CN108805100A - 二维海况下基于波群特性的畸形波短期预报方法及应用 - Google Patents

二维海况下基于波群特性的畸形波短期预报方法及应用 Download PDF

Info

Publication number
CN108805100A
CN108805100A CN201810661994.XA CN201810661994A CN108805100A CN 108805100 A CN108805100 A CN 108805100A CN 201810661994 A CN201810661994 A CN 201810661994A CN 108805100 A CN108805100 A CN 108805100A
Authority
CN
China
Prior art keywords
wave
distorted
group
wave group
bfi
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
Application number
CN201810661994.XA
Other languages
English (en)
Other versions
CN108805100B (zh
Inventor
马玉祥
台兵
董国海
袁长富
夏维达
付睿丽
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201810661994.XA priority Critical patent/CN108805100B/zh
Publication of CN108805100A publication Critical patent/CN108805100A/zh
Application granted granted Critical
Publication of CN108805100B publication Critical patent/CN108805100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • G06F2218/10Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02Preprocessing
    • G06F2218/04Denoising
    • G06F2218/06Denoising by applying a scale-space analysis, e.g. using wavelet analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明提供一种二维海况下基于波群特性的畸形波短期预报方法及应用,属于船舶和海洋工程领域。为了解决对畸形波进行准确快速预测的问题,要点是步骤1:获取实时实测海洋波浪序列;步骤2:基于小波变换方法对实测海洋波浪序列中的波群识别并划分;步骤3:以独立波群的瞬时频率、波群的BFI值满足一定条件作为发生畸形波的前提条件,再通过波浪理论和非线性薛定谔方程模拟相结合的方式快速计算波群的演化,最后判断是否发生畸形波,效果是本发明通过采用小波变换处理波面信息,从而很好的对各个波群进行分离,然后再通过波浪理论和非线性薛定谔方程模拟相结合的方式能够快速计算波群的演化,从而判断畸形波是否发生。

Description

二维海况下基于波群特性的畸形波短期预报方法及应用
技术领域
本发明属于船舶和海洋工程领域,涉及一种为船舶和海洋工程规避突发灾害性海浪的方法。
背景技术
波浪是海洋工程中最重要的动力荷载,对海洋结构物设计及安全运行起到决定性的作用。在实际海洋环境中,畸形波作为海洋中一种突发的灾害性海浪,其特点难预测、波高极大,出现和消失无迹可寻,能够对航行船舶和海上平台等海洋结构物的正常运行及安全造成威胁,甚至导致船舶倾覆和海上平台等海洋结构物破坏,造成重大人员伤亡和经济损失。据调研,每年都有大量的由于畸形波造成的海洋事故发生。因此,如何预报畸形波是船舶和海洋工程工业界和科学界共同追求的目标。但是由于畸形波研究起步较晚、生成机理较为复杂,到目前为止,还没有有效的畸形波预报技术。
而在实际海洋环境中,波浪常常以波群的形式出现,波群的进一步演化则可能产生畸形波。在传统的波群识别方法中,波群往往通过波列中波高超过某个阈值的连续波高来确定,不仅存在一定的人为因素,而且不能准确识别。而目前畸形波生成机制主要是:一方面由于波浪的色散聚焦,即波群演化中各个波浪成分线性叠加生成畸形波;另一方面由于波群演化中波浪的调制不稳定性,即载波与边带波波数相近时,非线性作用导致载波受到扰动边带波影响,波列振幅成指数增长而产生畸形波。
发明内容
为了解决对各个波群进行分离,使得单个波群的特征可以被提取,以提高识别准确性的问题,本发明提出如下技术方案:
一种二维海况下基于波群特性的畸形波短期预报方法,包括如下步骤:
步骤1:获取实时实测海洋波浪序列;
步骤2:基于小波变换方法对波群识别并划分,并计算独立波群的波群特征;
步骤3:在波群特征中,以独立波群的瞬时频率、波群的BFI值满足一定条件作为发生畸形波的前提条件,再通过模型计算波群的演化,最后判断是否发生畸形波。
进一步的,所述判断方法如下:
步骤1:各个波群特征提取,所述特征至少包括独立波群的瞬时频率、波群的BFI值;
步骤2:判断波群的BFI是否大于阈值A,如果是,跳至步骤3,如果不是,跳至步骤4;
步骤3:求解高阶薛定谔方程计算波面演化,判断是否会出现畸形波,如果是,则提出预警,如果不是,则判断不会发生畸形波;
步骤4:判断波群的瞬时频率是否满足沿时间单调递减,如果是,跳至步骤5,如果不是,则判断不会发生畸形波;
步骤5:通过色散关系和高阶谐波计算波面演化,判断是否会出现畸形波,如果是,则提出预警,如果不是,跳至步骤6;
步骤6:判断波群BFI是否大于阈值B,如果是,跳至步骤3,如果不是,则不会发生畸形波。
进一步的,所述步骤2的方法是:对波群识别并划分是根据所对应的小波变换下的小波谱和小波能量过程线把波面解析成一个个独立的波群。
由下式实现根据所对应的小波变换WT(s,t)下的小波谱和小波能量过程线把波面解析成一个个独立的波群:
ψ是由母小波ψ0量纲一化所得结果,其求解公式如下所示:
其中:*号表示复共轭,n′为时间平移量,xn为波面信息,s为尺度数,t为采用时间,t=nΔt,Δt为采样间隔,n=0,1,2,3…N-1,N为信号的长度。
独立波群的瞬时频率由小波变换得到,波群的BFI值由下式计算得到:
ε=k0∑An
其中:ε为全局波陡,k0为通过线性色散关系得到的频谱加权频率对应的波数,An为傅里叶变换中第n个组成波波幅,fp为谱峰频率,Δf为半峰谱宽。
进一步的,求解高阶薛定谔方程计算波面演化由下式实现:
其中:λ为时间坐标τ的尺度因子,A0为微幅波的复振幅,φ为速度势,z为空间坐标,i为虚数,η为自由水面高度,h为水深。
进一步的,阈值A为1.0;阈值B为0.2。
进一步的,BFI阈值选取方法如下:
(1)根据调制不稳定性理论,当BFI值大于1.0时,出现调制不稳定性,故阈值A设为1.0;
(2)设计大量不同BFI值的数值,利用非线性薛定谔方程分别对其进行求解,再根据大量的数值求解结果得出不同BFI阈值下发生畸形波的情况,选取发生畸形波与不发生畸形波的交界线作为故阈值B,阈值B设计为0.2。
进一步的,如果在波面演化中,存在某一波高满足如下条件,则认为发生了畸形波:
(1)波高大于有效波高的2倍;
(2)波高大于其相邻波浪波高的2倍;
(3)波峰高度占总波高的比重不低于65%。
本发明还涉及一种上述任一项方案所述的二维海况下基于波群特性的畸形波短期预报方法在船舶航行或海洋结构物作业预警中的应用。
有益效果:
本发明通过采用小波变换处理波面信息,能够凸显波列的能量在时-频上的分布结构,从而可以很好的对各个波群进行分离,解决了单个波群的目标特征提取问题,提高识别准确性。
进一步的,畸形波一方面具有波浪的色散聚焦,需满足波群高频成分先于低频成分发生,对瞬时频率判断,满足后可通过色散方程和高阶谐波对波面演化进行计算;另一方面为调制不稳定性,采用BFI参数进行判断,BFI参数代表波浪非线性和色散性的相对大小,当非线性远大于色散性的影响时,即满足一定的BFI阈值之后,能够产生较大波浪,采用求解非线性薛定谔方程进行描述,以准确的识别该情形下的畸形波,从而本发明对两种不同原因产生的畸形波实现了分类的精确查询。
进一步的,本发明由于采用上述方案,能够有效对波群演化进行计算,从而对畸形波能否出现及出现时的相关信息进行准确的短期预报,且相较于目前的计算方式,计算更简便,预报更快速。
附图说明
图1预报方法流程图;
图2实时采集波面示意图;
图3小波解析波群示意图;
图4瞬时频率示意图;
图5基于波浪理论推演波群演化示意图;
图6基于薛定谔方程模拟波群演化示意图;
图7波群的最大波高演化过程示意图;
图8BFI阈值B的选择原理图。
具体实施方式
如图1所示,本公开涉及一种二维海况下基于波群特性的畸形波短期预报方法,主要通过波群识别、解析波群特征,并结合波浪理论和非线性薛定谔方程,提供一种二维海况下基于波群特性的畸形波短期预报方法。
A、实时实测海洋波浪序列的预处理
为了实现波浪序列的预处理,包括波群识别和波群特性计算,采用小波变换对波群进行时-频分析,步骤如下:
步骤1:对实时接收到的波面信息xn用小波变换处理,见公式(1),并根据所对应的小波谱和小波能量过程线把波面解析成一个个独立的波群,见附图3;
其中*号表示复共轭,n′为时间平移量,ψ是由母小波ψ0量纲一化所得结果,如公式所示:
s为尺度数,t为采用时间,Δt为采样间隔,n=0,1,2,3…N-1,N为信号的长度,等于采样总时间除以采样间隔。
步骤2:在小波变换基础上找出小波能脊,得到每一个独立波群xi(t)的瞬时频率,见附图4;同时计算每个独立波群的全局波陡、谱宽和Benjamin-Feir不稳定指数BFI,见公式(3)、(4)。
ε=k0∑An (3)
其中ε为全局波陡,k0为通过线性色散关系得到的频谱加权频率对应的波数,An为傅里叶变换中第n个组成波波幅,fp为谱峰频率,Δf为半峰谱宽。
B、畸形波预报模型的建立
为了实现畸形波预报模型的建立,包括畸形波发生条件判断和畸形波模型计算,需要结合现有的畸形波生成机制,一方面为波浪的色散聚焦,需满足波群高频成分先于低频成分发生,满足后可通过色散方程和高阶谐波对波面演化进行计算;另一方面为调制不稳定性,可以采用BFI参数进行判断,BFI参数代表波浪非线性和色散性的相对大小,当非线性远大于色散性的影响时,即满足一定的BFI阈值之后,能够产生较大波浪,此时可采用求解非线性薛定谔方程(见公式(5)-(8))对波面演化进行计算,其中BFI阈值的选取则根据大量数值求解非线性薛定谔方程案例确定。
四阶非线性薛定谔方程可写为:
其中λ为时间坐标τ的尺度因子,A0为微幅波的复振幅,φ为速度势,z为空间坐标,i为虚数,η为自由水面高度,h为水深。
上述所采用的分析计算方法都是基于成熟的理论,计算分析稳定。
畸形波预报模型的建立具体步骤如下:
步骤3:判断波群的BFI是否大于阈值A,如果是,跳至步骤4,如果不是,跳至步骤5;
步骤4:采用非线性薛定谔方程计算波群的演化历程,判断是否会出现畸形波,如果是,对船舶等海上结构物提出预警,并给出较为准确的畸形波发生时刻、最大波高、历时长度和空间范围,如果不是,则不会发生畸形波;
步骤5:判断波群的瞬时频率是否满足沿时间单调递减,如果是,跳至步骤6,如果不是,则不会发生畸形波;
步骤6:结合波浪理论和高阶谐波推算波群的演化过程,判断是否出现畸形波,如果是,对船舶等海上结构物提出预警,并给出较为准确的畸形波发生时刻、最大波高、历时长度和空间范围,如果不是,跳至步骤7;
步骤7:判断波群BFI是否大于阈值B,如果是,跳至步骤4,如果不是,则不会发生畸形波。
BFI阈值选取方法如下:
(1)根据调制不稳定性理论,,当BFI值大于1.0时,出现调制不稳定性(Janssen,P.A.,2003.Nonlinear Four-Wave Interactions and Freak Waves.J.Phys.Oceanogr.,33,863–884),故阈值A设为1.0;(2)阈值B的选择则通过设计大量不同BFI值的数值案例,利用非线性薛定谔方程分别对案例进行求解,最后根据大量的数值求解结果得出不同BFI阈值下发生畸形波的情况(见附图8),故阈值B设为0.2,通常所述大量的次数要求为100次以上。
判断是否出现畸形波的标准为:
如果在波面演化中,存在某一波高满足Klinting和Sand(1987)提出的畸形波判别标准,即(1)波高大于有效波高的2倍;(2)波高大于其相邻波浪波高的2倍;(3)波峰高度占总波高的比重不低于65%,则可认为发生了畸形波。(Klinting P,Sand S.Analysis ofprototype freak waves[C].Coastal Hydrodynamics.ASCE,1987:618-632)。分别以高阶薛定谔方程计算波面演化,色散关系和高阶谐波计算波面演化,不同的演化计算手段是应对不同原因形成的畸形波,从而准确的作出区分。
结合上述方案,为使本发明的目的、意义、优点及实施方案更加明白。下面结合具体附图及范例对本发明进一步说明。可以理解的是此处所采用的具体范例可推广至实际海域中。
本发明预报方法具体流程图如附图1所示,范例数据来自数值生成的不规则波浪数据,为与实际海况相符合,谱形选取为JONSWAP谱,具体参数如表格1。
表格1波浪参数
注:C02参数数据产生的时间序列用于示例非线性薛定谔方程求解
实时实测海洋波浪序列在本案例中可采用案例C01的初始波面信息代替,首先对初始波面信息进行预处理,对C01初始波面信息进行小波变换处理,并对波群进行划分(见附图3);然后对单个波群在小波变换基础上找出小波能脊,得到每一个独立波群的瞬时频率(见附图4),同时计算该波群的BFI值。当该独立波群BFI值不大于阈值A时,但瞬时频率满足单调递减,即波群可能因色散聚焦导致畸形波的产生,需结合色散关系和高阶谐波计算波面演化(见附图5),并给出发生畸形波下的畸形波发生时刻、最大波高、历时长度和空间范围(见附图7(a));当BFI值大于阈值A,或者小于阈值A、满足瞬时频率递减、在波浪理论计算下不满足畸形波、同时BFI值大于阈值B,即波群可能因调制不稳定性出现畸形波,此时采用求解五阶非线性薛定谔方程计算波面演化(见附图6),并给出发生畸形波下的畸形波发生时刻、最大波高、历时长度和空间范围(见附图7(b))。
以上所述,仅为本发明创造较佳的具体实施方式,但本发明创造的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内,根据本发明创造的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明创造的保护范围之内。

Claims (10)

1.一种二维海况下基于波群特性的畸形波短期预报方法,其特征在于:
包括如下步骤:
步骤1:获取实时实测海洋波浪序列;
步骤2:基于小波变换方法对波群识别并划分,并计算独立波群的波群特征;
步骤3:在波群特征中,以独立波群的瞬时频率、波群的BFI值满足一定条件作为发生畸形波的前提条件,再通过模型计算波群的演化,最后判断是否发生畸形波。
2.如权利要求1所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:所述判断方法如下:
步骤1:各个波群特征提取,所述特征至少包括独立波群的瞬时频率、波群的BFI值;
步骤2:判断波群的BFI是否大于阈值A,如果是,跳至步骤3,如果不是,跳至步骤4;
步骤3:求解高阶薛定谔方程计算波面演化,判断是否会出现畸形波,如果是,则提出预警,如果不是,则判断不会发生畸形波;
步骤4:判断波群的瞬时频率是否满足沿时间单调递减,如果是,跳至步骤5,如果不是,则判断不会发生畸形波;
步骤5:通过色散关系和高阶谐波计算波面演化,判断是否会出现畸形波,如果是,则提出预警,如果不是,跳至步骤6;
步骤6:判断波群BFI是否大于阈值B,如果是,跳至步骤3,如果不是,则不会发生畸形波。
3.如权利要求2所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:所述步骤2的方法是:对波群识别并划分是根据所对应的小波变换下的小波谱和小波能量过程线把波面解析成一个个独立的波群。
4.如权利要求3所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:由下式实现根据所对应的小波变换WT(s,t)下的小波谱和小波能量过程线把波面解析成一个个独立的波群:
ψ是由母小波ψ0量纲一化所得结果,其求解公式如下所示:
其中:*号表示复共轭,n′为时间平移量,xn为波面信息,s为尺度数,t为采用时间,t=nΔt,Δt为采样间隔,n=0,1,2,3…N-1,N为信号的长度。
5.如权利要求3所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:独立波群的瞬时频率由小波变换得到,波群的BFI值由下式计算得到:
ε=k0∑An
其中:ε为全局波陡,k0为通过线性色散关系得到的频谱加权频率对应的波数,An为傅里叶变换中第n个组成波波幅,fp为谱峰频率,Δf为半峰谱宽。
6.如权利要求5所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:求解高阶薛定谔方程计算波面演化由下式实现:
其中:λ为时间坐标τ的尺度因子,A0为微幅波的复振幅,φ为速度势,z为空间坐标,i为虚数,η为自由水面高度,h为水深。
7.如权利要求1-6任一项所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:阈值A为1.0;阈值B为0.2。
8.如权利要求7所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:BFI阈值选取方法如下:
(1)根据调制不稳定性理论,当BFI值大于1.0时,出现调制不稳定性,故阈值A设为1.0;
(2)设计大量不同BFI值的数值,利用非线性薛定谔方程分别对其进行求解,再根据大量的数值求解结果得出不同BFI阈值下发生畸形波的情况,选取发生畸形波与不发生畸形波的交界线作为阈值B,阈值B设为0.2。
9.如权利要求1或2所述的二维海况下基于波群特性的畸形波短期预报方法,其特征在于:如果在波面演化中,存在某一波高满足如下条件,则认为发生了畸形波:
(1)波高大于有效波高的2倍;
(2)波高大于其相邻波浪波高的2倍;
(3)波峰高度占总波高的比重不低于65%。
10.一种权利要求1-9任一项所述的二维海况下基于波群特性的畸形波短期预报方法在船舶航行或海洋结构物作业预警中的应用。
CN201810661994.XA 2018-06-25 2018-06-25 二维海况下基于波群特性的畸形波短期预报方法及应用 Active CN108805100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810661994.XA CN108805100B (zh) 2018-06-25 2018-06-25 二维海况下基于波群特性的畸形波短期预报方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810661994.XA CN108805100B (zh) 2018-06-25 2018-06-25 二维海况下基于波群特性的畸形波短期预报方法及应用

Publications (2)

Publication Number Publication Date
CN108805100A true CN108805100A (zh) 2018-11-13
CN108805100B CN108805100B (zh) 2021-08-17

Family

ID=64070791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810661994.XA Active CN108805100B (zh) 2018-06-25 2018-06-25 二维海况下基于波群特性的畸形波短期预报方法及应用

Country Status (1)

Country Link
CN (1) CN108805100B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109946763A (zh) * 2019-03-27 2019-06-28 大连理工大学 一种基于波群识别的畸形波短期预报方法
CN110674980A (zh) * 2019-09-12 2020-01-10 中交疏浚技术装备国家工程研究中心有限公司 工程船实时波浪预测方法
CN111141483A (zh) * 2020-01-08 2020-05-12 天津大学 一种基于神经网络自学习的水池内造畸形波的智能方法
CN116432518A (zh) * 2023-03-02 2023-07-14 华南理工大学 一种畸形波发生概率的快速预报方法、系统、设备和介质
CN116842474A (zh) * 2023-06-14 2023-10-03 青岛哈尔滨工程大学创新发展中心 一种基于tft模型的舰船运动极短期预报方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036123A (zh) * 2014-05-29 2014-09-10 河海大学 一种基于再分析数据的海浪有效波高的短期趋势预测方法
CN106968218A (zh) * 2017-05-10 2017-07-21 哈尔滨工业大学 一种短时间内在波浪水槽中产生连续聚焦波浪的造波方法
CN106990402A (zh) * 2017-03-30 2017-07-28 南京信息工程大学 一种基于波浪理论的导航x波段雷达波群检测方法
CN107153773A (zh) * 2017-05-19 2017-09-12 湖南科技大学 一种随机不规则波浪特征参数提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036123A (zh) * 2014-05-29 2014-09-10 河海大学 一种基于再分析数据的海浪有效波高的短期趋势预测方法
CN106990402A (zh) * 2017-03-30 2017-07-28 南京信息工程大学 一种基于波浪理论的导航x波段雷达波群检测方法
CN106968218A (zh) * 2017-05-10 2017-07-21 哈尔滨工业大学 一种短时间内在波浪水槽中产生连续聚焦波浪的造波方法
CN107153773A (zh) * 2017-05-19 2017-09-12 湖南科技大学 一种随机不规则波浪特征参数提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MA Y,ET AL.: "A new method for separation of 2D incident and reflected waves by the Morlet wavelet transform", 《COASTAL ENGINEERING》 *
夏维达等: "随机波浪中畸形波的数值模拟", 《中国水运》 *
杨吉庆: "畸形波生成过程中波群特性分析", 《中国优秀硕士论文全文数据库》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109946763A (zh) * 2019-03-27 2019-06-28 大连理工大学 一种基于波群识别的畸形波短期预报方法
CN109946763B (zh) * 2019-03-27 2021-01-19 大连理工大学 一种基于波群识别的畸形波短期预报方法
CN110674980A (zh) * 2019-09-12 2020-01-10 中交疏浚技术装备国家工程研究中心有限公司 工程船实时波浪预测方法
CN110674980B (zh) * 2019-09-12 2023-01-03 中交疏浚技术装备国家工程研究中心有限公司 工程船实时波浪预测方法
CN111141483A (zh) * 2020-01-08 2020-05-12 天津大学 一种基于神经网络自学习的水池内造畸形波的智能方法
CN111141483B (zh) * 2020-01-08 2020-12-01 天津大学 一种基于神经网络自学习的水池内造畸形波的智能方法
CN116432518A (zh) * 2023-03-02 2023-07-14 华南理工大学 一种畸形波发生概率的快速预报方法、系统、设备和介质
CN116432518B (zh) * 2023-03-02 2024-01-05 华南理工大学 一种畸形波发生概率的快速预报方法、系统、设备和介质
CN116842474A (zh) * 2023-06-14 2023-10-03 青岛哈尔滨工程大学创新发展中心 一种基于tft模型的舰船运动极短期预报方法及系统

Also Published As

Publication number Publication date
CN108805100B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN108805100A (zh) 二维海况下基于波群特性的畸形波短期预报方法及应用
Monteforte et al. Wave energy assessment in Sicily (Italy)
CN109946763A (zh) 一种基于波群识别的畸形波短期预报方法
McGovern et al. Pneumatic long-wave generation of tsunami-length waveforms and their runup
Zacharioudaki et al. Wave climate of the Hellenic Seas obtained from a wave hindcast for the period 1960–2001
CN107450054A (zh) 一种自适应探地雷达数据去噪方法
Amurol et al. The effect of swell on wave spectra of extreme sea states offshore Sarawak, Malaysia
Mattei et al. Characteristics and coastal effects of a destructive marine storm in the Gulf of Naples (southern Italy)
Zhang et al. Decadal-scale subaerial beach and dune evolution at Duck, North Carolina
Schirmann et al. Significance of wave data source selection for vessel response prediction and fatigue damage estimation
Veltcheva et al. Analysis of wave-induced vertical ship responses by hilbert-huang transform method
Majid The Evaluation of Wind Energy Based on the Inherent Nature of Wind Speed Assessment at Fujairah (UAE).
Huang et al. Statistical description of wave groups in three types of sea states
Zhang et al. Effects of high-order nonlinearities on freak wave generation in random sea states
Kannen et al. Integrated assessment of coastal and marine changes using the example of offshore wind farms: the coastal futures approach
CN117421685B (zh) 基于调制不稳定性开发的深海异常波浪快速预警方法
Minoura Stochastic sea-state model based on fourier series expansion
Bernardino et al. Alternative approaches to storm statistics in the ocean
Kirezci et al. Effect of Spectrum Tail Length on Modulational Instability and Freak Wave Occurrence in JONSWAP Sea States
Valsamidis et al. Data-driven analysis of medium-term wave–seabed interactions at a non-tidal beach with multiple bars
Di Luccio et al. Evidences of atmospheric pressure drop and sea level alteration in the Ligurian Sea
CN115752387B (zh) 一种基于种子波群特征的畸形波快速预报方法
Chondros et al. On the joint probability of wave-heights and periods in intermediate and shallow waters
Teutsch Rogue waves in the southern North Sea
Saleh et al. Effect of Wave Irregularity on the Force Exerted on a Vertical Cylinder in the Persian Gulf

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
GR01 Patent grant
GR01 Patent grant