两变量联合分布在水文频率分析中的应用研究

本文以汀江流域上某站点的实测洪水资料为样本,利用Gumbel-Hougaard Copula函数构建两个边缘分布为P-III型分布的年最大洪峰流量系列与年最大七日洪量之间的联合分布.实测资料的率定结果表明,年最大洪峰流量和年最大七日洪量的联合观测值的理论概率分布与经验概率分布拟合得很好.并基于此理论联合分布,进行了一些分析计算.     

利用两种模型对宁夏及邻区尾波 Q 值进行对比研究

分别利用Aki模型和Sato模型,选取2008年1月-2009年12月宁夏地震台网记录的ML≥2.0地震的数字地震波资料,计算了宁夏及邻区平均尾波Q值,并拟合了Q值对频率的依赖关系.结果为:Aki模型为Q(f)=(212±87.62)f0.7584±0.19;Sato模型为Q(f)=(44.81±15.87)f0.9491±0.0805.与国内其他区域相比,两种模型计算结果均显示本区域Q值较低,对频率依赖性较高.研究结果认为两种模型均适合对宁夏及邻区尾波Q值的研究.     

深圳“5·11”特大暴雨过程的水汽输送特征分析

利用NCEP/NCAR逐日风场和湿度场再分析资料(1°×1°)和深圳气象站地面气象观测资料,通过水汽通量、水汽通量散度的计算,对深圳2014年"5.11"特大暴雨过程与水汽输送的配置关系进行了分析。研究表明:南海为此次暴雨过程的主要水汽源地,暴雨落区位于边界层偏南风低空急流的前方;此次特大暴雨过程中存在两支低空急流——西南风低空急流和边界层偏南风低空急流,它们作为水汽通道,为暴雨的发生发展提供了充沛水汽,其中,边界层偏南风低空急流对此次暴雨影响更大,边界层的摩擦辐合和水汽堆积,为本次强降水过程提供了十分有利的条件。     

成都市混合层厚度的计算及方法对比

为揭示近年来成都市混合层厚度的变化特征,明晰不同混合层厚度计算方法之间的差异,利用成都市2004～2013年地面常规气象数据及同期探空数据,应用国标法、联合频率法以及干绝热法对该地大气混合层厚度进行计算分析.结果表明:国标法和联合频率法计算得到的混合层厚度年变化特征均呈下降趋势,干绝热法变化趋势平缓;国标法结果显示混合层厚度在夏季最高、冬季最低,联合频率法和干绝热法则是春季最高、秋冬季最低;就日变化而言,国标法的混合层厚度在14时最大、02时最小,此与联合频率法08时混合层厚度值最小不同.3种方法对比得到,国标法计算结果偏低,干绝热法和联合频率法计算精度较高.     

成都市混合层厚度的计算及方法对比

为揭示近年来成都市混合层厚度的变化特征,明晰不同混合层厚度计算方法之间的差异,利用成都市2004~2013年地面常规气象数据及同期探空数据,应用国标法、联合频率法以及干绝热法对该地大气混合层厚度进行计算分析。结果表明:国标法和联合频率法计算得到的混合层厚度年变化特征均呈下降趋势,干绝热法变化趋势平缓;国标法结果显示混合层厚度在夏季最高、冬季最低,联合频率法和干绝热法则是春季最高、秋冬季最低;就日变化而言,国标法的混合层厚度在14时最大、02时最小,此与联合频率法08时混合层厚度值最小不同。3种方法对比得到,国标法计算结果偏低,干绝热法和联合频率法计算精度较高。     

城市建筑迎风面积密度矢量/栅格计算模型对比研究

城市建筑迎风面积密度（Frontal Area Density,FAD）作为重要的城市形态学参数之一,对其定量分析与制图,对城市微气候研究有着重要意义。为了找出高效可靠的方法分析城市建筑FAD的分布情况,本文以福建省晋江市为例,选取了矢量计算模型和栅格计算模型对FAD进行模拟,从计算效率、不同尺度和不同土地利用类型上,对结果进行对比分析。研究表明:计算效率上,矢量模型比栅格模型高。在城市尺度上,栅格模型与矢量模型模拟结果与宏观建筑分布特征一致,二者皆适用;在街区尺度上,栅格模型模拟结果比矢量模型更符合建筑分布规律。栅格模型的计算结果较矢量模型稳定,受分辨率影响小。在不同土地利用类型上,对于建筑分布稀疏区域2种模型皆适用;而对于建筑密集区,如商业区、城市住宅区等,栅格模型计算结果更优。     

基于三种机器学习算法的山洪灾害风险评价

依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线（AUC值）3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明：① AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;② 农田生产潜力、年最大6 h暴雨均值、年最大1 h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③ 江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4%,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区。     

基于信息扩散理论的重庆地区暴雨灾害风险评估

为了了解重庆地区的暴雨灾害的风险规律,减少该地区暴雨引起的灾害损失。利用重庆地区34个地面气象观测站的气温观测资料(1981~2010年),结合信息扩散理论模型,分析了重庆地区的暴雨风险规律。结果显示:重庆地区多年平均暴雨日数多在2~5d,总体呈现南多北少的分布特征,并呈明显的下降趋势;平均暴雨雨量的分布基本特征为长江以北高于长江以南的地区;重庆地区4个代表站的暴雨日数风险概率曲线均为单峰型,在2~4d的值域上所占的比例最大;从暴雨灾害风险空间分布来看,随着暴雨量级的增加,灾害出现的概率也随之减小。     

江淮梅雨期各类降水的变化分析

为了揭示江淮梅雨降水量的长期变化规律,利用1957~2008年中国740站逐日降水资料,使用线性倾向估计、小波分析等方法,在将日降水划分为小雨、中雨、大雨、暴雨和大暴雨5类降水的基础上,重点分析了江淮梅雨期间上述5类降水的趋势变化特征,结论如下:暴雨频率、暴雨强度是决定江淮梅雨降水多寡的主要内在因子;小雨、中雨的频率及其对梅雨量的贡献率的趋势变化在1970年代中期发生了显著的年代际变化,即由1970年代中期前的显著上升趋势改变为其后的显著下降趋势;大雨及其以上等级降水的频率、贡献率的趋势变化特征并不显著。     

湘中一次大暴雨天气的综合诊断分析

利用NCEP的1°×1°再分析资料、FY-2E逐小时TBB资料以及常规气象观测资料,对湘中地区2010年5月12-13日大暴雨过程的环流形势、物理量场以及中尺度系统进行综合分析,试图从多角度揭示这次大暴雨天气的成因。结果表明:高空南支槽,中低层切变以及地面冷空气是这次大暴雨天气过程的主要影响系统;低空急流作为暖湿气流的载体,为暴雨的产生提供了充足的能量条件和水汽条件;冷空气侵入高能不稳定的暖湿气团,是触发暴雨不稳定能量释放的热力机制;z-螺旋度的空间分布能反映暴雨发生时大气的动力特征,中低层强辐合,高层强辐散与低层正涡度的空间结构,有利于高低层形成"抽吸作用",从而使上升运动得到发展和加强,为暴雨的产生提供有利的动力条件;高分辨率的云顶亮温TBB资料对降水的强度及落区有很好的指示意义。     

基于泊松分布的川东暴雨概率特征分析

暴雨是川东地区主要的气象灾害之一,对经济建设有重大影响。为进一步揭示该地区暴雨的统计特征,利用川东地区有代表性的4个测站（重庆、达州、巴中、南充）47年间（1961-2007年）4-10月日降水量资料,借助于泊松分布模式对该地区暴雨概率特征进行了分析。结果表明：用泊松分布模式能很好地描述川东地区的暴雨概率分布特征;模式计算均得出所研究的4站每年出现3次暴雨的机率最大。     

Distribution of the nonlinear random ocean wave period

Because of the intrinsic difficulty in determining distributions for wave periods, previous studies on wave period distribution models have not taken nonlinearity into account and have not performed well in terms of describing and statistically analyzing the probability density distribution of ocean waves. In this study, a statistical model of random waves is developed using Stokes wave theory of water wave dynamics. In addition, a new nonlinear probability distribution function for the wave period is presented with the parameters of spectral density width and nonlinear wave steepness, which is more reasonable as a physical mechanism. The magnitude of wave steepness determines the intensity of the nonlinear effect, while the spectral width only changes the energy distribution. The wave steepness is found to be an important parameter in terms of not only dynamics but also statistics. The value of wave steepness reflects the degree that the wave period distribution skews from the Cauchy distribution, and it also describes the variation in the distribution function, which resembles that of the wave surface elevation distribution and wave height distribution. We found that the distribution curves skew leftward and upward as the wave steepness increases. The wave period observations for the SZFII-1 buoy, made off the coast of Weihai (37°27.6′ N, 122°15.1′ E), China, are used to verify the new distribution. The coefficient of the correlation between the new distribution and the buoy data at different spectral widths (ν=0.3−0.5) is within the range of 0.968 6 to 0.991 7. In addition, the Longuet-Higgins (1975) and Sun (1988) distributions and the new distribution presented in this work are compared. The validations and comparisons indicate that the new nonlinear probability density distribution fits the buoy measurements better than the Longuet-Higgins and Sun distributions do. We believe that adoption of the new wave period distribution would improve traditional statistical wave theory.     

最小二乘法估算Pearson-Ⅲ型分布参数的改进

Pearson-Ⅲ曲线分布在气象、水文和农业等领域有广泛的应用,其概率密度函数包含形状参数\begin{array}{c}\left(\alpha \right)\end{array}、尺度参数\begin{array}{c}\left(\beta \right)\end{array}和起始值\begin{array}{c}\left({\alpha }_0\right)\end{array}3个待估计参数。应用Pearson-Ⅲ分布来估算强度的关键在于这3个参数估算的精度。由于原有最小二乘法在估算参数时未考虑各参数的有效区间,参数\begin{array}{c}{\alpha }_0\end{array}可能小于0,并导致估算强度出现负值,从而使雨强、水速、水位等强度估算出现异常值。经理论推导证明,若Pearson-Ⅲ概率密度函数中的参数\begin{array}{c}{\alpha }_0\end{array}非负,则估算出的强度值不会出现负值。以该推导为基础,提出了一种改进的Pearson-Ⅲ分布三参数估算算法。首先根据最小二乘法估算迭代计算一系列参数组合;然后按离差平方和的大小排列各组参数;接着利用各组参数分别计算\begin{array}{c}{\alpha }_0\end{array}值,过滤使\begin{array}{c}{\alpha }_0\end{array}小于0的参数组合;最后在剩下的参数中选取离差平方和最小的一组作为最优参数。以估算暴雨风险值作算法测试实验,结果表明改进算法模拟得到的\begin{array}{c}{\alpha }_0\end{array}值始终大于等于0,估算出的暴雨风险值均在合理范围之内。对比改进算法与传统算法的参数分布拟合检验结果,发现改进算法能使更多的气象站点通过了置信度为0.05的分布拟合检验。因此,利用改进后的算法估算出的Pearson-Ⅲ概率密度函数参数更合理,且强度估算结果更准确,对编制城市暴雨强度公式有一定的参考价值。     

耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

Study of vertical breakwater reliability based on copulas

The reliability of a vertical breakwater is calculated using direct integration methods based on joint density functions. The horizontal and uplifting wave forces on the vertical breakwater can be well fitted by the lognormal and the Gumbel distributions, respectively. The joint distribution of the horizontal and uplifting wave forces is analyzed using different probabilistic distributions, including the bivariate logistic Gumbel distribution, the bivariate lognormal distribution, and three bivariate Archimedean copulas functions constructed with different marginal distributions simultaneously. We use the fully nested copulas to construct multivariate distributions taking into account related variables. Different goodness fitting tests are carried out to determine the best bivariate copula model for wave forces on a vertical breakwater. We show that a bivariate model constructed by Frank copula gives the best reliability analysis, using marginal distributions of Gumbel and lognormal to account for uplifting pressure and horizontal wave force on a vertical breakwater, respectively. The results show that failure probability of the vertical breakwater calculated by multivariate density function is comparable to those by the Joint Committee on Structural Safety methods. As copulas are suitable for constructing a bivariate or multivariate joint distribution, they have great potential in reliability analysis for other coastal structures.     

发震时间的指数分布、Gamma分布和Weibull分布之间关系的研究

从理论上讨论了地震发生时间研究中常见的指数分布、Gamma分布和 Weibull分布模型之间的相互关系及其所反映的地震序列的特征。同时 ,对工程地震和地震预报中常见的危险函数所反映的地震特征作了分析。指出了指数分布、Gamma分布所反映的地震序列的内涵及统计时应注意的问题。利用华北地区历史地震资料 (M>4 .7)进行了分时段齐次统计的示范实例化分析 ,结果表明 :对地震序列分时段齐次化统计能表述地震发生的不均匀现象 ,且处理简便。     

暴雨内涝危险性情景模拟方法研究——以上海中心城区为例

本文采用地理信息系统技术（GIS）与水文/水动力学相结合的方法,使用修正的SCS模型进行产流模拟,利用局部等体积法和水动力模型进行汇流模拟,建立了基于情景的城市暴雨内涝危险性模拟工具,并对相同雨强情景下不同汇流模型的模拟结果与精度进行了对比分析。结果表明：（1）局部等体积法计算简单,对降雨的时程分配较为敏感,峰前历时和雨强对结果影响显著,较适合于雨型确定的城市暴雨内涝危险性快速模拟;水动力模型计算复杂,与整个降雨历时存在明显关系,模拟精度较高。（2）利用台风“麦莎”带来强降雨导致的积水实测数据,对模拟结果进行对比和验证,表明本文建立的水动力模型法模拟结果与实测降雨积水更为接近,更适合上海中心城区暴雨内涝危险性情景模拟。     

大数据城市通勤交通模型的构建与模拟应用

近年来大数据在交通分析中被广泛关注,但目前多以可视化展示和现象空间分析描述为主,缺乏基于大数据的交通数量模型和模拟预测研究,成为大数据技术在交通规划中应用的主要技术障碍.本文基于交通与土地利用之间的交互作用关系,构建区位空间依赖因子((Location-space Dependence Indicator,LSDI),...     

Metocean design parameter estimation for fixed platform based on copula functions

Considering the dependent relationship among wave height, wind speed, and current velocity, we construct novel trivariate joint probability distributions via Archimedean copula functions. Total 30-year data of wave height, wind speed, and current velocity in the Bohai Sea are hindcast and sampled for case study. Four kinds of distributions, namely, Gumbel distribution, lognormal distribution, Weibull distribution, and Pearson Type III distribution, are candidate models for marginal distributions of wave height, wind speed, and current velocity. The Pearson Type III distribution is selected as the optimal model. Bivariate and trivariate probability distributions of these environmental conditions are established based on four bivariate and trivariate Archimedean copulas, namely, Clayton, Frank, Gumbel-Hougaard, and Ali-Mikhail-Haq copulas. These joint probability models can maximize marginal information and the dependence among the three variables. The design return values of these three variables can be obtained by three methods: univariate probability, conditional probability, and joint probability. The joint return periods of different load combinations are estimated by the proposed models. Platform responses (including base shear, overturning moment, and deck displacement) are further calculated. For the same return period, the design values of wave height, wind speed, and current velocity obtained by the conditional and joint probability models are much smaller than those by univariate probability. Considering the dependence among variables, the multivariate probability distributions provide close design parameters to actual sea state for ocean platform design.     

岷县漳县MS6.6地震近场地震波谱质心分布与发震构造

采用近场15个地震台记录的2013-07-22岷县漳县MS6.6地震主震波形,计算平均谱质心频率并给出地理分布。结果表明,高频分布椭圆分布在临潭-宕昌断裂主支的西南侧。由此认为,这次地震的逆冲块体应是处于临潭-宕昌断裂西南侧的另一平行次级断层之间的块体,发震构造并非临潭-宕昌断裂;谱质心最高频率的分布范围揭示了地震波能量辐射最强的区域,与现场考察的宏观极震区相吻合。