.png){kind=icon}
返回
An Efficient Global Automatic Threshold Detection Algorithm for Large-Scale Flood Distribution Analysis
.png){kind=icon}
OA
AI
DOI：10.1029/2024WR039398.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别峰值超过阈值（POT）序列的最优阈值对于有效的洪水分布分析和风险降低决策至关重要。本文提出了一种基于洗牌复形进化（SCE-UA）优化算法的阈值检测方法，能够自动识别全局最优阈值，无需任何目标函数的指定。结果表明，该方法在中国10个水文站中，以少于传统方法约4～13倍的拟合优度检验和安德森-达林检验次数，高效地确定了最优阈值。自动识别的阈值与图形诊断法确定的阈值吻合良好，并且相较于常用的固定阈值，降低了广义帕累托模型的拟合偏差。随后，该检测方法被应用于中国东部季风区380个站点的区域性洪水分布分析。POT序列的最优阈值范围为0.14 m³/s至49,062.53 m³/s，380个站点的中位值为293.55 m³/s。高流量阈值在湿润地区较高，在干旱/半干旱地区较低。研究还表明，小型干旱流域（具有较低海拔、较低田间持水能力和较大饱和水力传导度）倾向于表现出更重的洪水尾部（即极端洪水发生的概率更高）。本研究展示了基于SCE-UA的阈值检测框架在大规模洪水分布分析中的潜力，也为自动提取超额极端值提供了一般性框架。
Keyword:
threshold detection
peaks over threshold
SCE-UA
flood distribution
generalized pareto distribution
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5
论文数:
870
被引数:
6.9W
机构
引用论文
Increased human and economic losses from river flooding with anthropogenic warming.png)
NATURE CLIMATE CHANGE
NATURE CLIMATE CHANGEIF27.1
PREAI
分享收藏Satellite-based precipitation error propagation in the hydrological modeling chain across China基于卫星的降水误差在中国水文建模链中的传播JOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏A Mahalanobis Distance‐Based Automatic Threshold Selection Method for Peaks Over Threshold Model
PREAI
分享收藏
查看更多内容