技术领域
[0001] 本发明涉及灾害预警技术领域，特别是涉及一种中长期山洪灾害预警预判方法。
相关背景技术
[0002] 山洪是山丘区中小流域由强降雨引起的突发性暴涨洪水，具有历时短，水量集中、成灾迅速、冲刷破坏力强等特点，对国民经济和人民生命财产造成严重危害。山洪灾害是中国洪涝灾害致人死亡的主要灾种：20世纪90年代，全国每年因山洪灾害死亡1900～3700人，约占洪涝灾害死亡人数的62％～69％；2000年～2010年，山洪灾害死亡人数平均每年1079人，占洪涝灾害死亡人数的65％～92％(其中2010年为92％，死亡失踪3887人)；2011年-2015年山洪灾害年均死亡人数400人，占洪涝灾害死亡人数的60％-75％。
[0003] 由于山洪发生的严重性，山洪灾害防治已成为山丘区防洪减灾工作中的重中之重，山洪灾害预警技术也成为了国内外研究的热点。但目前山洪预警技术以短历时为主，预见期较短，在汇流时间极短的小流域根本无法满足及时转移的要求，不利于灾情应对。
具体实施方式
[0043] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面结合附图进一步详细描述本发明的优选实施例：
[0044] 图1给出了本发明中长期山洪灾害预警预判方法的示意图，本实施例以浙江省宁波市象山县泗洲头镇峙前溪小流域为山洪防治对象，流域内有峙前村，主流为峙前溪，布设有控制断面DM。
[0045] 1.资料收集与分析整理。收集分析峙前溪小流域水系图及站点分布图，根据流域实地情况与站点分布状况，收集东溪雨量站逐日降雨资料(1977～2017年共41年)及象山气象站相对应的逐日气象资料。
[0046] 表1：资料收集情况表
[0047]
[0048] 收集小流域DEM(数据高程)数据与遥感数据，采用ArcGIS软件计算河道坡度计算河道坡度为0.074，采用ENVI软件计算流域归一化植被指数为0.643。
[0049] 2.山洪预警指标计算。根据本发明说明书中所述暴雨洪水计算方法，进行峙前溪小流域各典型频率设计暴雨、设计洪水计算，分析控制断面DM处河道行洪能力。
[0050] 表2：峙前溪小流域设计暴雨成果
[0051]
[0052] 表3：峙前溪小流域设计洪水成果
[0053]
[0054] 按照山洪调查要求，确定控制断面DM的成灾水位Z为2.65m，通过水力学方法，获得成灾时流量为46.3m3/s。根据发明说明书中所述，确定山洪雨量预警指标为178mm。
[0055] 表4：预警指标成果表
[0056]
[0057] 3.流域雨型分析。基于峙前小流域的逐日降雨资料，统计计算降雨系列中历年来各月月平均降雨Pavu及月最大日降雨Pdu(u＝1,2,3…,12n；n为降雨资料年限年数)。将月平均降雨Pavu按从大到小排序形成序列Y，选取前3n个月为典型降雨月份，计算n个月的平均月降雨 及平均月最大日降雨 计算各月月不均匀系数Ki＝avg(Pdi)/avg(Pavi)，i＝1,2,3,…,3n，确定典型降雨月份不均匀系数为各月月不均匀系数的平均值即K＝avg(Ki)。将典型降雨月份平均月降雨avg(Pavi)放入系列Y中，重新按从大到小排序形成序列Y’，若avg(Pavi)在序列Y’排位为v，则典型月份平均月降雨avg(Pavi)的频率即典型降雨月份不均匀系数K的发生概率为u。根据分析方法，确定峙前小流域典型降雨月份的月不均匀系数K为12.7，发生概率为21.5％。
[0058] 4.基于神经网络的中长期降雨量预测。根据发明说明书中方法，利用Matlab构建BP神经网络模型。BP神经网络模型隐含层激活函数采用双曲正切S型函数，输出层则采用线性输出函数。经过试错法和经验分析，基于相关系数变量剔除法的BP神经网络(COR-BP)模型参数如下：隐含层神经元个数取38，学习速率取0.9，动量因子取0.09。标准化处理原始输入样本，学习训练神经网络。利用训练好的神经网络进行预测，模型预测峙前小流域未来一个月月平均降雨为14.5mm，合格率为69.8％。
[0059] 5.中长期山洪灾害预警预判。通过月不均匀系数计算未来月最大日降雨为184.2mm，大于山洪雨量预警指标178mm，则未来一个月峙前小流域有可能发生山洪灾害，其概率为15％，需提前做好防御工作。
[0060] 需要说明的是，上述实施方式仅为本发明较佳的实施方案，不能将其理解为对本发明保护范围的限制，在未脱离本发明构思前提下，对本发明所做的任何微小变化与修饰均属于本发明的保护范围。
