1、基于Pensacola水文站的極端水位分析匯報人：學 號：概述頻率分析方法基于Pensacola水文站的計算結論目錄Key Word水文頻率分析WeibullLog-NormalGumbelG.E.V.概述頻率分布模型參數估計方法重現期計算方法MLEL-momentLSE定義估計Step 4風險估計風險分析Step 3選擇分布函數參數估計Step 2檢驗基本假設一致性、獨立性、同分布性Step 1描述性分析異常點排查Devices: “Info Workers Will Erase Boundary Between enterprise And Consumer Technologies.”

2、Forrester Research. August 30, 2012Apps: Gartner: “Predicts 2013: Business Impact of Technology Drives the Futures Application Services Market.” Nov. 21, 2012Big data: Paraphrased from The Impact of the Internet of Things on Data Centers. Gartner Research, Feb 27, 2014 Cloud: “Prepare For 2020: Tran

3、sform Your IT Infrastructure And Operations Practice.” Forrester Research. Oct. 24, 2012水文頻率特征水文極值事件的統計規律水利工程建設中的設計依據頻率分析方法水文頻率分析步驟G.E.V. Generalized Extreme ValueGumbel分布Weibull分布頻率分析方法概率密度函數（PDF）累積密度函數（CDF）參數計算重現期計算 Tixi圖頻率分析方法概率統計軟件EasyFit極大似然估計法極小化極大熵法最小二乘法參數估計方法實測數據重現期分布模型重現期重現期計算方法Pensacola站的計

4、算彭薩科拉是美國佛羅里達州西北部城市重要的海軍基地和海軍航空基地漁業發達圖1 Pensacola水文站1923-2004年極端水位觀測值頻率分布模型參數估計Weibullk=3.4275，=0.84431Gumbel=0.31371，=0.60492G.E.V.k=0.40961，=0.13154，=0.62168表1 模型參數估計Pensacola站的計算Pensacola站的計算 圖4 Pensacola站實測數據與模型的Ti -xi圖重現期 WEIBULLGUMBEL G.E.V.50年 1.257 1.829 1.888 100年1.318 2.048 2.414 200年1.373

5、2.266 3.111 表2 各分布模型不同重現期水位（m）Pensacola站的計算分布模型擬合優度指標最高點水位（m）絕對誤差（m）相對誤差RMSErWeibull0.2370.7481.3021.80758.11%Gumbel0.3770.8541.9891.12036.02%G.E.V.0.2950.9722.2580.85127.37%表3 三種分布模型的擬合效果比較對比相關系數和均方根誤差，G.E.V.的擬合效果最好，能更準確地進行預測根據最高點水位的對比，Weibull預測結果沒有參考價值，G.E.V.誤差最小（27.37%）考慮SLR影響的計算剔除SLR影響的極端水位風暴潮增水

6、加劇風暴潮災害頻發海平面上升（SLR）Sea Level Rise計算公式：式中：x2為剔除海平面變化影響后水位值；x1為原水位實測值；t為水位值對應年份；圖5 剔除海平面變化影響Pensacola水文站1923-2004年極端水位值考慮SLR影響的計算圖6 考慮SLR的實測數據與模型的Ti -xi圖考慮SLR影響的計算分布模型擬合優度指標最高點水位（m）絕對誤差（m）相對誤差RMSErWeibull0.238 0.730 1.308 1.713 56.71%Gumbel0.369 0.841 1.961 1.059 35.08%G.E.V.0.281 0.978 2.275 0.745 24.67%表6 考慮SLR的三種分布模型的擬合效果比較50年一遇 1.867m 100年一遇 2.452m200年一遇 3.266m3種常用的頻率分布模型Weibull、Gumbel、G.E.V.基于Pensacola站1923-2004年82年的水位數據重現期較小時均有不錯效果，重現期較大時，預測值均小于實測值；G.E.V.擬合最佳，r=0.972，RMSE=0.295，最高水位誤差2