基于神经网络的风暴潮增水对海岸带城市排水的影响分析--以青岛市为例

本文以青岛市为研究区域,以0509台风风暴潮增水水位数据为基础,基于BP(Back propagation)神经网络,考虑地形地势特性中易涝因子,并结合水文分析提取入海排水口的空间分布,对青岛市沿海岸排水受风暴潮影响的区域进行预测,并进一步结合青岛市沿海岸,系统探讨气候变化背景下风暴潮增水对青岛市沿海岸排水的影响。结果表明:除风暴潮增水直接侵袭至陆地内侧区域,青岛大江口湾岸段、浮山湾岸段、汇泉湾岸段、青岛湾岸段、胶州湾东南侧岸段海泊河沿岸等区域在各类情景下排水受风暴潮增水影响较大。

杭州湾及舟山海域可能最大台风风暴潮增水的数值研究

基于有限体积海洋模型(FVCOM)构建了一个覆盖中国渤海、黄海和东海的高分辨率风暴潮模型,模拟了1509号台风“灿鸿”引发的风暴潮事件,风暴潮水位模拟结果与实测数据吻合良好。基于最佳台风路径集数据集提供的风场和气压数据,建立了中国近海台风最大风速和最低中心气压的线性回归联系,相关系数达到0.96。在此基础上,以可能最大热带气旋参数为基础,构造了多种假想台风路径,计算了杭州湾和舟山海域的可能最大风暴潮增水。结果表明,沿垂直于海岸线方向登陆的台风在杭州湾和舟山海域引起的风暴潮增水极值最高。杭州湾湾顶可能最大风暴潮水位达8.76 m,舟山海域可能最大风暴潮水位达2.62 m。结果可为杭州湾和舟山海域海洋工程的风险评估和防灾减灾提供参考。

基于LSTM-GM神经网络模型的风暴潮增水预报方法

为充分挖掘风暴潮增水的时序关联特性,提高风暴潮增水的预报精度,综合考虑台风因素、气象要素和天文潮因素对风暴潮增水的影响,结合长短期记忆(LSTM)神经网络和灰色模型(GM)的优势,提出基于LSTM-GM神经网络模型的风暴潮增水预报方法。利用该方法采用12场历史台风数据对小清河入海口风暴潮增水进行模拟预报,并将预报结果与LSTM神经网络、BP神经网络的预报结果进行对比。结果表明:相较于LSTM神经网络和BP神经网络,LSTM-GM神经网络模型的纳什效率系数分别提高了6.5%和11.4%,均方根误差分别降低了70.6%和72.2%,平均相对误差分别降低了50%和69.2%;LSTM-GM神经网络模型可有效处理风暴潮增水与各影响因素间的非线性关系,提高风暴潮增水预报的精度。

珠江河口区风暴潮增水过程非线性叠加效应研究

珠江河口区水网密布,水动力条件复杂,风暴潮增水过程存在明显非线性叠加特征。本文运用ADCIRC(Advanced Circulation Hydrodynamic model)与SWAN(Simulating Waves Nearshore)模型,以1713号台风“天鸽”为实例,构建了珠江河口区风暴潮增水数值模拟模型,研究了珠江河口区风暴潮增水非线性叠加特征,得出如下结论:(1)在台风强度不变的情况下,在珠江口西岸登陆台风带来的增水最大,在伶仃洋西岸超过2 m。(2)风暴潮在珠江口西岸、东岸、河口区登陆,在高低潮和低低潮登陆带来的非线性效应水位较高,最高超过1 m。在高高潮和高低潮期登陆带来的非线性效应水位较低,最低非线性水位接近0 m。在珠江口西岸登陆的台风,其风暴潮-天文潮的非线性效应最大。

台风路径北移对黄渤海风暴潮增水影响研究

热带气旋生命史最大强度(LMI)的年平均纬度在全球主要的热带气旋盆地中向极地移动,正在改变有关海域风暴潮增水的统计结论,对港区潮位设防标准的确定构成影响,西北太平洋(WNP)尤其明显。应用二维水动力模型MIKE21以及Holland台风模型建立天文潮-风暴潮耦合模型,模拟2106号“烟花”台风期间的风暴潮,并设置3个情景,将“烟花”台风的路径向北平移,分析其对黄渤海海域风暴潮增水的影响。初步得出台风路径北移3°,渤海海域风暴潮整体增水幅度达17%,连云港至启东角沿岸30 m水深范围内风暴潮增水幅度达32%等结论,以资沿岸防灾减灾及确定港区潮位设防标准时参考。

浙江沿海超强台风作用下风暴潮增水数值分析

基于河口海岸水动力二维数值模型,建立风暴潮与天文潮耦合作用的数值模式,通过三次强台风和二次超强台风引起的风暴潮增水模拟和分析,证实该模式可用于浙江沿海增水预测。以1949年以来登陆我国大陆沿海最强的"5612"号台风作为典型的超强台风,利用本模式计算分析了超强台风在浙北至浙南5个不同地点登陆遭遇大潮时可能出现的风暴潮增水过程和最大增水,该结果对于海岸工程的防护具有实际的意义。

典型海湾风暴潮增水特征与机理研究

以三门湾为例,基于经验模态分解方法 (EMD)将原始风暴潮增水过程进行分解,并对各个子模态进行能量谱分析,研究每种波动对应的生成机制。结果表明:半封闭海湾内的风暴潮增水较为严重,造成三门湾内强增水的台风为三门湾南侧的西北向登陆台风。EMD分解结果显示三门湾内的风暴潮增水包含6 h,12 h,20 h左右的波动,其中6 h左右的波动来源于海湾共振,共振的频率是由海湾的形状、水深等固有性质所决定的。12 h的波动是由于天文潮与风暴潮耦合作用导致,20 h左右的波动是由于台风移动过程中外海波动的传入。结果表明EMD方法为风暴潮波动增水特征的精细认知提供了一种新的思路和方法,可以加深对海湾内风暴潮波动增水特征的研究。

“梅花”台风期间江苏辐射沙洲海域风暴潮增水研究

通过建立的黄海海域天文潮与风暴潮耦合模型,分析在"梅花"(Muifa)台风作用下,江苏辐射沙洲海域流场变化及增水空间分布特征。结果表明,当台风中心位于辐射沙洲中部外海时,南部外海流场不再向弶港辐聚,而向南流;当台风中心到达废黄河口以北时,辐聚点南移至遥望港附近。在辐聚-辐散的流场作用下,最大增水和高潮位最大涨幅均出现在两大潮波汇聚的弶港附近,分别为2.72 m和0.95 m。

海河流域主要河口闸下通道风暴潮增水研究

建立东海-黄海-渤海大范围风暴潮二维数学模型,对9216台风风暴潮过程进行模拟,分析渤海湾造陆工程前后风暴潮增水对海河流域主要河口(海河口、永定新河口和独流减河口)闸下区域最高潮位的影响,并探讨有效降低河口闸下通道内风暴潮潮位的开发方式。研究表明:渤海湾围填海工程实施后,闸下通道内维持自然地形时,通道内最高潮位高于工程前;闸下通道实施地形开挖后,通道内最高潮位依然高于工程前,但较自然地形条件下抬高幅值有所减小。闸下通道结合开发建设港池航道等工程实施地形开挖,使得通道内水深增加,可降低通道内风暴潮增水幅度。

风暴潮增水和台风浪联合分布在北仑港中的应用

通过台风期间北仑港实测潮位、波浪资料统计分析,研究台风期间风暴潮增水特性和统计规律,采用概率统计理论研究风暴潮增水和波浪的相关性,建立风暴潮增水与波高的联合分布,提出考虑风暴潮影响的设计潮位、波浪组合的推算方法。

“桑美”超强台风风暴潮增水特征分析

为研究"桑美"台风风暴潮的增水特征,基于POM海洋数值模式,建立包含福建省、浙江省、江苏省在内的天文潮与风暴潮耦合数值预报模型,并以此模型计算浙江省南部至福建省北部9个站点在台风登陆期间的增水过程。结果表明,9个站点的增水曲线表现出3种类型:标准型、波动型、随机型。距台风登陆点最近的站点表现为标准型,稍远为波动型,台风边缘处表现为随机型;鳌江站具有远超其他站点的最大增水,而这一现象是台风登陆点位置、鳌江站的特殊地形、风暴潮与天文潮耦合作用等多种原因所致。

江苏近海风暴潮增水数值模拟研究

为研究江苏近海海域风暴潮的特性以及为该海域风暴潮增水变化机理及后报做铺垫,本文基于FVCOM(Finite Volume Coast and Ocean Model)海洋模式和Jelesnianski圆形台风风场模型,建立了江苏近海风暴潮数值模型,并对江苏近海的天文潮以及1109号台风和1210号台风引起的风暴潮进行模拟。结合验潮站水位观测,研究了连云港站和吕泗站的天文潮和风暴潮增水过程。我们将风暴潮与天文潮非线性作用下的风暴潮增水和纯风暴潮增水过程进行对比,讨论了天文潮与1109号和1210号台风风暴潮之间的非线性作用引起的增水特征。结果均表明,在天文潮高潮时,天文潮和风暴潮之间的非线性作用可以抑制增水,在天文潮低潮时,天文潮和风暴潮之间的非线性作用有利于增水。除了气象因子以及天文潮和风暴潮之间的非线性作用外,该海区的地理环境也对台风风暴潮增水产生影响。因此对江苏近海的海岸线变化和浅滩地形变化进行敏感性试验,结果表明,本文所设计的海岸线变化对该海域的风暴潮增水影响较小,江苏沿海岸线的向外推移使得江苏海域风暴潮的增水略微上涨,而本文所设计的地形的变化对风暴潮增水影响较大。

基于多种神经网络的风暴潮增水预测方法的比较分析

简要介绍了利用 BP 神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站 2017 年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP 神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。

基于递归神经网络的风暴潮增水预测

风暴潮增水的准确预测能极大地减少人员伤害和经济损失,具有重要的实用价值。传统的风暴潮预报方法主要包括经验和数值预报,很难建立起相对准确的模型。现有的基于机器学习风暴潮预报方法大都只提取出静态数据间的关系,并没有充分挖掘出风暴潮数据背后的时序关联特性。文中提出了一种基于递归神经网络的风暴潮增水预测方法。本文对风暴潮时序数据进行特定的处理,并设计合适结构的递归神经网络,从而完成时序数据的预测。相较于传统的BP神经网络,递归神经网络能更好地应对时序数据的预测问题。将该方法用于潍坊水站的增水预测中,结果表明,相对于BP神经网络,递归神经网络能得到更好的预测结果,误差更小。

基于相空间重构的神经网络风暴潮增水预测方法

风暴潮增水的准确预测对于国民生产、防灾减灾有重大意义。本文提出一种基于相空间重构的神经网络风暴潮增水预测方法,即使用单站风暴潮增水数据重构出与之相关的相空间,然后使用BP神经网络模型拟合该相空间的空间结构。将该模型用于库克斯港风暴潮增水预测,结果表明:该模型应用在风暴潮增水时间序列的预测中是合理、可行的,并具有较高的精度。此外,使用db10小波函数对原始余水位数据进行降噪处理可以显著地提高模型的预测精度。

波流耦合作用下渤海及北黄海风暴潮增水及海浪过程的数值模拟

本文基于三维波流耦合FVCOM-SWAVE数值模式,采用Jelesnianski参数化风场与再分析数据集ECMWF风场数据叠加而成的合成风场作为外力驱动力,模拟了1818号“温比亚”台风引起北黄海及渤海海域风暴潮增减水及波浪的生长与消减过程,进而分析该海域在“温比亚”台风作用下波浪对流速垂向分布的影响。研究结果表明:合成风场得到的风速最大值及出现时刻与实测数据符合较好,合成风场较为合理,能够为模拟波流耦合机制下海域水动力变化提供准确的风场条件;几个测站的风暴潮增水模拟结果与实测数据较为吻合,FVCOM-SWAVE耦合系统合理地再现了“温比亚”台风在黄渤海引发的风暴潮增水以及台风浪过程。此外,计算结果显示“温比亚”期间黄渤海海域最大有效波高分布于台风中心外围,且位于台风前进方向上,波浪最大有效波高值与台风强度有关;在台风过境期间,波流相互作用对近岸海域流速的垂向分布具有一定影响,考虑波流相互作用可有效提高台风风暴潮数值模拟精度。研究结果对台风灾害预报、防灾减灾及港口建筑选址具有一定的参考意义。

基于模型耦合的北部湾风暴潮增水与风浪模拟研究

台风风暴潮引发的增水和风浪效应是造成沿海低地灾害和损失的重要因素。本文设计了区域嵌套、波-流耦合的有限元数值模拟系统,对北部湾及附近海域风浪和增水过程进行有效模拟,精度达到应用要求。结果表明北部湾在台风影响下引起明显风浪和增水效应。台风中心风浪较小,仅1 m以内;而台风臂扫过海域风浪较大,可达9 m以上。最大增水海域出现在北部湾东侧靠近琼州海峡附近,可达2.5 m。风浪与增水叠加具有非线性效应,最大增水与最大风浪出现时间如与大潮高潮位相遇易形成超高水位,将对北部湾沿岸低地造成巨大淹没风险。本研究意在突破北部湾现有模型局限性,为进一步深化科学研究和工程应用提供基础数据。

镇海站强风暴潮增水特征分析

宁波镇海海洋站为浙北沿岸较典型的验潮站,且其风暴潮增水资料序列也相对较长。文中通过对近几十年来镇海站70 cm以上风暴增水过程的分析,研究其强风暴潮增水过程的总体特征。文章还具体分析了3种不同路径台风造成的强风暴潮增水的特点,从而为以后该站强风暴潮增水的预报提供借鉴。

诺模图法在珠江口横门站风暴潮增水预报中的应用与改进

台风带来的风暴潮增水引致沿岸低洼地区出现严重水浸,给沿海地方带来极具破坏性的威胁。将诺模图法运用于珠江口横门站风暴潮增水预报,结合台风路径、台风登陆点到潮位站的距离、台风最大风力半径、浅水修正系数等4个影响因素的计算,提高了风暴潮增水预报的效率和精度。该方法在实际的风暴潮增水计算中效果显著,可推广应用于珠江口沿海风暴潮增水预报工作中。

基于SVR台风距离与最佳风暴潮增水影响因素组合的关系研究

风暴潮增水通常会造成巨大灾害和损失,对其预测准确性的研究对防灾减灾部门的灾害防御工作具有重大现实意义。文章基于永兴岛验潮站和杨柳等三个台风,收集了上一时刻风暴潮增水值、验潮站与台风直线距离等8项数据,使用支持向量回归方法(SVR),建立支持向量回归风暴潮增水预测模型,通过不断改变模型的输入,以获得最佳风暴潮增水影响因素组合。试验结果表明预测模型的最佳影响因素组合在一定程度上受到验潮站-台风直线距离的影响,当验潮站位于台风风圈半径边缘及外侧时,台风位置对预测模型的影响较大,且进行距离细化后的预测模型准确度可提高32.76%。