基于暴雨衰减特性的江苏镇江市综合暴雨公式研究

推求不同历时的暴雨强度公式是城市防洪排涝规划设计的重要基础性工作。利用江苏镇江市丹徒气象站1981—2016年逐分钟实测降雨资料,分析暴雨强度随暴雨历时变化关系,基于暴雨衰减规律,推求单一重现期的暴雨强度公式,并借鉴雨力公式编制不同重现期的长历时综合暴雨强度公式。结果表明,不同重现期1~24 h历时区间的暴雨衰减指数约为0.683;综合暴雨强度公式可推求历时1~24 h、重现期2~100 a的设计暴雨,平均相对均方根误差、平均绝对均方根误差分别为3.874%、0.025 mm/min,满足规范要求。研究成果可为江苏镇江市构建排水防洪除涝一体化管控系统与推动海绵城市建设提供基础支撑。

广西2022年“龙舟水”期间极端暴雨特征及强度分析

利用广西91个国家级地面气象观测站和2790个区域自动站降水量观测资料,采用广西区域性暴雨过程综合强度定量评估方法,对2022年“龙舟水”期间区域性极端暴雨过程特征进行分析。结果表明,2022年广西出现了新中国成立以来最强的一次“龙舟水”,期间全区平均累计降雨量为1951年以来同期最多;共出现4次区域性暴雨过程,其中6月16—21日过程综合强度最强。1961—2022年,“龙舟水”期间广西暴雨过程综合强度达到特强等级的过程有24次,特强暴雨过程发生了年代增多变化;62a间,仅2000年和2022年出现了2次特强过程,且2022年的特强过程平均综合强度比2000年过程强。

基于粒子群算法的综合暴雨强度公式

[目的]简化传统方法,得到直接推求综合暴雨强度公式的方法。[方法]采用粒子群算法优化各重现期统一的综合暴雨强度公式的参数,直接推求综合暴雨强度公式,并通过对芜湖市降雨历时资料建立的综合暴雨强度公式的计算结果与传统方法进行了比较。[结果]采用粒子群算法直接推求的综合暴雨强度公式比传统方法的计算结果精度更高,且推求过程更简便。[结论]说明采用粒子群算法直接推求综合暴雨强度公式是可行的。

延伸期暴雨过程的神经网络预报技术应用初探

利用DERF2.0延伸期环流预报数据资料,首先使用暴雨过程信号指标就一般降水和暴雨过程进行分类,结果延伸期逐日降水分类预报准确率为65%。最后利用逐步回归和粒子群-神经网络方法就延伸期暴雨综合强度进行建模预报,逐步回归方法在F=3条件下对广西暴雨综合强度预报误差最小;粒子群-神经网络预报误差均小于逐步回归方法,相对误差较逐步回归方法预报效果最好的方程减小了32.5%,可见粒子群-神经网络在延伸期定量化预报中具有很好的应用前景。

基于Lingo和单纯形算法的综合暴雨强度公式参数解析

以安徽芜湖市连续26年的暴雨强度资料为依据推导其综合暴雨强度公式,首先用Lingo软件编程求出暴雨强度公式参数作为初始值,然后再利用单纯形算法对其参数进行优化。实例计算结果表明:采用Lingo软件和单纯形算法相结合的方法求解综合暴雨强度公式不仅克服了盲目选择初始值这一难题,而且所得结果比传统方法的精度更高,能有效解决实际优化设计问题。