CN105701066A - 一种河口潮差快速预报方法 - Google Patents

一种河口潮差快速预报方法 Download PDF

Info

Publication number
CN105701066A
CN105701066A CN201610131547.4A CN201610131547A CN105701066A CN 105701066 A CN105701066 A CN 105701066A CN 201610131547 A CN201610131547 A CN 201610131547A CN 105701066 A CN105701066 A CN 105701066A
Authority
CN
China
Prior art keywords
river
section
tidal
river mouth
mouth
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
Application number
CN201610131547.4A
Other languages
English (en)
Inventor
谭超
黄本胜
刘达
邱静
黄广灵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Research Institute of Water Resources and Hydropower
Original Assignee
Guangdong Research Institute of Water Resources and Hydropower
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Research Institute of Water Resources and Hydropower filed Critical Guangdong Research Institute of Water Resources and Hydropower
Priority to CN201610131547.4A priority Critical patent/CN105701066A/zh
Publication of CN105701066A publication Critical patent/CN105701066A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Abstract

本发明公开了一种河口潮差快速预报方法,包括步骤:S1、采集河口起点处的实时的潮位数据和平均水深数据;S2、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线,并构建河口潮差预报模型;S3、将采集的实时的潮位数据和平均水深数据代入河口潮差预报模型后,计算获得河口沿程各断面的潮差预测值。本发明计算复杂度较低、计算效率高、预测准确度高,操作简单,可及时地进行潮差预测,可广泛应用于水利行业中。

Description

一种河口潮差快速预报方法
技术领域
本发明涉及水文水利工程领域,特别是涉及一种河口潮差快速预报方法。
背景技术
河口潮汐预报是对河口区潮位、潮差进行预报,预报河口沿程各断面的潮差,正确的预报对河口区防洪、通航、供水等生产、生活、工作情况具有重要的保障作用。目前对于河口潮汐预报方法主要有2种方法:一、数值计算方法,通过建立数学模型进行计算预报,其主要不足在于模型建模复杂,对专业性要求高,不易操作,且模型计算比较耗时,不利于实时控制;二、水文统计方法,基于长时间序列的水文资料进行统计分析,然后进行预报,其主要不足在于需要大量实测水文资料进行统计,操作繁琐,效率低下。总的来说,目前的河口潮差预报方法存在操作繁琐、效率低下或者计算复杂度高、准确度低、耗时长等问题,导致无法准确地进行预报。
发明内容
为了解决上述的技术问题,本发明的目的是提供一种河口潮差快速预报方法。
本发明解决其技术问题所采用的技术方案是:
一种河口潮差快速预报方法,包括步骤:
S1、采集河口起点处的实时的潮位数据和平均水深数据;
S2、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线,并构建河口潮差预报模型;
S3、将采集的实时的潮位数据和平均水深数据代入河口潮差预报模型后,计算获得河口沿程各断面的潮差预测值。
进一步,所述步骤S2,包括:
S21、收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面;
S22、建立河床断面与沿程距离的指数曲线,并拟合获得沿程指数;
S23、建立潮波传播的一维圣维南方程组,结合拟合获得的沿程指数对其进行简化后,构建河口潮差预报模型。
进一步,所述步骤S21,其具体为:
收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面,并记录河床断面的断面间距、离岸距离、断面面积以及河口宽度作为河床断面信息。
进一步,所述步骤S22,其具体为:
根据下式建立河床断面与沿程距离的指数曲线,进而根据剖分的河床断面的信息,拟合获得沿程指数β:
S = S 0 e - β x B = B 0 e - β x
上式中,S表示河床断面的断面面积,B表示河床断面的河口宽度,S0表示河口起点处河床断面的断面面积,B0表示河口起点处河床断面的河口宽度,x表示沿程距离值。
进一步,所述步骤S23包括:
S231、基于一维圣维南方程组,建立潮波传播的运动方程如下:
∂ v ∂ t + v ∂ v ∂ x + g ∂ h ∂ x + gI b + gn 2 v | v | h 4 / 3 = 0
同时,建立潮波传播的连续方程如下:
∂ S ∂ t + ∂ Q ∂ x = 0
其中,v表示x方向的沿程流速,g表示重力加速度,h表示水深,Ib表示河床断面的床面坡降,n为曼宁糙率,S表示河床断面的断面面积,Q表示河床断面的断面流量;
S232、结合拟合获得的沿程指数将潮波传播的连续方程简化如下:
∂ S ∂ t + S ∂ v ∂ x - β S v = 0
其中,β表示拟合获得的沿程指数;
S233、将步骤S231的欧拉形式的运动方程转换为如下的拉格朗日形式的运动方程:
c g h d h d t - β c v g + c v g H d H d x + ∂ h ∂ x + I b + n 2 v | v | h 4 / 3 = 0
上式中,c表示波速,a表示振幅,ε表示相位,H表示潮差;
S234、根据步骤S232中的公式对S233的公式进行简化,获得高潮、低潮时刻潮波传播的运动方程如下:
h ‾ H ( g H 2 c a s i n ϵ + 1 ) d H d x = β h ‾ - f a s i n ϵ c
上式中,表示实测的平均水深数据,且
S235、求解步骤S234的公式,获得河口潮差预报模型如下:
x = γ ln y + γ α ( y - 1 ) y = H H 0 α = 2 c a s i n ϵ gH 0 1 γ = β - f a s i n ϵ c
其中,y表示一无量纲参数,α表示河口湾的参数,γ表示河口地形沿程衰减的尺度参数,H0表示河口起点处的实测潮差值。
S23、建立潮波传播的一维圣维南方程组,结合河床断面与沿程距离的指数曲线对其进行简化后,构建河口潮差预报模型。
进一步,所述步骤S3,其具体为:
将拟合获得的沿程指数和采集的实时的潮位数据和平均水深数据代入河口潮差预报模型的公式中进行求解,从而计算获得河口沿程各断面的潮差预测值。
本发明的有益效果是:本发明的一种河口潮差快速预报方法,包括步骤:S1、采集河口起点处的实时的潮位数据和平均水深数据;S2、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线,并构建河口潮差预报模型;S3、将采集的实时的潮位数据和平均水深数据代入河口潮差预报模型后,计算获得河口沿程各断面的潮差预测值。本发明计算复杂度较低、计算效率高、预测准确度高,操作简单,可及时地进行潮差预测,准确地进行预报。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明的一种河口潮差快速预报方法的流程图;
图2是本发明的实施例二中实测获得的伶仃洋的河口断面与沿程距离的指数曲线图;
图3是本发明的实施例二中实测获得的黄茅海的河口断面与沿程距离的指数曲线图;
图4是本发明的实施例二中实测获得的磨刀门的河口断面与沿程距离的指数曲线图;
图5是本发明的实施例二中采用本发明的河口潮差预报模型进行潮差预测所获得的预测曲线。
具体实施方式
参照图1,本发明提供了一种河口潮差快速预报方法,包括步骤:
S1、采集河口起点处的实时的潮位数据和平均水深数据;
S2、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线,并构建河口潮差预报模型;
S3、将采集的实时的潮位数据和平均水深数据代入河口潮差预报模型后,计算获得河口沿程各断面的潮差预测值。
进一步作为优选的实施方式,所述步骤S2,包括:
S21、收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面;
S22、建立河床断面与沿程距离的指数曲线,并拟合获得沿程指数;
S23、建立潮波传播的一维圣维南方程组,结合拟合获得的沿程指数对其进行简化后,构建河口潮差预报模型。
进一步作为优选的实施方式,所述步骤S21,其具体为:
收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面,并记录河床断面的断面间距、离岸距离、断面面积以及河口宽度作为河床断面信息。
进一步作为优选的实施方式,所述步骤S22,其具体为:
根据下式建立河床断面与沿程距离的指数曲线,进而根据剖分的河床断面的信息,拟合获得沿程指数β:
S = S 0 e - β x B = B 0 e - β x
上式中,S表示河床断面的断面面积,B表示河床断面的河口宽度,S0表示河口起点处河床断面的断面面积,B0表示河口起点处河床断面的河口宽度,x表示沿程距离值。
进一步作为优选的实施方式,所述步骤S23包括:
S231、基于一维圣维南方程组,建立潮波传播的运动方程如下:
∂ v ∂ t + v ∂ v ∂ x + g ∂ h ∂ x + gI b + gn 2 v | v | h 4 / 3 = 0
同时,建立潮波传播的连续方程如下:
∂ S ∂ t + ∂ Q ∂ x = 0
其中,v表示x方向的沿程流速,g表示重力加速度,h表示水深,Ib表示河床断面的床面坡降,n为曼宁糙率,S表示河床断面的断面面积,Q表示河床断面的断面流量;
S232、结合拟合获得的沿程指数将潮波传播的连续方程简化如下:
∂ S ∂ t + S ∂ v ∂ x - β S v = 0
其中,β表示拟合获得的沿程指数;
S233、将步骤S231的欧拉形式的运动方程转换为如下的拉格朗日形式的运动方程:
c g h d h d t - β c v g + c v g H d H d x + ∂ h ∂ x + I b + n 2 v | v | h 4 / 3 = 0
上式中,c表示波速,a表示振幅,ε表示相位,H表示潮差;
S234、根据步骤S232中的公式对S233的公式进行简化,获得高潮、低潮时刻潮波传播的运动方程如下:
h ‾ H ( g H 2 c a s i n ϵ + 1 ) d H d x = β h ‾ - f a s i n ϵ c
上式中,表示实测的平均水深数据,且
S235、求解步骤S234的公式,获得河口潮差预报模型如下:
x = γ ln y + γ α ( y - 1 ) y = H H 0 α = 2 c a s i n ϵ gH 0 1 γ = β - f a s i n ϵ c
其中,y表示一无量纲参数,α表示河口湾的参数,γ表示河口地形沿程衰减的尺度参数,H0表示河口起点处的实测潮差值。
S23、建立潮波传播的一维圣维南方程组,结合河床断面与沿程距离的指数曲线对其进行简化后,构建河口潮差预报模型。
进一步作为优选的实施方式,所述步骤S3,其具体为:
将拟合获得的沿程指数和采集的实时的潮位数据和平均水深数据代入河口潮差预报模型的公式中进行求解,从而计算获得河口沿程各断面的潮差预测值。
以下结合详细实施例对本发明做进一步说明。
实施例一
一种河口潮差快速预报方法,包括步骤:
S1、采集河口起点处的实时的潮位数据和平均水深数据;
S2、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线,并构建河口潮差预报模型;
S3、将采集的实时的潮位数据和平均水深数据代入河口潮差预报模型后,计算获得河口沿程各断面的潮差预测值,具体为:将拟合获得的沿程指数和采集的实时的潮位数据和平均水深数据代入河口潮差预报模型的公式中进行求解,从而计算获得河口沿程各断面的潮差预测值。
本实施例中,步骤S2包括S21~S23:
S21、收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面,具体为:收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面,并记录河床断面的断面间距、离岸距离、断面面积以及河口宽度作为河床断面信息;
S22、建立河床断面与沿程距离的指数曲线,并拟合获得沿程指数,具体为:
根据下式建立河床断面与沿程距离的指数曲线,进而根据剖分的河床断面的河床断面信息,拟合获得沿程指数β:
S = S 0 e - β x B = B 0 e - β x
上式中,S表示河床断面的断面面积,B表示河床断面的河口宽度,S0表示河口起点处河床断面的断面面积,B0表示河口起点处河床断面的河口宽度,x表示沿程距离值。
S23、建立潮波传播的一维圣维南方程组,结合拟合获得的沿程指数对其进行简化后,构建河口潮差预报模型。
详细的,步骤S23包括步骤S231~S235:
S231、基于一维圣维南方程组,建立潮波传播的运动方程如下:
∂ v ∂ t + v ∂ v ∂ x + g ∂ h ∂ x + gI b + gn 2 v | v | h 4 / 3 = 0
同时,建立潮波传播的连续方程如下:
∂ S ∂ t + ∂ Q ∂ x = 0
其中,v表示x方向的沿程流速,g表示重力加速度,h表示水深,Ib表示河床断面的床面坡降,n为曼宁糙率,S表示河床断面的断面面积,Q表示河床断面的断面流量;
S232、结合拟合获得的沿程指数将潮波传播的连续方程简化如下:
∂ S ∂ t + S ∂ v ∂ x - β S v = 0
其中,β表示拟合获得的沿程指数;
简化原理:因S=S0e-βx,则且断面流量等于断面面积与沿程流速的乘积,则Q=Sv,因此连续方程简化为:
∂ S ∂ t + S ∂ v ∂ x - β S v = 0
S233、将步骤S231的欧拉形式的运动方程转换为如下的拉格朗日形式的运动方程:
c g h d h d t - β c v g + c v g H d H d x + ∂ h ∂ x + I b + n 2 v | v | h 4 / 3 = 0
上式中,c表示波速,a表示振幅,ε表示相位,H表示潮差;
S234、根据步骤S232中的公式对S233的公式进行简化,获得高潮、低潮时刻潮波传播的运动方程如下:
h ‾ H ( g H 2 c a s i n ϵ + 1 ) d H d x = β h ‾ - f a s i n ϵ c
上式中,表示实测的平均水深数据,f为自定义的过渡参数,且
S235、求解步骤S234的公式,获得河口潮差预报模型如下:
x = γ ln y + γ α ( y - 1 ) y = H H 0 α = 2 c a s i n ϵ gH 0 1 γ = β - f a s i n ϵ c
其中,y表示一无量纲参数,α表示河口湾的参数,γ表示河口地形沿程衰减的尺度参数,H0表示河口起点处的实测潮差值。
另外,曼宁糙率n、波速c,振幅a、相位ε均为经验值,通过预设设定。
S23、建立潮波传播的一维圣维南方程组,结合河床断面与沿程距离的指数曲线对其进行简化后,构建河口潮差预报模型。
更详细的,步骤S234中,高潮、低潮时刻潮波传播的运动方程的简化推算过程如下:
用a表示潮波的振幅,c表示波速,H表示潮差,则有:
∂ v ∂ x = - 1 c d v d t + v 1 a ∂ a ∂ x , 1 a ∂ a ∂ x ≈ 1 H ∂ H ∂ x
将这些内容代入式步骤S232的简化公式,即为
∂ S ∂ t + S ( - 1 c d v d t + v 1 H ∂ H ∂ x ) - β S v = 0 ,
进一步获得:
d v d t = c S ∂ S ∂ t - β c v + c v H ∂ H ∂ x
因此,步骤S231的运动方程转化为:
d v d t + g ∂ h ∂ x + gI b + gn 2 v | v | h 4 / 3 = 0
联立解得:
c S ∂ S ∂ t - β c v + c v H d H d x + g ∂ h ∂ x + gI b + gn 2 v | v | h 4 / 3 = 0
由于高潮(HW)、低潮(LW)时刻是潮汐涨落过程中比较特殊的时刻,而且潮差与高低潮水位可以建立起简单的关系式,即H=hHW-hLW,则 为平均水面坡降。其中下标HW表示高潮,LW表示低潮。涨憩(HWS)或落憩(LWS)滞后于高潮、低潮时刻,用ε表示高潮与涨憩的相位差,则vHW=asinε,vLW=-asinε。
因此可获得高潮时刻的控制方程为:
( c L W a sin ϵ gh L W + 1 ) ∂ h L W ∂ x - βc H W a sin ϵ g + c H W a sin ϵ g H d H d x + I b + n 2 ( a sin ϵ ) 2 ( h ‾ + H / 2 ) 4 / 3 = 0
低潮时刻的控制方程为:
( - c L W a sin ϵ gh L W + 1 ) ∂ h L W ∂ x + βc L W a sin ϵ g - c L W a sin ϵ g H d H d x + I b - n 2 ( a sin ϵ ) 2 ( h ‾ - H / 2 ) 4 / 3 = 0
由于hLW<hHW,波速cLW<cHW,基本上,高潮时波速与水深的比值与低潮时相同,假定高潮时刻的控制方程减去低潮时刻的控制方程,可获得:
c a sin &epsiv; g h &OverBar; ( &part; h H W &part; x + &part; h L W &part; x ) + d H d x - 2 &beta; c a sin &epsiv; g + 2 c a sin &epsiv; g H d H d x + n 2 ( a sin &epsiv; ) 2 ( 1 ( h &OverBar; + H / 2 ) 4 / 3 + 1 ( h &OverBar; - H / 2 ) 4 / 3 ) = 0
假定平均水深满足:的泰勒展开式为的泰勒展开式为上式可简化为:
2 c a sin &epsiv; g I - 2 &beta; c a sin &epsiv; g + ( 1 + 2 c a sin &epsiv; g H ) d H d x + n 2 ( a sin &epsiv; ) 2 h &OverBar; 1.33 ( 1 - ( 1.33 H 2 h &OverBar; ) 2 ) = 0
则上式可简化为
h &OverBar; H ( g H 2 c a s i n &epsiv; + 1 ) d H d x = &beta; h &OverBar; - h &OverBar; I - f a s i n &epsiv; c
等式右边第一项表示河口宽度的沿程距离所引起的潮汐增强或减弱,等式右边第二项表示潮汐运动为克服平均水面坡降所产生的变化,右边第三项表示河道摩擦对潮汐变化的影响。根据量纲分析,大部分河口平均水深的沿程坡降(等式右边第二项)相比起右边第一项来说小很多,基本上可忽略不计,上式简化为
h &OverBar; H ( g H 2 c a s i n &epsiv; + 1 ) d H d x = &beta; h &OverBar; - f a s i n &epsiv; c
上式即是描述河口湾潮汐沿程运动的简单控制方程,即河口潮差预报模型。
实施例二
以珠江河口为示例,采用实施例一的方法,开展城市河涌防洪排涝动态预报控制。
步骤1、河口起点处的实时的潮位数据和平均水深数据,采集装置包括水位计,可将采集得到的实时雨量数据存储于数据存储器中,采集珠江河口伶仃洋、磨刀门、黄茅海起点处的潮位、平均水深等数据,采集的河口起点处的实测潮差值H0和平均水深数据如下表1所示:
表1
步骤2、数据传输与接收
采用无线通讯方式,通过GPRS通信方式将采集的数据发送到控制终端的数据接收器,该数据接收器可包括接收天线、电台、计算机和稳压电源等组成。
步骤3、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线
例如,剖分珠江河口各河床断面,统计河口各断面的断面面积、河口宽度两个参数的沿程距离,绘制河床断面与沿程距离的指数曲线,分别如图2、图3、图4所示,然后根据下式建立河床断面与沿程距离的指数曲线,进而进行曲线拟合沿程指数β:
S = S 0 e - &beta; x B = B 0 e - &beta; x
最后获得的河床断面的断面面积的沿程距离曲线、河床断面的河口宽度的沿程距离曲线分别如下:
伶仃洋:断面面积沿程距离:S=348225e-0.0271xR2=0.9049
伶仃洋:河口宽度沿程距离:B=49728e-0.0274xR2=0.8555
黄茅海:断面面积沿程距离:S=70594e-0.0449xR2=0.9407
黄茅海:河口宽度沿程距离:B=29748e-0.0668xR2=0.9128
磨刀门:断面面积沿程距离:S=10835e-0.0165xR2=0.758
磨刀门:河口宽度沿程距离:B=49728e-0.036xR2=0.8119
R2表示拟合度,R2越接近1,表示拟合度越好。
步骤4、河口潮差预报模型确定
将拟合获得的沿程指数代入下式的河口潮差预报模型的公式,得到河口沿程的潮差:
x = &gamma; ln y + &gamma; &alpha; ( y - 1 )
本实施例中,预设设定各经验值的取值范围如下:曼宁糙率n为0.015~0.045、波速c为0.8~1.2,振幅a为0.2~0.8、相位ε为2小时。更具体的,珠江口各河口湾的相关参数如下表2所示:
表2
H0(m) h(m) β(km-1) c(m/s) n sinε a9 -->
伶仃洋 1.07 10.0 0.027 1.0 0.0210 0.4 0.75
黄茅海 1.34 3.5 0.0499 0.9 0.0245 0.4 0.32
磨刀门 1.08 5.3 0.0165 0.6 0.0420 0.6 0.40
步骤5、采用步骤4的河口潮差预报模型进行潮差预测,所获得的预测曲线如图5所示,图5中显示的是预测计算得到的潮差值与河口起点处的实测潮差值的比值,同时以沿程站位的平均潮差作为验证数据,在图中标出,因此可以看出模型预测结果与沿程观测数据吻合。图5中三种不同标记处的直线分别代表对应的河口的预测曲线。
因此,本发明的潮差快速预报方法及系统能够有效、准确地实时动态预测河口沿程的潮差,从而预报河口潮差沿程距离情况。而且本发明采用解析模型进行求解,与现有技术中采用数学模型的预报方法相比,其计算复杂度较低,计算效率高。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (6)

1.一种河口潮差快速预报方法,其特征在于,包括步骤:
S1、采集河口起点处的实时的潮位数据和平均水深数据;
S2、结合所采集的数据,拟合河床断面与河口沿程距离之间的关系曲线,并构建河口潮差预报模型;
S3、将采集的实时的潮位数据和平均水深数据代入河口潮差预报模型后,计算获得河口沿程各断面的潮差预测值。
2.根据权利要求1所述的一种河口潮差快速预报方法,其特征在于,所述步骤S2,包括:
S21、收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面;
S22、建立河床断面与沿程距离的指数曲线,并拟合获得沿程指数;
S23、建立潮波传播的一维圣维南方程组,结合拟合获得的沿程指数对其进行简化后,构建河口潮差预报模型。
3.根据权利要求2所述的一种河口潮差快速预报方法,其特征在于,所述步骤S21,其具体为:
收集河口河道地形图,以河宽的两倍距离作为间隔,剖分河床断面,并记录河床断面的断面间距、离岸距离、断面面积以及河口宽度作为河床断面信息。
4.根据权利要求2所述的一种河口潮差快速预报方法,其特征在于,所述步骤S22,其具体为:
根据下式建立河床断面与沿程距离的指数曲线,进而根据剖分的河床断面的信息,拟合获得沿程指数β:
S = S 0 e - &beta; x B = B 0 e - &beta; x
上式中,S表示河床断面的断面面积,B表示河床断面的河口宽度,S0表示河口起点处河床断面的断面面积,B0表示河口起点处河床断面的河口宽度,x表示沿程距离值。
5.根据权利要求2所述的一种河口潮差快速预报方法,其特征在于,所述步骤S23包括:
S231、基于一维圣维南方程组,建立潮波传播的运动方程如下:
&part; v &part; t + v &part; v &part; x + g &part; h &part; x + gI b + gn 2 v | v | h 4 / 3 = 0
同时,建立潮波传播的连续方程如下:
&part; S &part; t + &part; Q &part; x = 0
其中,v表示x方向的沿程流速,g表示重力加速度,h表示水深,Ib表示河床断面的床面坡降,n为曼宁糙率,S表示河床断面的断面面积,Q表示河床断面的断面流量;
S232、结合拟合获得的沿程指数将潮波传播的连续方程简化如下:
&part; S &part; t + S &part; v &part; x - &beta; S v = 0
其中,β表示拟合获得的沿程指数;
S233、将步骤S231的欧拉形式的运动方程转换为如下的拉格朗日形式的运动方程:
c g h d h d t - &beta; c v g + c v g H d H d x + &part; h &part; x + I b + n 2 v | v | h 4 / 3 = 0
上式中,c表示波速,a表示振幅,ε表示相位,H表示潮差;
S234、根据步骤S232中的公式对S233的公式进行简化,获得高潮、低潮时刻潮波传播的运动方程如下:
h &OverBar; H ( g H 2 c a s i n &epsiv; + 1 ) d H d x = &beta; h &OverBar; - f a s i n &epsiv; c
上式中,表示实测的平均水深数据,且
S235、求解步骤S234的公式,获得河口潮差预报模型如下:
x = &gamma; ln y + &gamma; &alpha; ( y - 1 ) y = H H 0 &alpha; = 2 c a s i n &epsiv; gH 0 1 &gamma; = &beta; - f a sin &epsiv; c
其中,y表示一无量纲参数,α表示河口湾的参数,γ表示河口地形沿程衰减的尺度参数,H0表示河口起点处的实测潮差值。
S23、建立潮波传播的一维圣维南方程组,结合河床断面与沿程距离的指数曲线对其进行简化后,构建河口潮差预报模型。
6.根据权利要求2所述的一种河口潮差快速预报方法,其特征在于,所述步骤S3,其具体为:
将拟合获得的沿程指数和采集的实时的潮位数据和平均水深数据代入河口潮差预报模型的公式中进行求解,从而计算获得河口沿程各断面的潮差预测值。
CN201610131547.4A 2016-03-08 2016-03-08 一种河口潮差快速预报方法 Pending CN105701066A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610131547.4A CN105701066A (zh) 2016-03-08 2016-03-08 一种河口潮差快速预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610131547.4A CN105701066A (zh) 2016-03-08 2016-03-08 一种河口潮差快速预报方法

Publications (1)

Publication Number Publication Date
CN105701066A true CN105701066A (zh) 2016-06-22

Family

ID=56221136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610131547.4A Pending CN105701066A (zh) 2016-03-08 2016-03-08 一种河口潮差快速预报方法

Country Status (1)

Country Link
CN (1) CN105701066A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106168991A (zh) * 2016-06-24 2016-11-30 珠江水利委员会珠江水利科学研究院 一种基于水动力数值模拟的感潮河网潮位预报方法
CN110186533A (zh) * 2019-05-30 2019-08-30 河海大学 一种高精度的河口短期潮位预报方法
CN111350161A (zh) * 2020-03-19 2020-06-30 水利部交通运输部国家能源局南京水利科学研究院 一种河口海岸模型试验控制边界的方法
CN115619045A (zh) * 2022-11-29 2023-01-17 浙江省水利河口研究院(浙江省海洋规划设计研究院) 一种河口潮差预报方法和系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617306A (zh) * 2013-10-23 2014-03-05 广东省水文局佛山水文分局 一种基于潮汐和径流的河口咸潮预报方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617306A (zh) * 2013-10-23 2014-03-05 广东省水文局佛山水文分局 一种基于潮汐和径流的河口咸潮预报方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A.C.HORREVOETS ET AL: "The influence of river discharge on tidal damping in alluvial estuaries", 《JOURNAL OF HYDROLOGY》 *
H.CAI ET AL.: "Analytical approach for predicting fresh water discharge in an estuary based on tidal water level observations", 《HYDROLOGY AND EARTH SYSTEM SCIENCES》 *
H.H.G.SAVENIJE: "A simple analytical expression to describe tidal damping or amplification", 《JOURNAL OF HYDROLOGY》 *
吴创收等: "黄茅海河口沿程异常潮差:I-理论模型研究", 《海洋科学进展》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106168991A (zh) * 2016-06-24 2016-11-30 珠江水利委员会珠江水利科学研究院 一种基于水动力数值模拟的感潮河网潮位预报方法
CN106168991B (zh) * 2016-06-24 2019-03-15 珠江水利委员会珠江水利科学研究院 一种基于水动力数值模拟的感潮河网潮位预报方法
CN110186533A (zh) * 2019-05-30 2019-08-30 河海大学 一种高精度的河口短期潮位预报方法
CN111350161A (zh) * 2020-03-19 2020-06-30 水利部交通运输部国家能源局南京水利科学研究院 一种河口海岸模型试验控制边界的方法
CN111350161B (zh) * 2020-03-19 2021-09-17 水利部交通运输部国家能源局南京水利科学研究院 一种河口海岸模型试验控制边界的方法
CN115619045A (zh) * 2022-11-29 2023-01-17 浙江省水利河口研究院(浙江省海洋规划设计研究院) 一种河口潮差预报方法和系统

Similar Documents

Publication Publication Date Title
CN102004856B (zh) 高频观测资料实时数据的快速集合卡曼滤波同化方法
Xu et al. Uncertainty analysis in statistical modeling of extreme hydrological events
CN105701066A (zh) 一种河口潮差快速预报方法
CN104298841A (zh) 一种基于历史数据的洪水预报方法和系统
CN110887790A (zh) 基于fvcom和遥感反演的城市湖泊富营养化模拟方法和系统
CN105323321A (zh) 水联网系统
CN109543356A (zh) 考虑空间非平稳性的海洋内部温盐结构遥感反演方法
CN107169258A (zh) 一种多源气象信息数据同化方法及其在降雨预报中的应用
CN103390248A (zh) 一种海洋模型数值模拟的潮流能资源评估方法
CN103473809A (zh) 基于3d打印技术的流域水文模拟方法
CN113065090B (zh) 一种区域农田灌溉用水量分析计算方法
CN104182634B (zh) 一种梯级水电站联合运行水位控制断面优选方法
CN104040378A (zh) 气象预测装置以及气象预测方法
Abdraman et al. Wind Resource Assessment in the City of N'djamena in Chad
CN105447593A (zh) 基于时间滞后集合的快速更新混合同化方法
CN112651118B (zh) 一种气候-陆面-水文过程全耦合模拟方法
CN116562448B (zh) 一种基于栅格分析与人工智能技术相耦合的蓄滞洪区洪水淹没快速预测方法
Cattoën et al. Coupling a high-resolution weather model with a hydrological model for flood forecasting in New Zealand
CN115983158A (zh) 一种地下水模型与二维水动力模型松散耦合的方法
CN113722924B (zh) 一种小流域地面雨量站密度的确定方法
CN108920799B (zh) 基于正方形自适应网格的二维水文-水动力单向耦合方法
CN104751008A (zh) 一种针对含有模糊信息历史洪水的L-moment 估参方法
Gunawan et al. FIELD MEASUREMENT TEST PLAN TO DETERMINE EFFECTS OF HYDROKINETIC TURBINE DEPLOYMENT ON CANAL TEST SITE IN YAKIMA WA USA.
CN103808908A (zh) 一种水蚀造成的土壤流失量的计算方法
CN104036138A (zh) 一种基于群体合作决策机制的数值优化方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160622