通常极值分布方法都使用次序统计方法,即把观测的极值样本排序并重新命名为
其中:
Gumbel法[68]给每个xj都赋予一个累计概率Fj,即:
令:
然后对xj作图(yj为横轴,xj为纵轴),并进行线性回归,如图7-1所示。
由式(7-3)可知,回归曲线应该符合:
等式变换后:
式中 T——风数据的时间长度,单位为年。
线性回归曲线与式(7-17)对比,可以方便地求出Gumbel分布的α和β为两个参数。
于是,1年一遇的极大风速为
50年一遇的极大风速为
【例】 某测风数据,测风时间为2整年,经从小到大排序后的独立最大风速如表7-2的第1列所示。求50年一遇的极大风速?(www.xing528.com)
对排序后的最大风速进行编号,如表7-2的第2列所示。然后根据式(7-14)求得累计概率Fj如表第3列所示。最后再根据(7-15)求得yj,如该表第4列所示。
表7-2 某2年测风数据的极大风速计算过程
(续)
对以表7-2中第4列为横坐标,以第1列为纵坐标,做线性相关,如图7-1所示。根据线性相关拟合曲线可知:
于是可以求得β=73.764;图7-1中的风数据时间长度为2年,根据式(7-20)可知,x2=38m/s。因此,根据式(7-19),50年一遇极大风速为
Gumbel法估计的极大风速如图7-2所示,不同再发生周期的极端值分布在线性回归曲线的延长线上。
图7-1 风速极值的Gumbel分布拟合
极大风速事件值是基于10min平均的风数据。应通过调整时间窗口和极值下限,将极值样本数量控制在30个以内。需要筛查每个独立的风暴事件是否只有一个极大风速值被计入。一般认为至少4年的测风数据才能获得较好的极大风速估计。
如果极值样本的线性拟合度较差,可以通过删除异常数据点的方式提高拟合度。另外,拟合曲线应尽量与最大的3~5个极值的拟合度最好。
图7-2 Gumbel法估计50年极大风速。空心方块 为估计的不同再发生周期的极大风速值; 实心方块为实测的极端风事件值
极值样本整体可能出现较明显的非线性分布特性,低极值段和高极值段分别依循不同斜率的线性分布。高极值段的斜率可能代表另一个独立的极大风速系统(即潜在的泊松过程)。如台风气候中,台风和普通的风暴就是两个独立的极大风速系统,但在极值样本采集时很难区分开来(即两个不同的泊松过程叠加)。同时,还可能把不是风暴的正常大风采集到极值样本中来,使得极值样本中的低值部分明显不与其他部分成线性关系。
最后需要补充的是,如果测风高度与轮毂高度不同,那么50年一遇的极大风速还须根据风切变换算到轮毂高度。这点在应用气象站的风数据时尤为重要,因为气象站的测风高度往往只有10m左右,与轮毂高度差异较大。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。