摘要：为实现精细化的无线微波水文气象密集监测,提出基于无线微波链路的降雨增强反演方案。利用极值梯度提升(XGBoost)算法进行干湿判别,并结合支持向量回归机(SVR)和高斯过程回归(GPR)两种机器学习算法,构建XG_SVR与XG_GPR复合反演模型,与传统ITU-R模型反演结果比较分析。实验结果表明,XGBoost算法的干湿判别结果优于滑动标准差法,平均分类准确率为88%,1 h以下高时间分辨率的准确率可达90%以上;两种复合模型整体反演效果良好,XG_SVR与ITU-R模型均适用于高时间分辨率,相关性系数均值皆高于0.80;而XG_GPR模型在反演1 h及以上低时间分辨率降雨时有显著优势,相关性系数为0.95左右,且均方误差远小于其他两种模型。利用复合机器学习模型改进传统无线微波测雨的方案具有可行性及发展潜力。

摘要：以南昌市青山湖排涝片区为研究对象,从典型暴雨的选择入手,结合现行规范要求,分析了不同典型暴雨的放大方法以及水利部门"综合雨型"的优缺点,应用MIKE软件模拟不同设计暴雨雨型对城市排涝过程的影响。通过对泵站开机负荷、主要控制断面的水位和流量等情况的对比分析,提出城市内涝防治体系设计暴雨雨型计算方法的选择建议。研究结果表明,同倍比放大法虽然便于应用,但其主要统计时段降雨量的重现期差异很大,难以客观评价市政排水与流域排涝系统的能力;同频率放大法能够控制主要时段的"同频",但其时间刻度需要细化,调算过程较为复杂,而且不同典型暴雨同频放大条件下的排涝过程差异较大;"复合雨型"可以兼顾城市排水与流域排涝系统的能力复核,雨型生成过程相对简单,便于应用。

摘要：由城市内涝现象出发,阐述设计暴雨标准以重现期表示合理可行,指出市政和水利系统的重现期在数量上不一样,在本质上有差别;论述两个系统的风险理念和导致重现期差异的根源;介绍因两种重现期表征的风险,指出在提高设计标准时对年风险理念和年最大值选样法应予以肯定并逐步推广;建议两种重现期化异求同的关键在于统一风险理念和选样时采用年最大值法。