基于模型的城市暴雨积水点积水短时预测

基于模型的城市暴雨积水点积水短时预测

ID:37370552

大小:3.26 MB

页数:9页

时间:2019-05-22

基于模型的城市暴雨积水点积水短时预测_第1页
基于模型的城市暴雨积水点积水短时预测_第2页
基于模型的城市暴雨积水点积水短时预测_第3页
基于模型的城市暴雨积水点积水短时预测_第4页
基于模型的城市暴雨积水点积水短时预测_第5页
资源描述:

《基于模型的城市暴雨积水点积水短时预测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第33卷第7期地理科学进展Vol.33,No.72014年7月ProgressinGeographyJuly2014基于STARMA模型的城市暴雨积水点积水短时预测1,211,2郑姗姗,万庆,贾明元(1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京100101;2.中国科学院大学,北京100049)摘要:近年来城市暴雨出现突发和多发态势,导致城市内涝灾害频繁发生,威胁着城市居民的生命和财产安全。随着城市降雨积水监测网的建立,获得分钟尺度的降雨和积水时序监测数据成为可能,实现了城市内涝的实时监控。但目前对监测数据的

2、利用仍显不足,缺乏对其深度分析挖掘,造成监测系统“只监不控”的局面。本文基于城市降雨积水监测网的监测数据,根据积水时间相关性、降雨空间相关性以及降雨积水序列相关性,构建降雨积水的时空自相关移动平均模型(STARMA),对城市暴雨积水点积水过程进行短时预测。STARMA模型已被广泛应用于交通预测、环境变量预测以及社会经济领域,特别是在时空过程机理不清楚、多因素时空变量影响的情况下效果较好。本文首次将该模型应用到降水积水过程拟合和积水短时预测上,同时在方法上改进了传统单变量的STARMA模型,建立降雨和积水双变量的STARMA模型模拟降雨积

3、水过程。并以北京市2012年“7.21”事件降雨积水过程为研究对象,以丰北桥、花乡桥、马家楼桥和六里桥4个积水监测点为例,建立降雨积水的STARMA模型,以5min为步长作积水5、10、15min三步预测。验证结果表明,该模型在降雨积水过程中拟合效果较好,模型短时预测精度较高。该项研究能够有效地利用监测数据,提高信息预警和应急指挥能力,为市政防汛或交通等部门提供决策支持。关键词:暴雨积水;短时预测;时空序列;STARMA模型;时间自相关;空间相关doi:10.11820/dlkxjz.2014.07.010中图分类号:P208文献标识码

4、:A1引言佳璆等,2012),对城市暴雨积水点积水过程进行短时预测。该研究可有效地利用监测数据,提高信息近年来,城市暴雨出现突发和多发态势,导致预警和应急指挥能力,为市政防汛或交通等部门提城市内涝问题突出,威胁城市的正常运行,造成生供决策支持。命和财产的巨大损失。随着城市降雨积水监测网目前,对城市暴雨积水过程模拟和预测主要集的建立,动态实时了解各地的降雨和积水情况成为中于城市雨洪模型的应用研究,其中,代表性的城可能。但是目前监测网数据仅用于实时信息的发市雨洪模型有SWMM模型、MOUSE模型、STORM布和展示,缺乏对这些时序数据的深度

5、分析挖掘,模型和Wallingford模型等。城市雨洪模型分为经造成了监测系统“只监不控”的局面(赵冬泉等,验模型、概念模型和理论模型(吴险峰等,2002;徐2012)。本文基于降雨积水的时序监测数据开展积宗学,2009),其中概念模型和理论模型均依据一定水的短时预测研究,根据积水时间自相关性、降雨的物理基础而建立的。城市雨洪模拟技术已经形空间相关性以及降雨积水的互相关性,建立降雨积成了较为完善的模型框架,但对水文物理过程的认水的时空自相关移动平均模型(Spatial-Temporal识、数据管理能力和数据资料的缺乏是限制模型模Auto

6、RegressiveandMovingAverage,STARMA)(王拟精度和应用范围的主要原因(胡伟贤等,2010)。收稿日期:2014-02;修订日期:2014-04。基金项目:国家高科技研究发展计划(863计划)项目(2013AA122302)。作者简介:郑姗姗(1990-),女,安徽合肥人,硕士研究生,主要研究方向为时空数据分析,E-mail:zhengss@lreis.ac.cn。通讯作者:万庆(1964-),男,江西南昌人,研究员,主要从事GIS应用与防洪减灾研究,E-mail:wanq@lreis.ac.cn。949-9

7、57页950地理科学进展第33卷随着数据挖掘和大数据技术的发展,对大量数据进律,或是从动态的角度刻画某一现象与其他现象之行分析处理挖掘已成为常用的方法之一。时间序间的内在关系及其变化规律,其最主要的思想是根列分析模型是经验模型,它主要是从数理统计的角据预测变量本身或其他相关变量过去的变化规律度揭示和认识水文过程的复杂特性,是揭示和认识来预测未来(王振龙等,2007)。根据研究对象的个水文过程变化特性的有效手段和重要途径。其中,数,时间序列可分为一元时间序列和多元时间序自回归移动平均模型(AutoRegressiveandMoving列。

8、降雨和积水过程具有相互依存的动态规律性,Average,ARMA)为时序分析模型中序列相关性分因此需要建立二元的时间序列模型来描述降雨积析方法的一种。随着对水文现象过程复杂性认识水变化过程。不断提高,探讨多

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。