CN102902890A - 利用邻近风速风向数据进行线性拟合分析潮位增水的方法 - Google Patents
利用邻近风速风向数据进行线性拟合分析潮位增水的方法 Download PDFInfo
- Publication number
- CN102902890A CN102902890A CN2012103946603A CN201210394660A CN102902890A CN 102902890 A CN102902890 A CN 102902890A CN 2012103946603 A CN2012103946603 A CN 2012103946603A CN 201210394660 A CN201210394660 A CN 201210394660A CN 102902890 A CN102902890 A CN 102902890A
- Authority
- CN
- China
- Prior art keywords
- data
- wind speed
- tidal level
- value
- main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种利用邻近风速风向数据进行线性拟合分析潮位增水的方法。该方法是利用潮位监测站的历史潮位数据和天文潮数据,通过周边风情站点的数据,从而在风情数据和潮位增水数据间建立数学关系公式,再利用此公式,计算得出未来的预报值。该方法所需要的历史资料数据较单一,各地的水文、气象部门都有此类数据,大大有效降低预报所需要数据收集的难度,为潮位预报的成功运行提供较好的数据环境。另外,该方法设置成本较简单,需要明确潮位河流的主要风向即可对增水情况进行分析,从而也大大降低了部署、实施的成本,便于沿海潮位监测站的预报推广。
Description
技术领域
本发明涉及防汛信息化及水文、气象应用领域,特别是利用邻近风速风向数据进行线性拟合分析潮位增水的方法。
背景技术
当前,针对水文预报方法上,大部分采用新安江模型进行水位预报。新安江模型是河海大学提出的一个水文模型,是中国少有的一个具有世界影响力的水文模型。新安江模型是分散性模型,可用于湿润地区与半湿润地区的湿润季节。当流域面积较小时,新安江模型采用集总模型,当面积较大时,采用分块模型。它把全流域分为许多块单元流域,对每个单元流域作产汇流计算,得出单元流域的出口流量过程。再进行出口以下的河道洪水演算,求得流域出口的流量过程。把每个单元流域的出流过程相加,就求得了流域的总出流过程。
新安江模型重点面向流域进行水文预报的方法,所考虑的影响因素也较多,而在考虑的因素中,针对气象因素,更多的是考虑雨量的大小,而对影响潮位的天文潮、风速、风向的考虑占比较小,因此预报结果对沿海的潮位预报就不是很合理。另外,由于该模型方法较大,要求的历史数据多,参数设置多,部署实施起来很多由于历史数据不全,造成实施起来有很大的难处,还有就是模型购买的成本也相对较高,不利于大面积的推广。
发明内容
有鉴于此,本发明的目的是提供一种利用邻近风速风向数据进行线性拟合分析潮位增水的方法。
本发明采用以下方案实现:一种利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于包括以下步骤:
步骤S01:通过对潮位监测站的历史数据进行整编成EXCEL,并导入至数据库中;
步骤S02:将潮位站周边的气象风情监测站的风情数据进行整编成EXCEL,将此数据导入到数据库中,同时建立潮位站与气象风情站地域关联的关联表格;
步骤S03:据风情数据的风速数据和风向数据,计算每个时间刻的平均主要风速;
步骤S04:通过潮位监测站的数据,建立潮位站点增水情况与平均主要风速的关系;
步骤S05:利用最小二乘法,建立站点平均主要风速值和增水值之间的拟合线性公式;
步骤S06:通过拟合公式及气象部门的未来预报风速、风向,计算未来的预报潮位。
在本发明一实施例中,所述步骤S03的实现方式是通过计算风情站风向数据的增水权值,计算每个时间刻的主要风速;再根据每个时间刻的主要风速,计算其平均主要风速;所述的主要风速=时刻风速*权值。
在本发明一实施例中,所述权值是根据每个气象风情站的风向数据来计算,NE至NNE范围为主要时,则直接权值为1;N至ENE的权重计算为COS(22.5)=0.92;NNW至E的权值则为COS(22.5+22.5)=0.71;依此类推,NW至ESE的权值为0.38;WNW至SE的权值为0;W至SSE的权值为-0.38;WSW至S的权值为-0.71;SW至SSW的权值为-0.92;其中E代表东,W代表西,S代表南,N代表北。
在本发明一实施例中,所述计算每个时间刻的主要风速是根据预报类型进行计算,该预报类型包括1~6小时和7~12小时,计算方式为Avg(前1~6小时或7~12主要风速总和)。
在本发明一实施例中,所述步骤S04的实现方式是利用潮位的增水数据值与1~6小时平均主要风速、7~12小时平均主要风速值进行关联,得到增水值、1~6小时平均主要风速值和增水值、7~12小时平均主要风速值的表格数据,并对这两个表格数据按平均主要风速从小到大进行排序。
在本发明一实施例中,所述拟合线性公式为Y=a+bX和相关系数R;其中,Y值代表增水;X值代表平均主要风速;a、b为线性拟合出来的参数值。
本发明的方法所需要的历史资料数据较单一,各地的水文、气象部门都有此类数据,大大有效降低预报所需要数据收集的难度,为潮位预报的成功运行提供较好的数据环境。另外,该方法设置成本较简单,需要明确潮位河流的主要风向即可对增水情况进行分析,从而也大大降低了部署、实施的成本,便于沿海潮位监测站的预报推广。
附图说明
图1是本发明一实施例的流程示意图。
图2是本发明实施例的风向标识图。
图3是将1~6小时平均主要风速值作为横坐标,增水值作为纵坐标建立平均主要风速和增水间的散点坐标关系图。
图4是图3建立该拟合线性的公式后的关系图。
具体实施方式
下面结合附图及实施例子对本发明做进一步说明。
本发明提出了一种利用邻近风速风向数据进行线性拟合分析潮位增水的方法。该方法是利用潮位监测站的历史潮位数据和天文潮数据,通过周边风情站点的数据,从而在风情数据和潮位增水数据间建立数学关系公式,再利用此公式,计算得出未来的预报值。如图1所示,图1是本发明一实施例的流程示意图,该实施例中,该方法包括以下步骤:
步骤S01:通过对潮位监测站的历史数据进行整编成EXCEL,并导入至数据库中;
步骤S02:将潮位站周边的气象风情监测站的风情数据进行整编成EXCEL,将此数据导入到数据库中,同时建立潮位站与气象风情站地域关联的关联表格;
步骤S03:据风情数据的风速数据和风向数据,计算每个时间刻的平均主要风速;
步骤S04:通过潮位监测站的数据,建立潮位站点增水情况与平均主要风速的关系;
步骤S05:利用最小二乘法,建立站点平均主要风速值和增水值之间的拟合线性公式;
步骤S06:通过拟合公式及气象部门的未来预报风速、风向,计算未来的预报潮位。
下面为了让一般技术人员更好的理解本发明,我们结合上述各步骤做进一步的详细说明。
1、 潮位监测站点的历史潮位数据和天文潮数据的导入:
通过对潮位监测站的历史数据按固定格式进行整编成EXCEL,需要体现站点、时间、潮位数据值(米)等字段内容,并将此数据导入至数据库中。该按固定格式即将历史数据按照EXCEL表中的列进行导入。
2、 潮位站周边风情监测站的历史风情数据的导入,并与潮位站建立关联:
将潮位站周边的气象风情监测站的风情数据按固定格式进行整编成EXCEL,需体现站点、时间、风速(米/秒)、风向等字段内容,将此数据导入到数据库中,同时建立潮位站与气象风情站地域关联的关联表格。
3、 根据风情数据的风速数据和风向数据,计算每个时间刻的平均主要风速:
首先,通过计算风情站风向数据的增水权值,计算每个时间刻的主要风速;再根据每个时间刻的主要风速,计算其平均主要风速。
潮位站部署在沿海周边,从河道的走向以及入海口的特征来分析,不同的风向对潮位的增长作用是不同的,有的风向会产生增水,而有的风向则产生减水。因此,应将不同的地面风向转换成增水的主要风向份量,也可以称为“权值”;在我们的风向标识中,如图2所示:图中E代表东,W代表西,S代表南,N代表北;每个方向的角度值为22.5度,则本领域中,NNE表示为北风转东北风。
例如:当NE至NNE范围的风向作为主要影响风向时,其各个风向所带来的增水影响如下表所示:(每个潮位站河流的主要风向需根据每个风情站点来定义)
以上转换的权重表是根据每个气象风情站的风向数据来计算的,如果NE至NNE范围为主要时,则直接为1,权值最高;N至ENE的权重计算为COS(22.5)=0.92;NNW至E的权值则为COS(22.5+22.5)=0.71;依此类推各个风向角度的权值。
得到风向权重后,就可以计算每个站点每个时间的主要风速。主要风速=时刻风速*权值。而在计算每个时间刻的平均主要风速,本实施例中对先预报类型进行确认,本方法设立包括1~6小时和7~12小时两种类型。计算方式为:Avg(前1~6小时或7~12主要风速总和)。如:计算1997-1-1 13:00:00的 1~6小时平均主要风速。则分别将前1~6的主要风速进行累加求平均,计算如下:
△风1=1997-1-1 12:00:00的主要风速;
△风2=1997-1-1 11:00:00的主要风速;
△风3=1997-1-1 10:00:00的主要风速;
△风4=1997-1-1 09:00:00的主要风速;
△风5=1997-1-1 08:00:00的主要风速;
△风6=1997-1-1 07:00:00的主要风速;
风情站1997-1-1 13:00:00的 1~6平均主要风速=(△风1+△风2+△风3+△风4+△风5+△风6)/6
7~12小时采用同样计算方式,通过计算得每个时间刻的1~6小时平均主要风速和7~12小时平均主要风速。
4、 通过潮位监测站的数据,建立潮位站点增水情况与平均主要风速的关系:
利用潮位的增水数据值(历史潮位数据值-天文潮数据值)与1~6小时平均主要风速、7~12小时平均主要风速值,进行关联,得到增水值、1~6小时平均主要风速值和增水值、7~12小时平均主要风速值的表格数据,并对这二个表格数据按平均主要风速从小到大进行排序。
5、 利用最小二乘法,建立站点平均主要风速值和增水值之间的拟合公式;
通过将1~6小时平均主要风速值作为横坐标,增水值作为纵坐标建立平均主要风速和增水间的散点坐标关系。如图3所示:
通过建立该坐标关系后,通过最小二乘法进行散点的线性拟合,从而建立该拟合线性的公式Y=a+bX和相关系数R。如图4所示,其中Y值代表增水;X值代表平均主要风速;R代表相关系数,相关系数越高,说明线性拟合的相关度也就越高;a、b为线性拟合出来的参数值。增水值、7~12小时平均主要风速值的拟合公式与1~6小时一样。
通过以上计算得到的如A潮位站点的1~6小时拟合公式结果为:Y=-16.2+6.13X,相关系数R为0.75;A潮位站点的7~12小时拟合公式结果为:Y=-16.8+6.21X,相关系数R为0.71。得到该公式就可以原来计算未来所需要的预报增水数值了。
6、 通过拟合公式及气象部门的未来预报风速、风向,计算未来的预报潮位。
通过以上计算出来的线性拟合公式Y=a+bX,加上气象部门预报未来的风速、风向(按照第三个步骤转成主要风速),主要风速值为X,就可以得到所需要未来站点的潮位增水情况Y。从而可以对未来的潮位变化有一个直观的参考。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (6)
1.一种利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于包括以下步骤:
步骤S01:通过对潮位监测站的历史数据进行整编成EXCEL,并导入至数据库中;
步骤S02:将潮位站周边的气象风情监测站的风情数据进行整编成EXCEL,将此数据导入到数据库中,同时建立潮位站与气象风情站地域关联的关联表格;
步骤S03:据风情数据的风速数据和风向数据,计算每个时间刻的平均主要风速;
步骤S04:通过潮位监测站的数据,建立潮位站点增水情况与平均主要风速的关系;
步骤S05:利用最小二乘法,建立站点平均主要风速值和增水值之间的拟合线性公式;
步骤S06:通过拟合公式及气象部门的未来预报风速、风向,计算未来的预报潮位。
2.根据权利要求1所述的利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于:所述步骤S03的实现方式是通过计算风情站风向数据的增水权值,计算每个时间刻的主要风速;再根据每个时间刻的主要风速,计算其平均主要风速;所述的主要风速=时刻风速*权值。
3.根据权利要求2所述的利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于:所述权值是根据每个气象风情站的风向数据来计算,NE至NNE范围为主要时,则直接权值为1;N至ENE的权重计算为COS(22.5)=0.92;NNW至E的权值则为COS(22.5+22.5)=0.71;依此类推,NW至ESE的权值为0.38;WNW至SE的权值为0;W至SSE的权值为-0.38;WSW至S的权值为-0.71;SW至SSW的权值为-0.92;其中E代表东,W代表西,S代表南,N代表北。
4.根据权利要求3所述的利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于:所述计算每个时间刻的主要风速是根据预报类型进行计算,该预报类型包括1~6小时和7~12小时,计算方式为Avg(前1~6小时或7~12主要风速总和)。
5.根据权利要求4所述的利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于:所述步骤S04的实现方式是利用潮位的增水数据值与1~6小时平均主要风速、7~12小时平均主要风速值进行关联,得到增水值、1~6小时平均主要风速值和增水值、7~12小时平均主要风速值的表格数据,并对这两个表格数据按平均主要风速从小到大进行排序。
6.根据权利要求5所述的利用邻近风速风向数据进行线性拟合分析潮位增水的方法,其特征在于:所述拟合线性公式为Y=a+bX和相关系数R;其中,Y值代表增水;X值代表平均主要风速;a、b为线性拟合出来的参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103946603A CN102902890A (zh) | 2012-10-17 | 2012-10-17 | 利用邻近风速风向数据进行线性拟合分析潮位增水的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103946603A CN102902890A (zh) | 2012-10-17 | 2012-10-17 | 利用邻近风速风向数据进行线性拟合分析潮位增水的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102902890A true CN102902890A (zh) | 2013-01-30 |
Family
ID=47575118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103946603A Pending CN102902890A (zh) | 2012-10-17 | 2012-10-17 | 利用邻近风速风向数据进行线性拟合分析潮位增水的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102902890A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050537A (zh) * | 2014-06-23 | 2014-09-17 | 清华大学 | 一种基于优化的河流时间水权实时调度管理方法 |
CN106679761A (zh) * | 2017-01-06 | 2017-05-17 | 国家海洋信息中心 | 海域综合水位实时预报的实现方法及系统 |
CN108732647A (zh) * | 2018-04-11 | 2018-11-02 | 祁超祯 | 风暴潮预报方法 |
CN116128141A (zh) * | 2023-02-07 | 2023-05-16 | 国家海洋环境预报中心 | 风暴潮预测方法、装置、存储介质及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109619A (zh) * | 2009-12-23 | 2011-06-29 | 栗小东 | 一种基于人工智能的台风增水预测系统和方法 |
-
2012
- 2012-10-17 CN CN2012103946603A patent/CN102902890A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109619A (zh) * | 2009-12-23 | 2011-06-29 | 栗小东 | 一种基于人工智能的台风增水预测系统和方法 |
Non-Patent Citations (2)
Title |
---|
W. A. OOST, G. J. KOMEN, C. M. J. JACOBS AND C. VAN OORT: "NEW EVIDENCE FOR A RELATION BETWEEN WIND STRESS AND WAVE AGE FROM MEASUREMENTS DURING ASGAMAGE", 《BOUNDARY-LAYER METEOROLOGY》, 31 December 2002 (2002-12-31), pages 409 - 438 * |
杨辉,赵立峰,陈望春,余振美: "宁波市三江口高潮位增水分析及预报方法", 《海洋预报》, vol. 18, 30 November 2001 (2001-11-30), pages 31 - 34 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050537A (zh) * | 2014-06-23 | 2014-09-17 | 清华大学 | 一种基于优化的河流时间水权实时调度管理方法 |
CN104050537B (zh) * | 2014-06-23 | 2017-02-15 | 清华大学 | 一种基于优化的河流时间水权实时调度管理方法 |
CN106679761A (zh) * | 2017-01-06 | 2017-05-17 | 国家海洋信息中心 | 海域综合水位实时预报的实现方法及系统 |
CN108732647A (zh) * | 2018-04-11 | 2018-11-02 | 祁超祯 | 风暴潮预报方法 |
CN116128141A (zh) * | 2023-02-07 | 2023-05-16 | 国家海洋环境预报中心 | 风暴潮预测方法、装置、存储介质及电子设备 |
CN116128141B (zh) * | 2023-02-07 | 2023-08-29 | 国家海洋环境预报中心 | 风暴潮预测方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103713336B (zh) | 基于gis分区的水电站流域面雨量气象预报方法 | |
Gallego-Castillo et al. | A review on the recent history of wind power ramp forecasting | |
CN102628876B (zh) | 一种包含上下游效应实时监测的超短期预测方法 | |
CN103559655B (zh) | 基于数据挖掘的微网新型馈线负荷的预测方法 | |
CN102819677B (zh) | 基于单场降雨类型的降雨站点相似性评价方法 | |
CN110598290B (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
CN102915387B (zh) | 一种电网冰区分布图绘制方法 | |
Tiang et al. | Technical review of wind energy potential as small-scale power generation sources in Penang Island Malaysia | |
CN102902890A (zh) | 利用邻近风速风向数据进行线性拟合分析潮位增水的方法 | |
CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
CN106845116B (zh) | 一种河系的洪水预报系统 | |
CN105160060A (zh) | 一种基于实际功率曲线拟合的风电场理论功率确定方法 | |
Guo et al. | VIC distributed hydrological model to predict climate change impact in the Hanjiang basin | |
CN106779201A (zh) | 一种考虑高原山区风机位置的风速建模方法 | |
CN105095668B (zh) | 基于亚洲极涡因子的电网覆冰长期预报方法 | |
CN113128758B (zh) | 基于近海浮标海浪观测数据构建的最大浪高预报系统 | |
CN201298055Y (zh) | 一种风电资源的实时监测装置 | |
CN110365059A (zh) | 一种光功率预测方法及装置 | |
CN111598724A (zh) | 一种中小水库入库流量日前预测的分时段集成方法 | |
CN103996087A (zh) | 一种新能源发电功率预测方法及系统 | |
Fang et al. | Groundwater level analysis using regional Kendall test for trend with spatial autocorrelation | |
CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
CN105205564A (zh) | 基于测风塔神经网络的风电场弃风电量统计系统及方法 | |
CN106056477A (zh) | 一种基于用电大数据的行业产能利用率的计算方法 | |
CN109063896B (zh) | 一种东北地区融雪径流开始日期的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130130 |