；
[0009](2)基于历史数据库，选择一个水文站以及距该水文站最近的气象站，记为站点A和站点B，作为使用的站点对，根据降水和径流历史时间序列，选取95％分位数作为阈值，建立超阈值的极端事件数据集；
[0010](3)使用极大似然法拟合出极端径流量和极端降水的最优边缘分布；
[0011](4)基于步骤(3)得到的最优边缘分布，利用极大似然法估计出Gaussian Copula和Archimedean Copula族中Frank、Clayton和Gumbel Copula的参数，建立起两变量的多种Copula函数模型；
[0012](5)使用AIC准则、BIC准则判断多种Copula函数的拟合优度，选出拟合程度最优的模型，构建暴雨与洪水径流之间的联合概率模型；
[0013](6)基于拟合出的Copula模型计算出不同联合重现期水平下的“且”、“或”和“Kendall”重现期等值线，并得到各个重现期水平下最可能的遭遇组合，以及最极端(即危险性最大)的遭遇组合；
[0014](7)将两变量边缘分布重现期为10、20、50、100年一遇的数值代入已建立的联合概率模型，得到在不同重现期水平的变量遭遇的联合概率；
[0015](8)将各重现期水平下最可能的遭遇组合、最极端的遭遇组合带入水文模型，计算这些组合下的洪水淹没范围，分析复合洪水的危险性。
[0016]在上述技术方案中，步骤(1)中的历史数据库指：
[0017]历史上各个水文站实时监测的样本数据，每条样本数据包含记录的年、月、日时间数据和对应的水位数据、流量数据。以及气象站点的日降水数据，包括20
‑
20时降水量，8
‑
8时降水量等。
[0018]在步骤(2)中，以某个水文站为圆心，25km为半径，寻找范围内的气象站，并以距离水文站最近的站点作为其对应的气象站，组成站点对。基于历史数据库中的信息可以得到观测站点对的历史降水和径流量序列，进而提取出两站点超第95百分位阈值的降水和流量数据，建立起超阈值极端事件数据集。
[0019]在步骤(3)中，首先将超阈值数据转化为均匀分布，以构建Copula函数。按以下方法进行转换，得到两个均匀分布的数据集U1和U2：
[0020](3
‑
1)得到每一条数据在数据集中的秩。
[0021](3
‑
2)依据下式得到每条数据的转化为均匀分布后的结果u：
[0022][0023]其中，n为数据集中的数据条数，r为该条数据的秩。
[0024]基于均匀分布数据集U1和U2，使用极大似然法将其拟合为最优的分布，得到两个边缘分布M1和M2，并得到两个累积概率数据集EP1和EP2。
[0025]在步骤(4)中，根据边缘分布M1和M2，使用极大似然法拟合为常用的Gaussian Copula和Archimedean Copula函数族。Archimedean Copula函数族包括Frank Copula、Clayton Copula和Gumbel Copula。使用极大似然法得到Copula函数参数的方法如下：
[0026]设连续变量X1，X2的边缘分布函数为v1＝F(x1)，v2＝F(x2)，其联合分布C(F1(x1)，F2(x2))的参数为θ，则样本v1，v2的似然函数为：
[0027][0028]两边取对数为：
[0029][0030]当参数θ的偏导数为0时可取得最大值，即：
[0031][0032]其中，c((v
i1
，v
i2
)；θ)为2维Copula函数的密度函数，可以写为
[0033]在步骤(5)中，基于AIC准则和BIC准则计算步骤(4)中得到的Copula函数的拟合优度，选出拟合程度最优的Copula。
[0034]赤池信息准则(Akaike information criterion,AIC)是判断模型拟合优度的常用方法，其计算方法为：
[0035]AIC＝
‑
2ln(L)+2k
[0036]其中L指对应的最大似然函数，k指对应的模型的变量的个数。结果值越小，模型的拟合程度越好。
[0037]贝叶斯信息准则(Bayesian Information Criterion,BIC)常被用于从多个备选Copula中选取最优的边缘分布。其计算公式为：
[0038]BIC＝
‑
2logM(θ*)+nlog(j)
[0039]其中，M(θ
*
)为估计值，n表示Copula函数的参数个数，j表示数据量。BIC值越小，拟合程度越好。
[0040]在步骤(6)中，使用边缘分布M1，M2和联合分布C，可以求得两个站点复合洪水的联合重现期。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑不同遭遇情景的复合洪水危险性评估方法，其特征在于该方法包括以下步骤：(1)获得水文站点、气象站点的气象、水文观测数据，建立历史数据库；(2)基于历史数据库，选择一个水文站以及距该水文站最近的气象站，记为站点A和站点B，作为使用的站点对，根据降水和径流历史时间序列，选取95％分位数作为阈值，建立超阈值的极端事件数据集；(3)使用极大似然法拟合出极端径流量和极端降水的最优边缘分布；(4)基于步骤(3)得到的最优边缘分布，利用极大似然法估计出Gaussian Copula和Archimedean Copula函数族中Frank、Clayton和Gumbel Copula的参数，建立起两变量的多种Copula函数模型；(5)使用AIC准则、BIC准则判断多种Copula函数的拟合优度，选出拟合程度最优的模型，构建暴雨与洪水径流之间的联合概率模型；(6)基于拟合出的Copula模型计算出不同联合重现期水平下的“且”、“或”和“Kendall”重现期等值线，并得到各个重现期水平下最可能的遭遇组合，以及最极端的遭遇组合；(7)将两变量边缘分布重现期为10、20、50、100年一遇的数值代入已建立的联合概率模型，得到在不同重现期水平的变量遭遇的联合概率；(8)将各重现期水平下最可能的遭遇组合、最极端的遭遇组合代入水文模型，并计算这些组合下的洪水淹没范围。2.如权利要求1所述的考虑不同遭遇情景的复合洪水危险性评估方法，其特征在于：所述历史数据库包括各个水文站点记录的历史每日或每小时的水文数据，包括年、月、日流量和水位数据，以及各气象站点所记录的降水量数据。3.如权利要求1所述的考虑不同遭遇情景的复合洪水危险性评估方法，其特征在于：步骤(2)中，筛选距离水文站25km内的气象站点，将距离最近的气象站点与该水文站点作为一组站点对，基于历史数据库中的信息得到观测站点对的历史降水和径流量序列，进而提取出两站点超第95百分位阈值的降水和流量数据，建立起超阈值极端事件数据集。4.如权利要求1所述的考虑不同遭遇情景的复合洪水危险性评估方法，其特征在于：步骤(3)中，首先将超阈值数据转化为均匀分布，按以下方法进行转换，得到两个均匀分布的数据集U1和U2：(3
‑
1)得到每一条数据在数据集中的秩；(3
‑
2)依据下式得到每条数据的转化结果u：其中，n为数据集中的数据条数，r为该条数据的秩；...

【专利技术属性】
技术研发人员：方建，陶凯，方佳毅，徐伟，许雅婷，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：