基于Copula函数的多站洪水过程随机模拟研究

洪水过程随机模拟能够生成大量与历史洪水统计参数相似且形状各异的洪水过程,而水库群联合防洪调度需要结合流域内各水文站洪水过程统筹洪水资源的调度,实现洪水资源的科学调度,亟需发展多站洪水过程随机模拟方法。鉴于此,提出一种基于Copula函数的多站洪水过程随机模拟方法,该方法先利用二维Copula函数完成主站洪水过程的模拟,然后利用条件混合法构建三维Copula函数,依次模拟其余站的洪水过程。以长江中上游8处水文站为研究对象的结果表明,各站模拟洪水与历史洪水统计参数的相对误差较小,除了北碚和武隆站的最大值外,各水文站统计参数的相对误差在5%左右,能够反映历史洪水过程的统计特征,能够为水利工程防洪规划设计、水库群联合调度及防洪调度风险分析等工作提供支撑作用。

基于社交媒体数据的城市洪涝灾害信息智能提取与分析

近年来,由于气候变化导致极端降雨引起的城市内涝灾害事件频发,给我国城市水安全和可持续发展带来威胁,准确掌握受灾区域的舆论主体和公众情绪,对提高应急管理部门内涝灾害的态势感知能力具有重要意义。在当今智能网络时代,人们通过社交媒体反映问题和建议的诉求日益凸显,社交媒体已逐渐成为反映民众情感和社会舆情的主要载体,为获取自然灾害信息提供了新的途径。如何从社交媒体中快速提取城市洪涝灾害信息,并对自然灾害信息进行主题分类和情感分析,准确掌握区域灾情的主题类别和民众舆论倾向,是目前亟待解决的关键技术问题。以新浪微博为例,阐述了洪涝灾害数据的获取与预处理方法,构建了基于FastText的城市洪涝灾害信息主题分类和情感分析模型,以准确掌握受灾区域的主题类别和舆论导向。以2021年郑州“7.20”特大暴雨期间洪涝灾害为例的研究结果表明,本文方法实现了对社交媒体中城市洪涝灾害数据的智能提取与分析,主题分类模型对预设八种类别数据的分类预测F1值达到0.80以上,且情感分析模型基本能够准确预测情感标记为“负面”的数据,这表明本文构建的基于FastText的城市洪涝灾害信息主题分类和情感分析模型能够满足支撑城市应急管理部门动态掌握洪涝灾害发展态势及公众情绪的需求,对防涝减灾调度、安抚民众情绪和实时定点救援等工作具有重要的指导意义。