结合统计模型与动力模型的乘潮水位预报方法。该方法包括:获得该地潮汐调和常数,预报该地的预测天文潮位和增水水位,得出基于统计模型的预测乘潮水位Ls;根据该大气预报模型计算并得出预测的风场结果与潮汐的开边界条件,以此作为强迫场,使用海洋动力学模型计算得出包含该地天文潮位与增水水位的预测乘潮水位Lm;基于对两个模型在各种时间尺度和气象条件下预测结果的准确度分析,构造最佳的乘潮水位预报公式,给出最终乘潮水位L的预报结果,并通过可视化技术将该预报结果实时的展示出来。该方法有机的耦合气象与潮位的监测数据、潮位值的统计预测方法、大气与海洋动力学模型以及实时的可视化系统,使其达到准确和快速预报乘潮水位的要求。
【技术实现步骤摘要】
本专利技术涉及海洋科学与海洋工程领域,具体地说,是海港或海上乘潮水位的预报方法。
技术介绍
我国自改革开放之后,进出口贸易快速增加。特别是21世纪以来,船舶的进出港压力愈加凸显。另一方面,由于全球气候变化所带来的具体天气异常情况越来越多,港口和航道区域也不例外,其中由于气象与外海信号等因素造成的增减水为港口和航道的通航安全提出了严峻的挑战。乘潮水位是指在一定时间间隔且可用以通航的某一高潮水位,在海港工程的设计以及航道的选取时常常要求参考此值。虽然这个值多是出现在高潮前后,但因为诸多如天气等不确定的因素,科学地掌握它仍然需要进行若干复杂的计算和经验,否则就可能因为通航水位设计过浅而影响通航能力,或者由于疏浚过深而带来较大的浪费。 更重要的是,对乘潮水位掌握不准会影响船舶通航的调度,并在异常情况下带来诸多的不安全因素。因此,准确的掌握乘潮水位在船舶运输、港口工程等诸多方面有着重要的实用价值,尤其是在水深较浅和潮差较大的港口与航道,其作用更加显而易见。但目前由于气候异常事件日渐增多,传统的乘潮水位估计方法的准确性和及时性已无法满足当前对乘潮水位预报的需求。主要原因在于一方面经验方法所基于的物理基础较为薄弱,难以准确了解大区域天气和海洋环境的变化对当地乘潮水位的影响,而另一方面,纯动力学数值模型的计算受当今动力学基础研究的限制,在短时间内尚不能替代经验公式估算的准确性。因此,有机结合经验统计方法与动力学模型计算方法的优势,在各种时间尺度上给出乘潮水位更为准确和及时的预报,不仅可以为保护我国近海港口的运行效率提供技术支持,同时也将促进我国航运事业的安全发展。专利技术内容本专利技术的目的是提供一种在各种时间尺度上准确和及时地预报乘潮水位的方法。本专利技术提供的乘潮水位预报方法,有机的耦合气象与潮位的监测数据、潮位值的统计预测方法、大气与海洋动力学模型以及实时的可视化系统,使其达到准确和快速预报乘潮水位的要求,其具体方法和步骤如下(参见附图说明图1)第1、整理历史气象观测数据与历史潮位观测数据,以及当地的地形数据,分别建立历史气象数据库、历史潮位数据库以及当地的地形数据库;第2、通过第1步建立的历史潮位数据库中的历史观测潮位数据获得该地潮汐调和常数,并通过该调和常数进行调和分析并预报出该地的预测天文潮位;第3、实时获取气象监测数据与潮位监测数据,使用增减水的统计模型预测出该地的增水水位;第4、加和第2步中预测的天文潮位与第3步中预测的增水水位,得出基于统计模型的预测乘潮水位Ls ;第5、使用数据同化方法同化第3步中的实时气象监测数据至大气预报模型(如 WRF),根据该大气预报模型计算并得出预测的风场结果与潮汐的开边界条件;第6、由第5步中的大气预报模型预测的风场与潮汐的开边界条件作为强迫场,使用海洋动力学模型计算得出包含该地天文潮位与其他因素增水水位的预测乘潮水位Lm ;第7、根据第1步建立的历史潮位数据库中的历史观测潮位数据序列,分别使用统计模型与海洋动力学模型计算出相应时间段的预测潮位时间序列,并基于对两个模型在各种时间尺度和气象条件下预测结果的准确度分析,构造最佳的乘潮水位预报公式;第8、结合第4步中统计模型预测的乘潮水位Ls与第6步中海洋动力学模型预测的乘潮水位Lm结果,使用第7步中构造的乘潮水位预报公式给出最终乘潮水位L的预报结果,并通过可视化技术将该预报结果实时的展示出来。其中,第2步所述的潮汐调和常数的计算方法是,根据第1步中建立的历史潮位数据库中历史观测数据的时间长度,使用最小二乘法分析出该地的调和常数,其中调和常数的振幅与迟角分别用H与g表示;第2步所述的天文潮位是指由引潮力直接或间接引起的潮位,基于以上得出的该地调和常数,根据以下表达式计算预测天文潮位权利要求1.一种,其特征在于,该方法包括如下步骤第1、整理历史气象观测数据与历史潮位观测数据,以及当地的地形数据,分别建立历史气象数据库、历史潮位数据库以及当地的地形数据库;第2、通过第1步建立的历史潮位数据库中的历史观测潮位数据获得该地潮汐调和常数,并通过该调和常数进行调和分析并预报出该地的预测天文潮位;第3、实时获取气象监测数据与潮位监测数据,使用增减水的统计模型预测出该地的增水水位;第4、加和第2步中预测的天文潮位与第3步中预测的增水水位,得出基于统计模型的预测乘潮水位Ls ;第5、使用数据同化方法同化第3步中的实时气象监测数据至大气预报模型,根据该大气预报模型计算并得出预测的风场结果与潮汐的开边界条件;第6、由第5步中的大气预报模型预测的风场与潮汐的开边界条件作为强迫场,使用海洋动力学模型计算得出包含该地天文潮位与增水水位的预测乘潮水位Lm ;第7、根据第1步建立的历史潮位数据库中的历史观测潮位数据序列,分别使用统计模型与动力学模型计算出相应时间段的预测潮位时间序列,并基于对两个模型在各种时间尺度和气象条件下预测结果的准确度分析,构造最佳的乘潮水位预报公式;第8、结合第4步中统计模型预测的乘潮水位Ls与第6步中海洋动力学模型预测的乘潮水位Lm的结果,使用第7步中构造的乘潮水位预报公式给出最终乘潮水位的预报结果, 并通过可视化技术将该预报结果实时的展示出来。2.根据权利要求1所述的方法,其特征在于第2步所述的潮汐调和常数的计算方法是, 根据第1步中建立的历史潮位数据库中历史观测数据的时间长度,使用最小二乘法分析出该地的调和常数,其中调和常数的振幅与迟角分别用H与g表示;第2步所述的天文潮位是指由引潮力直接或间接引起的潮位,基于以上得出的该地调和常数,根据以下表达式计算预测天文潮位3.根据权利要求1所述的方法,其特征在于第3步所述的增水水位的计算方法是,使用拉格朗日插值或者三次样条函数方法,基于临近时间的潮位曲线,计算出该地的增水水位 ζ ’,并得出基于统计模型的预测乘潮水位Ls= ζ + ζ’,其中ζ表示天文潮位。4.根据权利要求1所述的方法,其特征在于第5步所述的数据同化方法以及预测风场结果与潮汐的开边界条件的方法是首先对气象观测数据进行格式转换与质量控制,然后利用3DVAR方法进行数据同化,为预报所使用的海洋动力学模型提供初始场与时变边界条件;采用并配置WRF-ARW大气动力学模型为所关注海区提供风场以及相关气象条件未来48小时的预报;该大气动力学模型采用完全可压缩非静力欧拉方程组,水平网格采用Arakawa C网格,垂直坐标采用目前国际上广泛应用的基于质量的地形追随η坐标。5.根据权利要求4所述的方法,其特征在于第6步所述的使用海洋动力学模型计算得出包含该地天文潮位与增水水位的预测乘潮水位Lm的方法是基于第5步计算所得的风场结果以及来自于ΝΑ099全球潮汐模型所提供的8个分潮 Μ2、S2、Ν2、Κ2、Κ1、01、PI、Ql的调和常数作为FVCOM海洋动力学模型的强迫条件与潮汐的开边界条件,所述的海洋动力学模型为FVCOM海洋动力学模型,简称FVCOM模型,该模型是一个自由海表面、流体静力学和Boussinesq近似的、原始方程组的海洋模型;在第5步中所述WRF-ARW模型运算完毕后,SHELL脚本自动运行FVCOM模型,并计算获取该地未来48小时的预测乘潮水位Lm。6.根据权利要求5所述的方法,其特征在于第7步所述构造最佳乘潮水位L本文档来自技高网...
【技术保护点】
1.一种结合统计模型与动力模型的乘潮水位预报方法,其特征在于,该方法包括如下步骤:第1、整理历史气象观测数据与历史潮位观测数据,以及当地的地形数据,分别建立历史气象数据库、历史潮位数据库以及当地的地形数据库;第2、通过第1步建立的历史潮位数据库中的历史观测潮位数据获得该地潮汐调和常数,并通过该调和常数进行调和分析并预报出该地的预测天文潮位;第3、实时获取气象监测数据与潮位监测数据,使用增减水的统计模型预测出该地的增水水位;第4、加和第2步中预测的天文潮位与第3步中预测的增水水位,得出基于统计模型的预测乘潮水位Ls;第5、使用数据同化方法同化第3步中的实时气象监测数据至大气预报模型,根据该大气预报模型计算并得出预测的风场结果与潮汐的开边界条件;第6、由第5步中的大气预报模型预测的风场与潮汐的开边界条件作为强迫场,使用海洋动力学模型计算得出包含该地天文潮位与增水水位的预测乘潮水位Lm;第7、根据第1步建立的历史潮位数据库中的历史观测潮位数据序列,分别使用统计模型与动力学模型计算出相应时间段的预测潮位时间序列,并基于对两个模型在各种时间尺度和气象条件下预测结果的准确度分析,构造最佳的乘潮水位预报公式;第8、结合第4步中统计模型预测的乘潮水位Ls与第6步中海洋动力学模型预测的乘潮水位Lm的结果,使用第7步中构造的乘潮水位预报公式给出最终乘潮水位的预报结果,并通过可视化技术将该预报结果实时的展示出来。...
【技术特征摘要】
【专利技术属性】
技术研发人员:牟林,宋军,王慧,李欢,李琰,
申请(专利权)人:国家海洋信息中心,
类型:发明
国别省市:12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。