CN106960259A - 一种感潮河段双向波退水过程预报方法、装置和系统 - Google Patents
一种感潮河段双向波退水过程预报方法、装置和系统 Download PDFInfo
- Publication number
- CN106960259A CN106960259A CN201710188484.0A CN201710188484A CN106960259A CN 106960259 A CN106960259 A CN 106960259A CN 201710188484 A CN201710188484 A CN 201710188484A CN 106960259 A CN106960259 A CN 106960259A
- Authority
- CN
- China
- Prior art keywords
- water level
- history
- tidewater
- ripple
- flood
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008569 process Effects 0.000 title claims abstract description 26
- 238000013277 forecasting method Methods 0.000 title claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 140
- 230000008878 coupling Effects 0.000 claims description 12
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000002922 simulated annealing Methods 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012892 rational function Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 241001233037 catfish Species 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种感潮河段双向波退水过程预报方法、装置和系统,该方法包括:S1、获取本次洪水的实时水位数据,根据实时水位数据确定本次洪水的量级,根据量级在历史水位数据中获取相应量级的历史水位数据;S2、根据历史水位数据、实时水位数据和感潮河段水位耦合公式,获取洪水波水位值Zct和潮水波比重系数k;以及根据历史水位数据和实时水位数据获取潮水波水位值Ht;S3、根据潮水波水位值Ht、洪水波水位值Zct、潮水波比重系数k和最大区间降雨量PM,获取感潮河段水位Zt。本发明的优点在于将感潮河段的洪水退水过程假设为洪水波和潮水波的双向运动的叠加,通过预测的洪水波水位值和潮水波水位值进行感潮河段水位的预测。
Description
技术领域
本发明涉及水文预报技术,尤其涉及一种感潮河段双向波退水过程预报方法、装置和系统。
背景技术
基于水量平衡和流域产流机制,常用的退水模型主要为多种形式迥异的数学模拟模型,包括Harris模型,Logistic模型、有理函数模型、指数模型和二次方模型等,形如:和但是上述模型主要应用于正常河道洪水期或枯水期退水曲线拟合研究,即河道来水只有一种方向,从上游至下游流向;对于更为复杂的感潮河段,河段退水曲线视作上游洪水波退水与下游潮水波顶托两种独立过程双向运动的叠加,洪水波退水过程尚且可以用上述方法模拟,对于下游潮水波模拟,上述方法显然不再具有适用性。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种感潮河段双向波退水过程预报方法、装置和系统,其能实现对感潮河段水位的预测。
本发明的目的之一采用以下技术方案实现:
一种感潮河段双向波退水过程预报方法,包括如下步骤:
S1、获取本次洪水的实时水位数据,根据实时水位数据确定本次洪水的量级,根据量级在历史水位数据中获取相应量级的历史水位数据;
S2、根据相应量级的历史水位数据、实时水位数据和感潮河段水位耦合公式,获取潮水波比重系数k和预测的洪水波水位值Zct;
感潮河段水位耦合公式为:
Zt=Zct+k×PM×Ht-τ;
历史水位数据包括历史的感潮河段水位Zt,历史的潮水波汇流时间τ,历史的最大区间降雨量PM和历史的潮水波水位值Ht,其中t为时间;
以及根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht;
S3、将预测的潮水波水位值Ht、预测的洪水波水位值Zct、潮水波比重系数k和最大区间降雨量PM,代入感潮河段水位耦合公式中,获取预测的感潮河段水位Zt;实时水位数据包括最大区间降雨量PM。
作为优选,获取潮水波比重系数k和预测的洪水波水位值Zct具体包括如下子步骤:
将洪水波退水模型代入感潮河段水位耦合公式中,根据相应量级的历史水位数据获取洪水参数a,b,c,d和潮水波比重系数k;
洪水波退水模型为:
历史水位数据中还包括历史的起退水位Z0;
再将洪水参数a,b,c,d和实时水位数据中的起退水位Z0,代入洪水波退水模型,获取预测的洪水波水位值Zct。
作为优选,根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht具体包括如下子步骤:
将历史水位数据代入潮水波预报模型中,获取潮位预报模型参数:分潮振幅Zq和分潮专用迟角gq;
潮水波预报模型为:
历史水位数据还包括历史的潮水波水位值Ht、历史的平均海平面高度A0、历史的交点因子fq、历史的角速度σq、历史的天文初相角vq和历史的交点订正角dq;Q为总分潮数,q为分潮的序号;
再将获取到的潮位预报模型参数、实时水位数据中的平均海平面高度A0、交点因子fq、角速度σq、天文初相角vq和交点订正角dq代入潮水波预报模型中,获取预测的潮水波水位值Ht。
本发明的目的之二采用以下技术方案实现:
一种感潮河段双向波退水过程预报装置,包括:
历史数据模块,用于获取本次洪水的实时水位数据,根据实时水位数据确定本次洪水的量级,根据量级在历史水位数据中获取相应量级的历史水位数据;
第一获取模块、用于根据相应量级的历史水位数据、实时水位数据和感潮河段水位耦合公式,获取潮水波比重系数k和预测的洪水波水位值Zct;
感潮河段水位耦合公式为:
Zt=Zct+k×PM×Ht-τ;
历史水位数据包括历史的感潮河段水位Zt,历史的潮水波汇流时间τ,历史的最大区间降雨量PM和历史的潮水波水位值Ht,其中t为时间;
以及根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht;
第二获取模块、用于将预测的潮水波水位值Ht、预测的洪水波水位值Zct、潮水波比重系数k和最大区间降雨量PM,代入感潮河段水位耦合公式中,获取预测的感潮河段水位Zt;实时水位数据包括最大区间降雨量PM。
作为优选,获取潮水波比重系数k和预测的洪水波水位值Zct具体包括:
将洪水波退水模型代入感潮河段水位耦合公式中,根据相应量级的历史水位数据获取洪水参数a,b,c,d和潮水波比重系数k;
洪水波退水模型为:
历史水位数据中还包括历史的起退水位Z0;
再将洪水参数a,b,c,d和实时水位数据中的起退水位Z0代入洪水波退水模型中,获取预测的洪水波水位值Zct。
作为优选,根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht具体包括:
将历史水位数据代入潮水波预报模型中,获取潮位预报模型参数:分潮振幅Zq和分潮专用迟角gq;
潮水波预报模型为:
历史水位数据还包括历史的潮水波水位值Ht、历史的平均海平面高度A0、历史的交点因子fq、历史的角速度σq、历史的天文初相角vq和历史的交点订正角dq;Q为总分潮数,q为分潮的序号;
再将获取到的潮位预报模型参数、实时水位数据中的平均海平面高度A0、交点因子fq、角速度σq、天文初相角vq和交点订正角dq代入潮水波预报模型中,获取预测的潮水波水位值Ht。
本发明的目的之三采用以下技术方案实现:
一种感潮河段双向波退水过程预报系统,用于执行感潮河段双向波退水过程预报方法。
相比现有技术,本发明将感潮河段的洪水退水过程假设为洪水波和潮水波的双向运动的叠加,通过预测的洪水波水位值和潮水波水位值进行感潮河段水位的预测。
附图说明
图1为本发明的感潮河段双向波退水过程预报方法的流程图;
图2为本发明2013年“菲特”台风期间场次洪水的实测与模拟退水过程比较;
图3为本发明2015年“灿鸿”台风期间场次洪水的实测与模拟退水过程比较;
图4为本发明2016年“莫兰蒂”台风期间场次洪水的实测与模拟退水过程比较;
图5为本发明2016年“鲇鱼”台风期间场次洪水的实测与模拟退水过程比较。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
本发明的目的在于克服现有的退水曲线模型不能用于感潮河段退水段模拟的缺陷,为水文规律的深化认识和水文模拟提供参考依据;本发明提出一种假设,感潮河段退水段的洪水波与潮水波互不干扰,相互独立,将感潮河段的洪水位视为洪水波与潮水波双向运动后的叠加。
一种感潮河段双向波退水过程预报方法,如图1所示,包括如下步骤:
步骤101、获取本次发生的场次洪水的实时水位数据,实时水位数据包括起退水位和/或洪峰水位,根据起退水位和/或洪峰水位确定本次洪水的量级,根据量级在历史水位数据中获取相应量级的历史水位数据。
其中历史水位数据包括:历史的t时刻的感潮河段水位Zt,历史的起退水位Z0,历史的潮水波汇流时间τ、历史的最大区间降雨量PM和历史的潮水波水位值Ht-τ。
直观反映洪水量级的指标就是河道水位,对于历史已发生的每一场洪水的河道水位{Z1,Z2,Z3,…,ZT},都有一个最大水位,我们一般称之为洪峰水位,这就是确定量级的主要依据;所以根据本次发生的场次洪水的洪峰水位,在历史水位数据中找相近的洪峰水位,获取相应量级的历史水位数据。
起退水位由人为主观确定,洪水到达洪峰水位以后就开始退水,所以一般起退水位数值与洪峰水位数值比较接近,起退水位确定那么相应的起退时间就确定了。另一方面,确定了起退水位,那么起退时间也就确定,就可以通过实测降雨{P1,P2,P3,…,PT}求得起退时间之前已发生的最大区间降雨量PM;
其中最大区间降雨量PM为洪水起退时间以前降雨量最大的一个预设区间内的降雨量,例如,预设区间为24小时,则洪水起退时间为3月21号的12:00,然后从3月21号的12:00以前的降雨量数据来看,3月19号23:00至3月20号23:00这个24小时区间内的降雨量是最大的,则PM就是3月19号23:00至3月20号23:00这个24小时区间内的降雨量;需要说明的是,统计PM的时间范围应该是本次洪水发生的周期内,一般的洪水发生的周期为3到5天,则从洪水起退时间往前的3到5天内,获取降雨量最大的区间的降雨量,就是最大区间降雨量PM。
步骤102、将相应量级的历史水位数据代入感潮河段水位耦合公式,求得洪水参数a,b,c,d和潮水波比重系数k;
感潮河段水位耦合公式为:
Zt=Zct+k×PM×Ht-τ; (1)
其中,Zct为t时刻的洪水波水位值,洪水波退水模型为:
具体的,是将公式(2)代入公式(1)中,再将相应量级的历史水位数据代入公式(1)中,可以求得洪水参数a,b,c,d和潮水波比重系数k。比如说历史有场洪水起退水位为3m,本次发生的场次洪水的起退水位在2.95m,实时发生的与历史的洪水量级很相似,那么就可以直接挪用这个历史洪水的历史水位数据,求取洪水参数a,b,c,d和潮水波比重系数k。
洪水退水过程由不同水源的径流成分组成,既包含地表径流的衰退,又包含地下径流的衰退。因其运动路径和受流域调蓄作用的不同,在特征上互有差异。此外,受河道断面形状、洪水波特性以及坡降等因素影响,不同流域的洪水退水曲线也是不同的。而由于退水曲线本身是一种寻求历史实际洪水系列变化规律来进行预报的方法,对于一个特定的流域,其洪水波退水规律呈现出较好的重复性。常用的退水模型包括Harris模型,Logistic模型、有理函数模型、指数模型和二次方模型等;本方法选用有理函数模型作为洪水波退水模型。
步骤102还包括:将历史水位数据代入潮水波预报模型,求取潮位预报模型参数,潮位预报模型参数包括分潮振幅Zq和分潮专用迟角gq;历史水位数据还包括历史的t时刻的潮水波水位值Ht、历史的平均海平面高度A0、历史的交点因子fq、历史的角速度σq、历史的天文初相角vq和历史的交点订正角dq。
潮水波预报模型为:
其中,Q为总分潮数,q为分潮的序号,A0为从某基准面算起的平均海平面高度,fq为分潮q的交点因子,σq为分潮q的角速度,vq为分潮q的天文初相角,dq为分潮q的交点订正角。
其中,μ0,μ1,μ2,μ3,μ4,μ5,μ6为分潮q的杜德森数;
平太阴时角y的计算公式为:y=15°t-s+h′+L;
平太阳时角与月球的平均经度s的计算公式为:
s=277°.0248+481267°.8906+0°.0022c2;
平太阳时角与太阳的平均经度h′的计算公式为:
h'=280°.1895+36000°.7689c+0°.003c2;
平太阳时角与月球近地点的平均经度p的计算公式为:
p=334°.3853+4069°.0340c-0°.0103c2;
白道升交点角精度N′的计算公式为:
N'=100°.8432+1934°.1420c-0°.0021c2;
平太阳时角与太阳近地点的平均经度p′的计算公式为:
p'=281°.2209+1°.7192c+0°.0005c2;
t为格林威治平太阳时,L为所在地的东经,c为从格林威治时间1900年1月1日0时开始计算的儒略世纪数,一个儒略世纪的时间长度是36525个平太阳日。fq和dq也是相对于分潮确定的,对于基本分潮,fq和dq几乎只依赖于白道升交点角精度N’;具体求取过程为现有技术,本领域技术人员可以根据白道升交点角精度求取到潮位预报模型参数,具体求取过程在此不再赘述。
潮汐理论指出:由月球和太阳的引潮力引起的潮汐是多个余弦函数的叠加,每1个余弦函数可被定义成1个分潮,本发明基于此建立调和分析潮水波预报模型。理论上,天文潮分潮数目有几百个,其中大部门振幅都很小,因此可略去。在调和分析中,如果分潮数目过多会增加截断误差,从而影响分析精度。因此,根据我国近海潮汐特征,一般选用其中30个基本分潮。选取历史水位数据中的流域下边界包含丰、平、枯水年在内的潮位数据为调和分析年组,建立潮水波预报模型,通过最小二乘法率定潮位预报模型参数,再推求演算至预报断面的潮水波水位值Ht。
步骤103、根据求得的洪水参数a,b,c,d,以及本次发生的场次洪水的实时水位数据中的起退水位Z0,代入洪水波退水模型中,求得t时刻的预测的洪水波水位值Zct;
根据求得的分潮振幅Zq和分潮专用迟角gq,代入潮水波预报模型中,获取t时刻的预测的潮水波水位值Ht;其中t时刻的潮水波水位值Ht、平均海平面高度A0、交点因子fq、角速度σq、天文初相角vq和交点订正角dq均为已知数据,可以通过测量或已知公式进行求取。
步骤104、将预测的洪水波水位值Zct、预测的潮水波水位值Ht、潮水波比重系数k和本次的最大区间降雨量PM,代入感潮河段水位耦合公式中,获取预测的感潮河段水位Zt。
本次的最大区间降雨量PM根据本次起退时间起算,统计降雨量最大的一个预设区间内的降雨量,通过测量可得。
表1
表1为根据多次历史洪水发生的数据和本发明得到的实验数据,其中NSC表示模型模拟值(即通过本技术求得的感潮河段水位Zt)与实测值之间拟合程度,越接近1,与实际过程越吻合,模拟效果越好;RMSE表示模型总体模拟的精度水平,越接近于0,误差越小。如图2至图5所示,每个不同的台风期间场次洪水的实测与模拟退水过程的比较结果,可以看到,本发明可以得到较为准确的感潮河段水位Zt。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (7)
1.一种感潮河段双向波退水过程预报方法,其特征在于,包括如下步骤:
S1、获取本次洪水的实时水位数据,根据实时水位数据确定本次洪水的量级,根据量级在历史水位数据中获取相应量级的历史水位数据;
S2、根据相应量级的历史水位数据、实时水位数据和感潮河段水位耦合公式,获取潮水波比重系数k和预测的洪水波水位值Zct;
感潮河段水位耦合公式为:
Zt=Zct+k×PM×Ht-τ;
历史水位数据包括历史的感潮河段水位Zt,历史的潮水波汇流时间τ,历史的最大区间降雨量PM和历史的潮水波水位值Ht,其中t为时间;
以及根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht;
S3、将预测的潮水波水位值Ht、预测的洪水波水位值Zct、潮水波比重系数k和最大区间降雨量PM,代入感潮河段水位耦合公式中,获取预测的感潮河段水位Zt;实时水位数据包括最大区间降雨量PM。
2.如权利要求1所述的方法,其特征在于,获取潮水波比重系数k和预测的洪水波水位值Zct具体包括如下子步骤:
将洪水波退水模型代入感潮河段水位耦合公式中,根据相应量级的历史水位数据获取洪水参数a,b,c,d和潮水波比重系数k;
洪水波退水模型为:
历史水位数据中还包括历史的起退水位Z0;
再将洪水参数a,b,c,d和实时水位数据中的起退水位Z0代入洪水波退水模型中,获取洪水波水位值Zct。
3.如权利要求1或2所述的方法,其特征在于,根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht具体包括如下子步骤:
将历史水位数据代入潮水波预报模型中,获取潮位预报模型参数:分潮振幅Zq和分潮专用迟角gq;
潮水波预报模型为:
历史水位数据还包括历史的潮水波水位值Ht、历史的平均海平面高度A0、历史的交点因子fq、历史的角速度σq、历史的天文初相角vq和历史的交点订正角dq;Q为总分潮数,q为分潮的序号;
再将获取到的潮位预报模型参数、实时水位数据中的平均海平面高度A0、交点因子fq、角速度σq、天文初相角vq和交点订正角dq代入潮水波预报模型中,获取预测的潮水波水位值Ht。
4.一种感潮河段双向波退水过程预报装置,其特征在于,包括:
历史数据模块,用于获取本次洪水的实时水位数据,根据实时水位数据确定本次洪水的量级,根据量级在历史水位数据中获取相应量级的历史水位数据;
第一获取模块、用于根据相应量级的历史水位数据、实时水位数据和感潮河段水位耦合公式,获取潮水波比重系数k和预测的洪水波水位值Zct;
感潮河段水位耦合公式为:
Zt=Zct+k×PM×Ht-τ;
历史水位数据包括历史的感潮河段水位Zt,历史的潮水波汇流时间τ,历史的最大区间降雨量PM和历史的潮水波水位值Ht,其中t为时间;
以及根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht;
第二获取模块、用于将预测的潮水波水位值Ht、预测的洪水波水位值Zct、潮水波比重系数k和最大区间降雨量PM,代入感潮河段水位耦合公式中,获取预测的感潮河段水位Zt;实时水位数据包括最大区间降雨量PM。
5.如权利要求4所述的装置,其特征在于,获取潮水波比重系数k和预测的洪水波水位值Zct具体包括:
将洪水波退水模型代入感潮河段水位耦合公式中,根据相应量级的历史水位数据获取洪水参数a,b,c,d和潮水波比重系数k;
洪水波退水模型为:
历史水位数据中还包括历史的起退水位Z0;
再将洪水参数a,b,c,d和实时水位数据中的起退水位Z0代入洪水波退水模型中,获取预测的洪水波水位值Zct。
6.如权利要求4或5所述的装置,其特征在于,根据历史水位数据和实时水位数据获取预测的潮水波水位值Ht具体包括:
将历史水位数据代入潮水波预报模型中,获取潮位预报模型参数:分潮振幅Zq和分潮专用迟角gq;
潮水波预报模型为:
历史水位数据还包括历史的潮水波水位值Ht、历史的平均海平面高度A0、历史的交点因子fq、历史的角速度σq、历史的天文初相角vq和历史的交点订正角dq;Q为总分潮数,q为分潮的序号;
再将获取到的潮位预报模型参数、实时水位数据中的平均海平面高度A0、交点因子fq、角速度σq、天文初相角vq和交点订正角dq代入潮水波预报模型中,获取预测的潮水波水位值Ht。
7.一种感潮河段双向波退水过程预报系统,其特征在于,用于执行权利要求1至3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710188484.0A CN106960259B (zh) | 2017-03-27 | 2017-03-27 | 一种感潮河段双向波退水过程预报方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710188484.0A CN106960259B (zh) | 2017-03-27 | 2017-03-27 | 一种感潮河段双向波退水过程预报方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106960259A true CN106960259A (zh) | 2017-07-18 |
CN106960259B CN106960259B (zh) | 2020-07-28 |
Family
ID=59471533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710188484.0A Active CN106960259B (zh) | 2017-03-27 | 2017-03-27 | 一种感潮河段双向波退水过程预报方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960259B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221389B (zh) * | 2011-04-11 | 2012-12-19 | 国家海洋信息中心 | 结合统计模型与动力模型的乘潮水位预报方法 |
CN104090974A (zh) * | 2014-07-18 | 2014-10-08 | 河海大学 | 展延水库后续来水的动态数据挖掘方法及系统 |
CN105894090A (zh) * | 2016-04-22 | 2016-08-24 | 大连海事大学 | 一种基于自适应变异粒子群优化的潮汐智能实时预报方法 |
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 |
CN106202618A (zh) * | 2016-06-24 | 2016-12-07 | 珠江水利委员会珠江水利科学研究院 | 一种工程调度与感潮河网污染物输移过程耦合的数值模拟方法 |
-
2017
- 2017-03-27 CN CN201710188484.0A patent/CN106960259B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221389B (zh) * | 2011-04-11 | 2012-12-19 | 国家海洋信息中心 | 结合统计模型与动力模型的乘潮水位预报方法 |
CN104090974A (zh) * | 2014-07-18 | 2014-10-08 | 河海大学 | 展延水库后续来水的动态数据挖掘方法及系统 |
CN105894090A (zh) * | 2016-04-22 | 2016-08-24 | 大连海事大学 | 一种基于自适应变异粒子群优化的潮汐智能实时预报方法 |
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 |
CN106202618A (zh) * | 2016-06-24 | 2016-12-07 | 珠江水利委员会珠江水利科学研究院 | 一种工程调度与感潮河网污染物输移过程耦合的数值模拟方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106960259B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blumberg et al. | Three-dimensional hydrodynamic model of New York Harbor region | |
Wu et al. | Projected climate change impacts on the hydrology and temperature of Pacific Northwest rivers | |
Röske | An atlas of surface fluxes based on the ECMWF Re-Analysis-a climatological dataset to force global ocean general circulation models | |
Oleyiblo et al. | Application of HEC-HMS for flood forecasting in Misai and Wan'an catchments in China | |
Aristizábal et al. | A numerical study of salt fluxes in Delaware Bay estuary | |
Elias et al. | Hydrodynamic validation of Delft3D with field measurements at Egmond | |
Suursaar et al. | A model study of the sea level variations in the Gulf of Riga and the Väinameri Sea | |
CN112036691A (zh) | 一种基于jpm-os-q模型的河口地区极端风暴潮水位计算方法 | |
Zhang et al. | Analysis of 50-year wind data of the southern Baltic Sea for modelling coastal morphological evolution–a case study from the Darss-Zingst Peninsula | |
Jin et al. | Modeling winter circulation in Lake Okeechobee, Florida | |
Loáiciga | Long-term climatic change and sustainable ground water resources management | |
Martin et al. | Comparison of model‐simulated and observed currents in the central Adriatic during DART | |
Hammersmark et al. | Simulation of flood impact and habitat extent for a tidal freshwater marsh restoration | |
Bao et al. | Dynamic correction of roughness in the hydrodynamic model | |
Shankar | Low-frequency variability of sea level along the coast of India | |
Branstetter et al. | Continental runoff dynamics in the Community Climate System Model 2 (CCSM2) control simulation | |
Mel et al. | Probabilistic dressing of a storm surge prediction in the Adriatic Sea | |
Cook et al. | Simulation of wind-driven circulation in the Salton Sea: implications for indigenous ecosystems | |
Keen | Waves and currents during a winter cold front in the Mississippi bight, Gulf of Mexico: Implications for barrier island erosion | |
CN106960259A (zh) | 一种感潮河段双向波退水过程预报方法、装置和系统 | |
CN113158556B (zh) | 一种区域水位短时高精度预报方法 | |
Hu et al. | Modelling of storm surge in the coastal waters of Yangtze Estuary and Hangzhou Bay, China | |
Rojanamon et al. | Regional flow duration model for the Salawin river basin of Thailand | |
Hess | Tampa Bay oceanography project: Development and application of the numerical circulation model | |
Leijnse et al. | Rapid modeling of compound flooding across broad coastal regions and the necessity to include rainfall driven processes: A case study of Hurricane Florence (2018) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 315000 3rd floor, building 2, No. 150, Changpu Road, jishigang Town, Haishu District, Ningbo City, Zhejiang Province Applicant after: Ningbo water conservancy and hydropower planning and Design Institute Co., Ltd Address before: 315000 No. 64 fish Road, Haishu District, Zhejiang, Ningbo Applicant before: Ningbo water conservancy and hydropower planning and Design Institute |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |