CN101441078A - 江河涌潮分段实时预警方法 - Google Patents

Abstract

本发明涉及江河涌潮分段实时预警方法。目前潮水预测方法误差很大。本发明方法是利用历史数据和实时信息进行预警预报，具体是通过N个检测点将河道分段，查询潮水在过去5～15年对应农历日期到达预警点的时间、昨日潮水到达预警点的时间，并监测出本次潮水到达前一检测点的时间和到达再前一检测点的时间，估算潮水到达预警点k的实时到达时间f₁(T_K－1)、滞后到达时间f₂(T_{yesterday，k})和平均到达时间f₃(T_history，k)，预测出潮水到达预警点的时间T_k；检测潮水在前一检测点的涌高H_k－1，并查询潮水过去5～15年对应农历日期到达前一检测点涌高的平均值和到达预警点涌高的平均值的比例关系，得到潮水在预警点的涌高H_k。本发明方法不仅可以排除前一天不确定因素影响，还可以实现量化的预报预警。

Description

江河涌潮分段实时预警方法

技术领域

本发明属于自动化技术领域，涉及一种江河涌潮分段实时预警方法。

背景技术

虽然很多地方已经在自然灾害的预测、预防和应急体系建设方面取得显著成效，然而从社会经济发展的要求看，自然灾害防灾形势依然严峻。特别是随着社会的发展如城市化进程的突飞猛进，带来的新问题也层出不穷。如一条本来处于城市周边的河流在城市发展几年后突然已经成为城市的主动脉，她已经与城市的发展与生存一息相通。这个时候安全问题也就凸显出来。特别是一些具有涌潮的河流，该问题尤其突出。每年都有几人、几十人死亡或失踪。发生此类事故的主要原因一是潮水安全预报、预警系统落后，二是江河流域宽广，监管难度大。如果能利用现代计算机、网络与通信、测控技术建立一个现代自动化潮水实时预报预警系统则可以大大减少或避免人员的伤亡。

目前很多地方的潮水监测处于人工或半自动化状态。潮水的预测一般依据天文规律、前几天的水文数据结合气象条件进行推算。如美国专利7,333,890 B2“Chinese Lunar Calendar-based Tidal Prediction System and MethodThereof：基于中国农历的潮汐预报方法和系统”，日本专利JP[31]161178/98“电子潮汐计、大潮日计算方法及执行该方法的程序记录介质”，而中国的农历正是依据月亮的周期得出的。但是这样的结果是潮水预报的到达时间和水位高度都会造成很大的误差，因为气象条件和地表形态都是不断变化的。而且这中间经过由下级部门到上级部的层层上报和从上级部门到下级部门的传达，其信息已经不具备实时性。而且离散的人工预警满足不了很多场合的需要，因为其前后信息是脱节的，而且这种手段也是对人力物力的巨大浪费。利用计算机网络和通信技术则可以达到时间和空间的优势，实现全流域或关键点的监控和预警。

发明内容

本发明的目的就是针对现有技术的不足，提供一种潮水分段实时预警方法。

本发明方法利用历史数据和实时信息对潮水进行自动识别、监测和跟踪，并实现实时预警预报，具体步骤是：

(1)通过N个检测点将河道按照水流方向分成N段，相邻的两个检测点之间为一段，潮水到达作为预警点的第k个检测点的时间为T_k、潮水在该预警点的涌高为H_k，k＝0～(N-1)。

(2)查询潮水在过去5～15年对应农历日期到达预警点k的时间T_history，k、昨日潮水到达预警点k的时间T_{yesterday，k}，并监测出本次潮水到达前一检测点k-1的时间T_k-1和到达再前一检测点k-2的时间T_k-2；

①计算出潮水到达前一检测点k-1的潮水运行速度v_k-1，

$v_{k-1}=\frac{L_{k-2,k-1}}{T_{k-1}-T_{K-2}}$

L_k-2，k-1为检测点k-2与检测点k-1之间的河道长度；

利用T_k-1和v_k-1估算潮水到达预警点k的实时到达时间f₁(T_K-1)

$f_1\left(T_{k-1}\right)=T_{k-1}+\frac{L_{k-1,k}}{v_{k-1}}$

L_k-1，k为检测点k-1与预警点k之间的河道长度。

②利用昨日潮水到达预警点k的时间T_{yesterday，k}计算潮水到达预警点k的滞后到达时间f₂(T_{yesterday，k})

f₂(T_{yesterday，k})＝T_{yesterday，k}+D_k

D_k为预警点k的隔日滞后时间常数，取值为20～40分钟。

③根据潮水在过去5～15年对应农历日期到达预警点k的时间T_history，k计算出潮水到达预警点k的平均到达时间f₃(T_history，k)。

④由f₁(T_K-1)、f₂(T_{yesterday，k})和f₃(T_history，k)预测出潮水到达预警点k的时间T_k：

T_k＝αf₁(T_k-1)+βf₂(T_{yesterday，k})+γf₃(T_history，k)，α+β+γ＝1

α为实时预警权系数，取值在0.8～1之间；

β隔日滞后修正权系数，取值在0.0～0.2之间；

γ历史数据修正权系数，取值在0.0～0.2之间。

(3)潮水到达前一检测点k-1时，检测潮水的涌高H_k-1，并查询潮水过去5～15年对应农历日期到达前一检测点k-1涌高的平均值和到达预警点k涌高的平均值的比例关系γ，根据H_k＝H_k-1×γ得到潮水在预警点的涌高H_k。

本发明采用将一条涌潮河流按关键点分成若干段，在每一段内分别实现实时预警从而实现整条河流潮汐实时预警的方法，其最大的优点是能够实现实时潮水到达地点和时间预报。和现行提前一天预报的方法相比，这种方法不仅可以排除前一天风向、降雨、给排水、河床变化等不确定因素影响，还可以实现量化的预报预警。通过在具体位置设置具体标志并给出实时到达时间的方法则可以完全避免歧义，这正是本发明的主要目的和最大优点。

采用本发明的实时自动监测预警方法，通过2007年11月到2008年12月，从澉浦到闻家堰的几十次的实验表明，预报的时间精度可以提高到分钟级，地理位置的空间精度可以达到百米级。

具体实施方式

针对钱塘江的潮水实时预警，其具体实施步骤如下：

1.沿钱塘江从嘉兴的澉浦、盐官到杭州市范围的850磐头、仓前、下沙大桥、七堡、城市阳台、闸口、闻加堰将杭州市区前和杭州市区内的江道分成9段。

2.查询这10个点过去15年的潮水到达时间，个别没有水文数据的点(无水文站位置)则采用插值方法补齐。

3.潮水到下沙大桥的时间T_k-1＝14:00，

S_k：七堡

S_k-1：下沙大桥

S_k-2：仓前

T_k-1：潮水到达仓前水文站的时间

则可以得出潮水到达七堡的估计时间：

4.昨天到达七堡的时间T_{yesterday，k}＝14:31PM，隔日滞后时间D_k为30分钟则当日到达七堡的潮水时间为

f₂(T_{yesterday，k})＝T_{yesterday，k}+D_k＝14:31+30分钟＝15:01PM

5.利用历史潮水记录T_year，k计算出从1993年到2007年的平均到达时间：

$f_3\left(T_{\mathrm{history},k}\right)=\left(\underset{\mathrm{StartYear}}{\overset{\mathrm{EndYear}}{\mathrm{\Σ}}}{T}_{\mathrm{year},k}\right)/(\mathrm{EndYear}-\mathrm{StartYear})=14:59\mathrm{PM}$

6.取α＝0.8，β＝0.15，γ＝0.05

T_k＝f(T_history，k，T_{yesterday，k}，T_k-1)＝αf₁(T_k-1)+βf₂(T_{yesterday，k})+γf₃(T_history，k)

＝0.8×15:00+0.15×15:01+0.05×14:59

＝43200+8109+2697

＝15:00:06

7.根据1993年到2007年前一点(下沙大桥)涌高H_k-1和监测点(七堡)涌高关系γ，得出k点潮水涌高

H_k＝H_k-1×γ＝0.5m×0.8＝0.4m

其中潮水到达下沙大桥的涌高为0.5m

七堡潮头和下沙大桥潮头高度比值为0.8。

Claims (1)

1、江河涌潮分段实时预警方法，其特征在于该方法的具体步骤是：

(1)通过N个检测点将河道按照水流方向分成N段，相邻的两个检测点之间为一段，潮水到达作为预警点的第k个检测点的时间为T_k、潮水在该预警点的涌高为H_k，k＝0～(N-1)；

(2)查询潮水在过去5～15年对应农历日期到达预警点k的时间T_history，k、昨日潮水到达预警点k的时间T_{yesterday，k}，并监测出本次潮水到达前一检测点k-1的时间T_k-1和到达再前一检测点k-2的时间T_k-2；

①计算出潮水到达前一检测点k-1的潮水运行速度v_k-1，

$v_{k-1}=\frac{L_{k-2,k-1}}{T_{k-1}-T_{K-2}}$

L_k-2，k-1为检测点k-2与检测点k-1之间的河道长度；

利用T_k-1和v_k-1估算潮水到达预警点k的实时到达时间f₁(T_K-1)

$f_1\left(T_{k-1}\right)=T_{k-1}+\frac{L_{k-1,k}}{v_{k-1}}$

L_k-1，k为检测点k-1与预警点k之间的河道长度；

②利用昨日潮水到达预警点k的时间T_{yesterday，k}计算潮水到达预警点k的滞后到达时间f₂(T_{yesterday，k})

f₂(T_{yesterday，k})＝T_{yesterday，k}+D_k

D_k为预警点k的隔日滞后时间常数，取值为20～40分钟；

③根据潮水在过去5～15年对应农历日期到达预警点k的时间T_history，k计算出潮水到达预警点k的平均到达时间f₃(T_history，k)；

④由f₁(T_K-1)、f₂(T_{yesterday，k})和f₃(T_history，k)预测出潮水到达预警点k的时间T_k：

T_k＝αf₁(T_k-1)+βf₂(T_{yesterday，k})+γf₃(T_history，k)，α+β+γ＝1

α为实时预警权系数，取值为0.8～1，

β为隔日滞后修正权系数，取值为0.0～0.2，

γ为历史数据修正权系数，取值为0.0～0.2；

(3)潮水到达前一检测点k-1时，检测潮水的涌高H_k-1，并查询潮水过去5～15年对应农历日期到达前一检测点k-1涌高的平均值和到达预警点k涌高的平均值的比例关系γ，根据H_k＝H_k-1×γ得到潮水在预警点的涌高H_k。