一种基于相关性分析的泵站降雨事件统计分析方法及装置与流程

1.本发明涉及数据处理技术领域，特别是涉及一种基于相关性分析的泵站降雨事件统计分析方法及装置。


背景技术：

2.城市降雨数据对城市排水防涝和面源污染控制有重要意义。分类统计泵站降雨事件，并结合污水干线收集系统的运行数据进行分析，能够为污水干线收集系统的设计规划与运行管理提供数据支撑。
3.目前，在统计降雨事件时，一般都只是简单地以单一气象站的降雨数据来代表区域降雨情况，然而，随着城市化进程加快和城市面积扩张，大城市的降雨空间分布由于城市热岛效应，差异明显增大。因此，当进行城市降雨事件统计时，仅通过单一气象站数据进行降雨事件分类将产生很大误差，有必要考虑降雨空间分布的不均匀性对城市污水干线收集系统造成的影响。


技术实现要素：

4.为克服上述现有技术存在的不足，本发明之目的在于提供一种基于相关性分析的泵站降雨事件统计分析方法及装置，通过对污水干线总管沿途泵站的降雨数据进行相关性分析，进而对降雨事件进行分类，降低了污水干线收集系统运行数据统计过程中降雨空间分布不均匀性对统计结果造成的影响。
5.为达上述目的，本发明提供一种基于相关性分析的泵站降雨事件统计分析方法，包括如下步骤：
6.步骤s1，选取若干污水干线总管沿途泵站作为代表性泵站；
7.步骤s2，对各代表性泵站的降雨数据进行预处理，获得预处理后的各代表性泵站的雨量数据；
8.步骤s3，对各代表性泵站的雨量数据进行两两相关性分析；
9.步骤s4，根据步骤s3的分析结果，将该污水干线总管服务范围划分不同降雨分区，并选取与降雨分区内其他部分降雨情况相关性最高的泵站降雨数据作为典型降雨代表数据；
10.步骤s5，对步骤s4中得到的不同降雨分区的典型降雨代表数据进行交叉比对，划分污水干线总管服务范围内不同降雨分区的降雨等级，获得分类统计结果，从而得到污水干线总管服务范围内目标分析时间区间的降雨事件分析结果。
11.优选地，所选取的代表性泵站均匀分布在污水干线总管沿线。
12.优选地，选取距离污水干线总管服务区域中心较近的泵站为代表性泵站，代表性泵站均匀分布在所述污水干线总管服务范围内的各区域中心。
13.优选地，于步骤s2中，所述预处理包括获取各代表性泵站的降雨数据，补齐遗漏或缺省的降雨数据。
14.优选地，于步骤s2中，以不产生地标径流为标准，剔除各代表型泵站的旱天数据，保留雨天数据。
15.优选地，于步骤s3中，基于各区域代表性泵站雨量数据中的若干时间累积降雨量数据，对雨量数据进行两两比较相关性分析。
16.优选地，于步骤s3中，采用皮尔森相关性分析方法对雨量数据进行两两比较相关性分析。
17.优选地，对x与y两组代表型泵站雨量数据中5min累积降雨量数据的相关性系数r进行如下计算：
[0018][0019]
其中xi为x组第i个数据值，yi为y组第i个数据值，为x组数据平均值，为y组数据平均值，n为样本总数。
[0020]
优选地，于步骤s4中，若服务范围内代表性泵站较多，则通过各泵站与其他泵站的相关性分析结果，找出沿线相关性结果最低的点，并以此为分界划分上下游；若有效数据点较少，则结合相关性分析结果和经验划分降雨分区。
[0021]
为达到上述目的，本发明还提供一种基于相关性分析的泵站降雨事件统计分析装置，包括：
[0022]
代表性泵站确定单元，用于于污水干线总管沿线确定若干代表性泵站；
[0023]
预处理单元，用于获取各代表性泵站的降雨数据，对各代表性泵站的降雨数据进行预处理，获得预处理后的各代表性泵站的雨量数据；
[0024]
相关性分析单元，用于对各代表性泵站的雨量数据进行两两相关性分析；
[0025]
典型降雨代表数据获取单元，用于根据所述相关性分析单元的分析结果，将该污水干线总管服务范围划分不同降雨分区，并选取与降雨分区内其他部分降雨情况相关性最高的泵站降雨数据作为典型降雨代表；
[0026]
分类统计单元，用于对所述典型降雨代表数据获取单元中得到的不同降雨分区的典型降雨代表数据进行交叉比对，根据交叉对比结果划分该污水干线总管服务范围内不同降雨分区的降雨等级，获得分类统计结果，从而得到污水干线总管服务范围内目标分析时间区间的降雨事件分析结果。
[0027]
与现有技术相比，本发明具有如下有益效果：
[0028]
1，本发明采用污水干线总管沿途泵站的降雨数据进行分析，对于污水干线系统运营单位，数据采集方便、易行；
[0029]
2，本发明采用相关性分析方法对数据进行分析，在相关计算过程中不需要投入大量的计算资源；
[0030]
3，本发明获得的降雨事件统计结果能够降低降雨空间不均匀性对污水干线收集系统运行数据分类统计结果的影响。
附图说明
[0031]
图1为本发明一种基于相关性分析的泵站降雨事件统计分析方法的步骤流程图；
[0032]
图2为本发明一种基于相关性分析的泵站降雨事件统计分析装置的系统结构图；
[0033]
图3为本发明实施例中某干线总管服务区域内代表性泵站的分布图。
具体实施方式
[0034]
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
[0035]
图1为本发明一种基于相关性分析的泵站降雨事件统计分析方法的步骤流程图。如图1所示，本发明一种基于相关性分析的泵站降雨事件统计分析方法，包括如下步骤：
[0036]
步骤s1，选取若干污水干线总管沿途泵站作为代表性泵站，所选取的代表性泵站宜均匀分布在污水干线总管沿线。
[0037]
在本发明中，一般来说，污水干线总管沿途具有多个服务区域对于每个服务区域，选取距离污水干线总管服务区域中心较近的泵站为代表性泵站，代表性泵站宜均匀分布在干线总管服务范围内的各区域中心。
[0038]
步骤s2，对各代表性泵站的降雨数据进行预处理，获得预处理后的各代表性泵站的雨量数据。
[0039]
具体地，获取各代表性泵站在目标分析时间区间内的降雨数据，补齐遗漏或缺省的降雨数据，以24h累计降雨量小于2mm，即不产生地标径流为标准，剔除各代表型泵站的旱天数据，保留雨天数据。例如需要对2017年1月至2019年1月该干线总管经历的降雨事件进行统计分析，则该目标分析时间区间为2017年1月至2019年1月，则各代表性泵站在2017年1月至2019年1月的降雨数据，补齐遗漏或缺省的降雨数据，以24h累计降雨量小于2mm，即不产生地标径流为标准，剔除各代表型泵站的旱天数据，保留雨天数据。
[0040]
步骤s3，对各代表性泵站的雨量数据进行两两相关性分析。
[0041]
在本发明具体实施例中，基于各区域代表性泵站雨量数据中的5min累积降雨量数据，对雨量数据进行两两比较相关性分析。
[0042]
具体地，采用皮尔森相关性分析方法，对x与y两组代表型泵站雨量数据中5min累积降雨量数据的相关性系数r进行计算：
[0043][0044]
其中xi为x组第i个数据值，yi为y组第i个数据值，为x组数据平均值，为y组数据平均值，n为样本总数。
[0045]
根据上式得到代表性泵站两两对应的相关性系数结果(如表1所示)
[0046]
步骤s4，根据步骤s3的分析结果，将该污水干线总管服务范围划分为不同降雨分区，并选取与降雨分区内其他部分降雨情况相关性最高的泵站降雨数据作为典型降雨代表。
[0047]
在本发明具体实施例中，建根据污水干线走势区分上/下、上/中/下游等不同降雨分区，但需说明的是，若污水干线服务面积很大，且数据相关性呈明显分散趋势，也可以分
多个区域，本发明不以此为限。
[0048]
具体地说，若服务范围内有效数据点(即代表性泵站)较多，则通过各泵站与其他泵站的相关性分析结果(如表1所示)，找出沿线相关性结果最低的点(相关性和最低的泵站)，并以此为分界划分上下游；若有效数据点较少，则需要结合相关性分析结果和经验进行划分。
[0049]
当划分出上游、下游等不同降雨分区后，计算分区后的各降雨分区内的各代表性泵站与其他代表性泵站的相关性和，选取值最高的代表性泵站的降雨数据作为典型降雨代表。
[0050]
步骤s5，对步骤s4中得到的不同降雨分区的典型降雨代表数据进行交叉比对，划分污水干线总管服务范围内不同降雨分区的降雨等级，获得分类统计结果，从而得到污水干线总管服务范围内目标分析时间区间的降雨事件分析结果。
[0051]
在步骤s5中，首先获取不同降雨分区的典型降雨代表数据的降雨等级，如典型泵站1为上游降雨分区的的典型降雨代表，典型泵站2为下游降雨分区的的典型降雨代表，若典型泵站1降雨为大雨，而典型泵站2降雨为小雨，比对典型泵站1和典型泵站2的降雨等级(以天为单位进行交叉比对)，发现结果不同，则为不均匀降雨；若两个泵站均为大雨，则为均匀降雨，通过不同降雨分区的典型降雨代表数据的交叉比对，整个服务范围内降雨事件划分为均匀降雨与不均匀降雨，获得分类统计结果，如该干线总管服务范围内的均匀降雨天数所占比例、不均匀降雨天数所占比例以及旱天天数所占比例，最终获得污水干线总管服务范围内的降雨事件分析结果。
[0052]
通过本发明，根据交叉对比获得分类统计结果可为运营单位后续的运行数据统计提供基础，但本发明不局限于此。若不采用分类统计结果，仅以单一气象站的雨量情况对降雨事件进行分类，则统计结果不具有代表性。
[0053]
图2为本发明一种基于相关性分析的泵站降雨事件统计分析装置的系统结构图。如图2所示，本发明一种基于相关性分析的泵站降雨事件统计分析装置，包括：
[0054]
代表性泵站确定单元201，用于于污水干线总管沿线确定若干代表性泵站。在本发明中，选取若干污水干线总管沿途泵站作为代表性泵站，所选取的代表性泵站宜均匀分布在污水干线总管沿线。
[0055]
在本发明中，选取距离污水干线总管服务区域中心较近的泵站为代表性泵站，代表性泵站宜均匀分布在干线总管服务范围内的各区域中心。
[0056]
预处理单元202，用于获取各代表性泵站的降雨数据，对各代表性泵站的降雨数据进行预处理，获得预处理后的各代表性泵站的雨量数据。
[0057]
具体地，预处理单元202获取各代表性泵站的降雨数据，然后补齐遗漏或缺省的降雨数据，以24h累计降雨量小于2mm，即不产生地标径流为标准，剔除各代表型泵站的旱天数据，保留雨天数据。
[0058]
相关性分析单元203，用于对各代表性泵站的雨量数据进行两两相关性分析。
[0059]
在本发明具体实施例中，基于各区域代表性泵站雨量数据中的5min累积降雨量数据，对雨量数据进行两两比较相关性分析。
[0060]
典型降雨代表数据获取单元204，用于根据相关性分析单元203的分析结果，将该污水干线总管服务范围划分为上游、下游等不同降雨分区，并选取与降雨分区内其他部分
降雨情况相关性最高的泵站降雨数据作为典型降雨代表。
[0061]
分类统计单元205，用于对典型降雨代表数据获取单元204中得到的不同降雨分区的典型降雨代表数据进行交叉比对，根据交叉对比结果划分该污水干线总管服务范围内不同降雨分区的降雨等级，获得分类统计结果，从而得到污水干线总管服务范围内目标分析时间区间的降雨事件分析结果。
[0062]
实施例
[0063]
以上海市某干线总管为例，对2015年1月至2017年9月期间共1 000天内该干线总管经历的降雨事件进行分类。该干线总管长度约33km，服务面积约70.57km2，服务范围内包含44个排水系统共52座泵站，选取其中的18座泵站(如图3所示，ps1～ps18)作为区域代表性泵站，区域代表性泵站均匀分布在污水干线总管沿线，ps1～ps18沿该干线总管距末端污水处理厂由远及近。泵站记录有逐5min、精度为0.5mm/min的自记雨量数据。
[0064]
对各泵站数据进行预处理，补齐遗漏或缺省的降雨数据，具体地，以24h累计降雨量小于2mm，即不产生地标径流为标准，剔除代表型泵站的旱天数据，保留雨天数据。
[0065]
基于各区域代表性泵站5min累积降雨量数据，对雨天数据进行两两比较相关性分析，得到如下表1的相关性分析结果：
[0066]
表1相关性分析结果
[0067]
泵站ps1ps2ps3ps4ps5ps6ps7ps8ps9ps10ps11ps12ps13ps14ps15ps16ps17ps18ps110.590.600.550.550.480.470.410.380.290.350.200.290.300.310.270.240.24ps20.6210.730.810.770.680.620.530.480.350.450.230.340.330.340.310.260.25ps30.600.6810.740.790.650.700.610.570.410.510.260.380.370.370.330.290.29ps40.570.780.7710.890.800.770.620.560.400.560.280.360.430.350.330.280.28ps50.550.740.790.8610.810.820.650.600.430.600.310.390.460.370.350.290.30ps60.480.650.660.760.8210.750.630.550.400.580.320.370.340.370.320.260.26ps70.460.590.680.720.820.7310.740.670.470.640.320.400.480.390.340.300.31ps80.410.500.610.600.650.630.7510.830.590.700.310.470.410.410.360.280.29ps90.390.470.580.550.620.560.670.8410.670.680.330.530.540.420.380.320.32ps100.290.340.420.390.430.400.480.600.6710.570.310.480.390.390.340.270.28ps110.350.430.510.540.600.570.630.700.670.5610.460.560.490.410.410.320.33ps120.190.230.250.260.300.300.310.310.320.290.4510.330.280.250.260.210.22ps130.290.330.380.340.390.370.400.460.510.470.510.3010.520.470.390.310.32ps140.300.330.370.330.370.340.390.400.440.390.400.230.4310.660.400.360.37ps150.320.340.380.350.380.370.390.420.450.410.430.250.550.7210.470.430.43ps160.270.310.330.300.350.330.340.360.380.330.410.270.450.390.4210.570.63ps170.240.260.290.250.300.260.290.280.320.260.330.220.360.360.410.5710.85ps180.220.250.270.250.280.250.290.280.320.260.330.220.360.370.390.630.831
[0068]
基于相关性分析结果，将该干线总管服务范围以ps10与ps12的连线为界划分为上游和下游两个区域，即上游区域代表性泵站包括ps1～ps12，下游区域代表性泵站包括ps13～ps18。ps5和ps15分别与上游区域和下游区域的其他代表性泵站降雨数据的相关性最高，即在上游区域(ps1～ps12中)，ps5与各泵站的相关性之和最高；下游区域(ps13～18)，ps15与各泵站相关性之和最高，因此，分别选取ps5和ps15为该上游区域和下游区域的典型降雨代表泵站。
[0069]
以当日8时至次日8时的24h累计降雨量为日降雨量的计算依据，与泵站日流量的计算方式一致。将上游区域和下游区域典型降雨代表泵站ps5与ps15的24h累计降雨量数据
进行交叉比对，降雨等级结合国家标准《降水量等级标准》(gb/t 28592—2012)与《《海绵城市建设指南》》进行划分，例如根据24h累计降雨量(单位：mm)进行划分：《1.9为旱天、2～9.9为小雨、10～24.9为中雨、25～49.9为大雨、50～99.9为暴雨、》100为大暴雨及以上，本发明不以此为限，整个服务范围内降雨事件可划分为均匀降雨与不均匀降雨，根据交叉对比，可得2015年1月至2017年9月期间共计1 000天内，该干线总管服务范围内的均匀降雨天数所占比例为17.7％，不均匀降雨天数所占比例为10.7％，旱天天数所占比例为71.6％。日降雨等级天数统计如下表2所示。
[0070]
表2某干线总管服务范围内日降雨等级天数统计结果
[0071][0072]
以均匀降雨天中的中雨日——2017年1月5日为例，该干线总管服务范围内18座代表性泵站当日上午8时至次日上午8时的24h累计降雨量如下表3所示：
[0073]
表3 2017年1月5日某干线总管服务范围内18座代表性泵站的24h累计降雨量
[0074][0075]
由表3可知，上游区域内典型降雨代表泵站ps5当日的24h累计降雨量为10.7mm，除ps3、ps10与ps11外，上游区域内8座代表泵站与ps5的24h累计降雨量数值相近；下游区域内典型代表泵站ps15当日的24h累计降雨量为12.5mm，区域内2座代表泵站与ps15的24h累计降雨量数值相近。干线总管服务范围内各代表泵站的24h累计降雨量数据均在10.0～24.9mm之间，降雨事件属于中雨，且降雨均匀，验证了采用本发明的统计分类结果于当日准确。
[0076]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。