CN110377953A - 一种基于并行模式下的风暴潮精细化模拟方法 - Google Patents
一种基于并行模式下的风暴潮精细化模拟方法 Download PDFInfo
- Publication number
- CN110377953A CN110377953A CN201910512704.XA CN201910512704A CN110377953A CN 110377953 A CN110377953 A CN 110377953A CN 201910512704 A CN201910512704 A CN 201910512704A CN 110377953 A CN110377953 A CN 110377953A
- Authority
- CN
- China
- Prior art keywords
- tide
- triangle gridding
- subdomain
- model
- collection
- 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 53
- 238000004088 simulation Methods 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000011160 research Methods 0.000 claims abstract description 21
- 230000002547 anomalous effect Effects 0.000 claims abstract description 17
- 230000001788 irregular Effects 0.000 claims abstract description 10
- 230000002209 hydrophobic effect Effects 0.000 claims abstract description 6
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 238000013316 zoning Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000007788 roughening Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- 238000000638 solvent extraction Methods 0.000 claims description 9
- 238000012876 topography Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 8
- 239000012141 concentrate Substances 0.000 claims description 7
- 241000209094 Oryza Species 0.000 claims description 6
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 241001246312 Otis Species 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 239000003643 water by type Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 230000007717 exclusion Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000686 essence Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供了一种基于并行模式下的风暴潮精细化模拟方法，包括：采用SMS软件对海洋动力模型的边界所围成的封闭区域进行网格化处理，以提高模型精度，并在网格化后的海洋动力模型上搭建风场模型，共同构建成最终的海洋动力模型，进而将极端天气风场和潮汐开边界条件作为强迫场，基于并行计算的方法，使用最终的海洋动力模型分别计算出风暴潮异常水位和天文潮水位，最终高效计算出风暴潮增水，以对研究海域的风暴潮憎水进行可视化模拟。本发明的有益效果是：本发明所提出的技术方案对研究海域使用构建不规则三角形网格的方法，做出风暴潮精细化模型所需网格模型，提高了模型精度；采用并行计算方法，提高了运算速度，减少了运算时间。
Description
技术领域
本发明涉及海洋科学与海洋工程领域，尤其涉及一种基于并行模式下的风暴潮精细化模拟方法。
背景技术
风暴潮是由于热带气旋、温带天气系统、海上飑线等风暴过境所伴随的强风和气压骤变而引起的局部海面振荡或非周期性异常升高(降低)的自然现象。当风暴潮侵袭沿海地区时，往往能引起沿岸大规模的涨水，导致海水漫堤和巨浪冲毁海岸，造成海水倒灌，河塘、油井、工厂等被淹，对沿海城市基础设施和人们生命、财产安全造成巨大损失。深圳市作为发达的沿海城市，其海岸每年都会受到热带气旋的侵袭，也是风暴潮灾害高风险区域之一。
随着社会经济不断发展，利用海洋资源和空间所进行的各类生产和服务活动的海洋产业已经成为本市重要支柱产业。风暴潮对本市的侵袭不仅会引起巨大的经济损失，使生态环境受到破坏，更会严重威胁人民群众生命安全，影响社会稳定。因此，对风暴潮灾害有效的防灾减灾手段是海洋与沿海经济可持续发展的必要条件之一。
通过历史台风数据模拟风暴来临时的风暴潮增水位和风暴潮异常水位，有助于分析和理解台风与风暴潮之间的关系，对未来台风到来时，预测风暴潮增水和灾害预估起到参考作用。然而现有的一些风暴潮模拟方法要么精度欠缺，要么运算速度太慢，均达不到比较好的模拟效果。
发明内容
为了解决现有的风暴潮模拟方法精度和运算速度均不够的问题，本发明提供了一种基于并行模式下的风暴潮精细化模拟方法；一种基于并行模式下的风暴潮精细化模拟方法，包括以下步骤：
S101：获取并整理研究海域的沿海水深地形数据、海岸线数据和历史台风观测数据，进而分别建立研究海域的沿海水深地形数据库、海岸线数据库和历史台风数据库；
S102：根据研究海域的海洋环境特点和实际模拟需求，确定海洋动力模型的海上开边界位置；根据所述海岸线数据库，确定海洋动力模型的海岸线边界位置，进而为海洋动力模型设置由海上开边界和海岸线边界组成的闭合边界，得到设置好边界的海洋动力模型；
S103：根据所述闭合边界，采用SMS软件生成三角网格，以将所述闭合边界所组成的闭合区域网格化；
S104：根据所述水深地形数据库，采用插值算法对所有所述三角网格的顶点的水深进行计算，得到所述海洋动力模型运行所述需要的水深数据，进而为所述设置好边界的海洋动力模型赋予水深数据，得到设置好水深数据的海洋动力模型；
S105：根据所述历史台风数据库，采用风场模型，生成风场文件和气压场文件；并利用全球潮汐模型生成所述海上开边界处的所有所述三角网格的顶点的潮汐调和常数，并将所述潮汐调和常数设置为所述设置好水深数据的海洋动力模型的潮汐开边界，得到最终海洋动力模型；
S106：将所述风场文件、所述气压场文件和所述潮汐开边界作为强迫场，采用所述最终海洋动力模型，基于并行计算方法计算得到研究海域的模拟风暴异常水位L；
S107：将潮汐开边界作为强迫场，采用所述最终海洋动力模型，基于并行计算方法计算得到研究海域的模拟天文潮水位L1；
S108：根据所述风暴异常水位L和所述天文潮水位L1，计算得到研究海域的模拟风暴潮增水D。
进一步地，步骤S102中，所述海洋动力模型采用FVCOM海洋动力模型。
进一步地，步骤S103中，根据所述闭合边界，采用SMS软件生成三角网格，以将所述闭合边界所组成的闭合区域网格化时，使用SMS软件中的基于闭合区间生成不规则三角网格模块生成三角网格；采用外海粗网格、近岸精细网格的网格剖分原则对沿岸海域、近海海域和外海海域分别进行三角形网格划分，建立能够准确拟合岸线的高分辨率非结构网格，以达到精细化模拟的目的；
其中，近海海域的三角网格的分辨率范围为[30,50]米，沿岸海域的三角网格的分辨率范围为[100,300]米，且沿着海岸线向外海的海上开边界方向，距离每增加x，三角网格的分辨率增加2000米；在外海的海上开边界区域，三角网格的分辨率为10千米；不同网格分辨率之间平滑过渡，保证岸线地形的准确性，而且固边界条件采用“干/湿”方法，以对漫滩淹没进行精确模拟；其中，x为预设值，且大于0。
进一步地，步骤S104中，所述插值算法为双线性插值算法。
进一步地，步骤S105中，所述风场模型采用Jelesnianski模型；所述全球潮汐模型采用OTIS全球潮汐模型；利用全球潮汐模型生成海上开边界处的所述三角网格点的潮汐调和常数时，提取OTIS全球潮汐模型中的M2、S2、N2、K2、K1、O1、P1和Q1共8个分潮的调和常数，作为所述设置好水深数据的海洋动力模型的潮汐开边界。
进一步地，步骤S106和步骤S107中，所述的并行计算方法，是将计算区域分为K个可用于所述最终海洋动力模型计算的子域，每个子域对应一个处理器，采用所述最终海洋动力模型分别对各子域进行计算；其中，所述计算区域为所述闭合边界所组成的闭合区域，子域划分方法使用多层划分算法，子域分区数K根据实际需求确定。
进一步地，所述多层划分算法包括粗化、初始划分和细化三个部分；其中，粗化部分用于对三角网格进行粗化，构建计算区域内所有三角网格的多级层次，以减小三角网格的数量规模；初始划分部分用于对被粗化的三角网格进行划分，以将计算区域分为K个子域；细化部分用于按照粗化的层次一层一层将三角网格恢复成原状，以将被粗化的三角网格还原；
使用所述多层划分算法将计算区域分为K个可用于所述最终海洋动力模型计算的子域，具体包括如下步骤：
S201：粗化部分：将计算区域内所有的三角网格归为一个三角网格集G0作为初始三角网格集，并将初始三角网格集G0粗化为满足条件的三角网格集Gm；
S202：初始划分部分：对三角网格集Gm进行计算划分，使得划分后的每个子域均含有个三角网格点，以将计算区域划分为K个子域，得到划分为K个子域的三角网格集Gm；V0为初始三角网格集G0中三角网格点的总数；
S203：细化：将划分为K个子域的三角网格集Gm还原为初始三角网格集G0，得到划分为K个子域的三角网格集G0，则整个计算区域划分为了K个子域；
S204：使用全局到本地映射将全局引用的数据分解为各个子域，以使每个子域都具有正确的边界条件和空间变化的表面强迫场，得到K个可用于所述最终海洋动力模型计算的子域；所述全局应用的数据包括：所述风场文件、所述气压场文件和所述潮汐开边界数据。
进一步地，步骤S201中，将计算区域内所有的三角网格归为一个三角网格集G0作为初始三角网格集，并将初始三角网格集G0粗化为满足条件的三角网格集Gm的具体方法为：首先在所述初始三角网格集G0中随机选择一个三角网格点，然后以该三角网格点为起点遍历整个初始三角网格集G0中所有的三角网格点；在遍历过程中，若某个三角网格点为未匹配点，则在该三角网格点的邻接顶点集中随机选择一个未匹配的点与其匹配，并将这两个三角网格点合并为一个三角网格点，且均标记为已匹配，若该三角网格点的邻接顶点集中不存在未匹配的点，则该三角网格点仍为未匹配点，并继续遍历下一个三角网格点；一次遍历完成后，判断条件Vi<A是否成立？若是，则停止迭代，并将当前的三角网格集作为最终满足条件的三角网格集Gm；否则，开始下一次遍历；初始状态下，初始三角网格集G0中所有的三角网格点均标记为未匹配的点；Vi为第i次迭代后，三角网格集中三角网格点的总数，i为迭代次数；一个三角网格点的邻接顶点集为与该三角网格点直接相连的所有三角网格点所组成的集合；A为预设值。
进一步地，步骤S202中，对三角网格集Gm进行计算划分，使得划分后的每个子域均含有个三角网格点，以将计算区域划分为K个子域，得到划分为K个子域的三角网格集Gm的具体方法如下：
在三角网格集Gm中随机选择K个三角网格点：
对于第1个三角网格点，将三角网格集Gm中排除这K个三角网格点后剩下的所有三角网格点与该三角网格点的连通度进行从小到大的排序，并按连通度从小到大依次选择个三角网格点作为第1个三角网格点所组成的子域；
对于第2个三角网格点，将三角网格集Gm中排出这K个三角网格点和已经被划分子域的三角网格点后剩下的所有三角网格点与该三角网格点的连通度进行从小到大的排序，并按连通度从小到大依次选择个三角网格点作为第2个三角网格点所组成的子域；
基于同样的原理，依次计算第3、第4、…、第K个三角网格点所组成的子域，进而将三角网格集Gm划分为K个子域。
进一步地，步骤S108中，根据所述风暴异常水位L和所述天文潮水位L1，计算得到研究海域的模拟风暴潮增水D后，将所述风暴异常水位L数据和所述风暴潮憎水D数据上传至服务器，并通过可视化软件在网页上对模拟得到的所述风暴异常水位L和所述风暴潮憎水D的平面分布图进行可视化展示，以供研究人员查看；所述风暴潮增水D的计算公式为：D＝L-L1。
本发明提供的技术方案带来的有益效果是：本发明所提出的技术方案对研究海域使用构建不规则三角形网格的方法，做出风暴潮精细化模型所需网格模型，提高了模型精度；采用并行计算方法，提高了运算速度，减少了运算时间。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例中一种基于并行模式下的风暴潮精细化模拟方法的流程图；
图2是本发明实施例中采用SMS软件生成三角网格的流程图；
图3是本发明实施例中不规则三角网效果沿岸拟合效果展示图；
图4是本发明实施例中不规则三角网格整体效果展示图；
图5是本发明实施例中多层划分算法流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
本发明的实施例提供了一种基于并行模式下的风暴潮精细化模拟方法。
请参考图1，图1是本发明实施例中一种基于并行模式下的风暴潮精细化模拟方法的流程图，具体包括如下步骤：
S101：获取并整理研究海域的沿海水深地形数据、海岸线数据和历史台风观测数据，进而分别建立研究海域的沿海水深地形数据库、海岸线数据库和历史台风数据库；并使用Linux/UNIX-SHELL脚本调用lftp、wget等下载工具定时收集、常规地面观测数据、气象数据，且添加这些数据至已有数据库中；
S102：根据研究海域的海洋环境特点和实际模拟需求，确定海洋动力模型的海上开边界位置；根据所述海岸线数据库，确定海洋动力模型的海岸线边界位置，进而为海洋动力模型设置由海上开边界和海岸线边界组成的闭合边界，得到设置好边界的海洋动力模型；
S103：根据所述闭合边界，采用SMS软件生成三角网格，以将所述闭合边界所组成的闭合区域网格化；
S104：根据所述水深地形数据库，采用插值算法对所有所述三角网格的顶点的水深进行计算，得到所述海洋动力模型运行所述需要的水深数据，进而为所述设置好边界的海洋动力模型赋予水深数据，得到设置好水深数据的海洋动力模型；
S105：根据所述历史台风数据库，采用风场模型，生成风场文件和气压场文件；并利用全球潮汐模型生成所述海上开边界处的所有所述三角网格的顶点的潮汐调和常数，并将所述潮汐调和常数设置为所述设置好水深数据的海洋动力模型的潮汐开边界，得到最终海洋动力模型；
S106：将所述风场文件、所述气压场文件和所述潮汐开边界作为强迫场，采用所述最终海洋动力模型，基于并行计算方法计算得到研究海域的模拟风暴异常水位L；
S107：将潮汐开边界作为强迫场，采用所述最终海洋动力模型，基于并行计算方法计算得到研究海域的模拟天文潮水位L1；
S108：根据所述风暴异常水位L和所述天文潮水位L1，计算得到研究海域的模拟风暴潮增水D。
步骤S102中，所述海洋动力模型采用FVCOM海洋动力模型。
请参阅图2，图2是本发明实施例中采用SMS软件生成三角网格的流程图；步骤S103中，根据所述闭合边界，采用SMS软件生成三角网格，以将所述闭合边界所组成的闭合区域网格化时，使用SMS软件中的基于闭合区间生成不规则三角网格模块生成三角网格；采用外海粗网格、近岸精细网格的网格剖分原则对沿岸海域、近海海域和外海海域分别进行三角形网格划分，建立能够准确拟合岸线的高分辨率非结构网格(如图3所示)，以达到精细化模拟的目的；
其中，近海海域的三角网格的分辨率范围为[30,50]米，沿岸海域的三角网格的分辨率范围为[100,300]米，且沿着海岸线向外海的海上开边界方向，距离每增加x，三角网格的分辨率增加2000米；在外海的海上开边界区域，三角网格的分辨率为10千米(如图4所示)；不同网格分辨率之间平滑过渡，保证岸线地形的准确性，而且固边界条件采用“干/湿”方法，以对漫滩淹没进行精确模拟；其中，x为预设值，且大于0；
所述基于闭合区间生成不规则三角网格模块生成的不规则三角网格有三个特点：1)三角形内角满足30°≤α≤120°；2)有“干/湿”边界条件；3)根据使用者要求可以对指定区域的三角网格进行加密；所述三个特点满足所述FVCOM海洋动力模型的运行条件。
步骤S104中，所述插值算法为双线性插值算法。双线性插值又称为双线性内插。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，差值公式如下：
f在点P(X,Y)的值，已知函数f在Q11＝(X1,Y1)、Q12(X1,Y2)、Q21(X2,Y1)以及Q22(X2,Y2)四个点的值。最终得到的P＝(X,Y)在闭合条件公式下改为z＝-H(x,y)；
具体地模型下边界闭合条件为以下公式：在z＝-H(x,y)有：
q2l＝0
上式中，(τbx,τby)为海底处的底摩擦应力矢量。
步骤S105中，所述风场模型采用Jelesnianski模型；所述全球潮汐模型采用OTIS全球潮汐模型；利用全球潮汐模型生成海上开边界处的所述三角网格点的潮汐调和常数时，提取OTIS全球潮汐模型中的M2、S2、N2、K2、K1、O1、P1和Q1共8个分潮的调和常数，作为所述设置好水深数据的海洋动力模型的潮汐开边界。
所述风场模型采用Jelesnianski模型，公式如下：
A＝-[(x-xc)sinθ+(y-yc)cosθ]
B＝[(x-xc)sinθ-(y-yc)cosθ]
上式中：R为最大风速半径；r为计算点到台风中心的距离；V0为台风移动速度；WR为台风最大风速；(x，y)、(xc，yc)分别为计算点坐标和台风中心坐标；θ为入流角(在本发明实施例中取20°)；P0为台风中心气压，P∞为无穷远处气压；A、B为流入角、计算点位置和台风中心位置相关的系数。
FVCOM海洋动力模型的海洋原始控制方程组由动量方程、连续方程、密度方程、温度方程和盐度方程组成，分别如下所示：
T＝const
ρ＝ρ(T，S)
上式中，x为直角坐标系中东向坐标，y为北向坐标，z为垂直方向的坐标；u是x方向上的速度分量，v是y方向上的速度分量，w是z方向上的速度分量；g为重力加速度；ρ为密度；S为盐度；θ是位温；P为压强；f是科氏力参数；Km和Kh分别为垂向涡动黏性系数和热力学垂向涡动摩擦系数。Fu和Fv是水平动量扩散项，Fθ代表温度扩散项，FS代表盐度扩散项。
通过插值计算和数值计算，可以获得计算域内所有网格点上的8个分潮的调和常数(M2、S2、N2、K2、K1、O1、P1和Q1)。利用这些调和常数，通过内插，得到在海域内任意点的潮汐预报。内插公式如下:
上式中，η为潮位，hi,gi为第i个分潮的调和常数，σi为分潮的角速度，t为时间；fi为分潮的交点因子，Vi为分潮的天文初位相，ui为分潮的交点订正角。
步骤S106和步骤S107中，所述并行计算方法，是将计算区域分为K个可用于所述最终海洋动力模型计算的子域，每个子域对应一个处理器，采用所述最终海洋动力模型分别对各子域进行计算；其中，所述计算区域为所述闭合边界所组成的闭合区域，子域划分方法使用多层划分算法，子域分区数K根据实际需求确定。
如图5所示，多层划分算法包括粗化、初始划分和细化三个部分；其中，粗化部分用于对三角网格进行粗化，构建计算区域内所有三角网格的多级层次，以减小三角网格的数量规模；初始划分部分用于对被粗化的三角网格进行划分，以将计算区域分为K个子域；细化部分用于按照粗化的层次一层一层将三角网格恢复成原状，以将被粗化的三角网格还原；具体包括如下步骤：
S201：粗化部分：将计算区域内所有的三角网格归为一个三角网格集G0作为初始三角网格集，并将初始三角网格集G0粗化为满足条件的三角网格集Gm；
具体方法为：在所述初始三角网格集G0中随机选择一个三角网格点，然后以该三角网格点为起点遍历整个初始三角网格集G0中所有的三角网格点；在遍历过程中，若某个三角网格点为未匹配点，则在该三角网格点的邻接顶点集中随机选择一个未匹配的点与其匹配，并将这两个三角网格点合并为一个三角网格点，且均标记为已匹配，若该三角网格点的邻接顶点集中不存在未匹配的点，则该三角网格点仍为未匹配点，并继续遍历下一个三角网格点；一次遍历完成后，判断条件Vi<A是否成立？若是，则停止迭代，并将当前的三角网格集作为最终满足条件的三角网格集Gm；否则，开始下一次遍历；初始状态下，初始三角网格集G0中所有的三角网格点均标记为未匹配的点；Vi为第i次迭代后，三角网格集中三角网格点的总数，i为迭代次数；一个三角网格点的邻接顶点集为与该三角网格点直接相连的所有三角网格点所组成的集合，A为预设值，在本发明实施例中取200。
S202：初始划分部分：对三角网格集Gm进行计算划分，使得划分后的每个子域均含有个三角网格点，以将计算区域划分为K个子域，得到划分为K个子域的三角网格集Gm；V0为初始三角网格集G0中三角网格点的总数；
具体如下：在三角网格集Gm中随机选择K个三角网格点：
对于第1个三角网格点，将三角网格集Gm中排除这K个三角网格点后剩下的所有三角网格点与该三角网格点的连通度进行从小到大的排序，并按连通度从小到大依次选择个三角网格点作为第1个三角网格点所组成的子域；
对于第2个三角网格点，将三角网格集Gm中排出这K个三角网格点和已经被划分子域的三角网格点后剩下的所有三角网格点与该三角网格点的连通度进行从小到大的排序，并按连通度从小到大依次选择个三角网格点作为第2个三角网格点所组成的子域；
基于同样的原理，依次计算第3、第4、…、第K个三角网格点所组成的子域，进而将三角网格集Gm划分为K个子域。
S203：细化：将划分为K个子域的三角网格集Gm还原为初始三角网格集G0，得到划分为K个子域的三角网格集G0，则整个计算区域划分为了K个子域；
具体来说，细化阶段的主要工作是将粗化的网格映射回原网格。因为Gi+1中的一个三角网格顶点是由Gi中几个三角网格顶点聚类而成的，所以要将粗化网格集Gm的每个划分子域Pm映射回原三角网格。对Gi+1而言，Pi+1是最小划分子域，但是当Pi+1映射回Pi时，Pi不一定是Gi的局部最小划分子域，因此，需要采用局部优化方法进行优化；Pm为网格集Gm的子域；i的取值范围为[1,m]；
S204：使用全局到本地映射将全局引用的数据分解为各个子域，以使每个子域都具有正确的边界条件和空间变化的表面强迫场，得到K个可用于所述最终海洋动力模型计算的子域；所述全局应用的数据包括：所述风场文件、所述气压场文件和所述潮汐开边界数据。
步骤S108中，根据所述风暴异常水位L和所述天文潮水位L1，计算得到研究海域的模拟风暴潮增水D后，将所述风暴异常水位L数据和所述风暴潮憎水D数据上传至服务器，并通过可视化软件在网页上对模拟得到的所述风暴异常水位L和所述风暴潮憎水D的平面分布图进行可视化展示，以供研究人员查看；所述风暴潮增水D的计算公式为：D＝L-L1。
本发明的有益效果是：本发明所提出的技术方案对研究海域使用构建不规则三角形网格的方法，做出风暴潮精细化模型所需网格模型，提高了模型精度；采用并行计算方法，提高了运算速度，减少了运算时间。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于并行模式下的风暴潮精细化模拟方法，其特征在于，包括以下步骤：
S101：获取并整理研究海域的沿海水深地形数据、海岸线数据和历史台风观测数据，进而分别建立研究海域的沿海水深地形数据库、海岸线数据库和历史台风数据库；
S102：根据研究海域的海洋环境特点和实际模拟需求，确定海洋动力模型的海上开边界位置；根据所述海岸线数据库，确定海洋动力模型的海岸线边界位置，进而为海洋动力模型设置由海上开边界和海岸线边界组成的闭合边界，得到设置好边界的海洋动力模型；
S103：根据所述闭合边界，采用SMS软件生成三角网格，以将所述闭合边界所组成的闭合区域网格化；
S104：根据所述水深地形数据库，采用插值算法对所有所述三角网格的顶点的水深进行计算，得到所述海洋动力模型运行所述需要的水深数据，进而为所述设置好边界的海洋动力模型赋予水深数据，得到设置好水深数据的海洋动力模型；
S105：根据所述历史台风数据库，采用风场模型，生成风场文件和气压场文件；并利用全球潮汐模型生成所述海上开边界处的所有所述三角网格的顶点的潮汐调和常数，并将所述潮汐调和常数设置为所述设置好水深数据的海洋动力模型的潮汐开边界，得到最终海洋动力模型；
S106：将所述风场文件、所述气压场文件和所述潮汐开边界作为强迫场，采用所述最终海洋动力模型，基于并行计算方法计算得到研究海域的模拟风暴异常水位L；
S107：将潮汐开边界作为强迫场，采用所述最终海洋动力模型，基于并行计算方法计算得到研究海域的模拟天文潮水位L1；
S108：根据所述风暴异常水位L和所述天文潮水位L1，计算得到研究海域的模拟风暴潮增水D。
2.如权利要求1所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S102中，所述海洋动力模型采用FVCOM海洋动力模型。
3.如权利要求1所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S103中，根据所述闭合边界，采用SMS软件生成三角网格，以将所述闭合边界所组成的闭合区域网格化时，使用SMS软件中的基于闭合区间生成不规则三角网格模块生成三角网格；采用外海粗网格、近岸精细网格的网格剖分原则对沿岸海域、近海海域和外海海域分别进行三角形网格划分，建立能够准确拟合岸线的高分辨率非结构网格，以达到精细化模拟的目的；
其中，近海海域的三角网格的分辨率范围为[30,50]米，沿岸海域的三角网格的分辨率范围为[100,300]米，且沿着海岸线向外海的海上开边界方向，距离每增加x，三角网格的分辨率增加2000米；在外海的海上开边界区域，三角网格的分辨率为10千米；不同网格分辨率之间平滑过渡，保证岸线地形的准确性，而且固边界条件采用“干/湿”方法，以对漫滩淹没进行精确模拟；其中，x为预设值，且大于0。
4.如权利要求1所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S104中，所述插值算法为双线性插值算法。
5.如权利要求1所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S105中，所述风场模型采用Jelesnianski模型；所述全球潮汐模型采用OTIS全球潮汐模型；利用全球潮汐模型生成海上开边界处的所述三角网格点的潮汐调和常数时，提取OTIS全球潮汐模型中的M2、S2、N2、K2、K1、O1、P1和Q1共8个分潮的调和常数，作为所述设置好水深数据的海洋动力模型的潮汐开边界。
6.如权利要求1所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S106和步骤S107中，所述的并行计算方法，是将计算区域分为K个可用于所述最终海洋动力模型计算的子域，每个子域对应一个处理器，采用所述最终海洋动力模型分别对各子域进行计算；其中，所述计算区域为所述闭合边界所组成的闭合区域，子域划分方法使用多层划分算法，子域分区数K根据实际需求确定。
7.如权利要求6所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：所述多层划分算法包括粗化、初始划分和细化三个部分；其中，粗化部分用于对三角网格进行粗化，构建计算区域内所有三角网格的多级层次，以减小三角网格的数量规模；初始划分部分用于对被粗化的三角网格进行划分，以将计算区域分为K个子域；细化部分用于按照粗化的层次一层一层将三角网格恢复成原状，以将被粗化的三角网格还原；
使用所述多层划分算法将计算区域分为K个可用于所述最终海洋动力模型计算的子域，具体包括如下步骤：
S201：粗化部分：将计算区域内所有的三角网格归为一个三角网格集G0作为初始三角网格集，并将初始三角网格集G0粗化为满足条件的三角网格集Gm；
S202：初始划分部分：对三角网格集Gm进行计算划分，使得划分后的每个子域均含有个三角网格点，以将计算区域划分为K个子域，得到划分为K个子域的三角网格集Gm；V0为初始三角网格集G0中三角网格点的总数；
S203：细化：将划分为K个子域的三角网格集Gm还原为初始三角网格集G0，得到划分为K个子域的三角网格集G0，则整个计算区域划分为了K个子域；
S204：使用全局到本地映射将全局引用的数据分解为各个子域，以使每个子域都具有正确的边界条件和空间变化的表面强迫场，得到K个可用于所述最终海洋动力模型计算的子域；所述全局应用的数据包括：所述风场文件、所述气压场文件和所述潮汐开边界数据。
8.如权利要求7所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S201中，将计算区域内所有的三角网格归为一个三角网格集G0作为初始三角网格集，并将初始三角网格集G0粗化为满足条件的三角网格集Gm的具体方法为：首先在所述初始三角网格集G0中随机选择一个三角网格点，然后以该三角网格点为起点遍历整个初始三角网格集G0中所有的三角网格点；在遍历过程中，若某个三角网格点为未匹配点，则在该三角网格点的邻接顶点集中随机选择一个未匹配的点与其匹配，并将这两个三角网格点合并为一个三角网格点，且均标记为已匹配，若该三角网格点的邻接顶点集中不存在未匹配的点，则该三角网格点仍为未匹配点，并继续遍历下一个三角网格点；一次遍历完成后，判断条件Vi<A是否成立？若是，则停止迭代，并将当前的三角网格集作为最终满足条件的三角网格集Gm；否则，开始下一次遍历；初始状态下，初始三角网格集G0中所有的三角网格点均标记为未匹配的点；Vi为第i次迭代后，三角网格集中三角网格点的总数，i为迭代次数；一个三角网格点的邻接顶点集为与该三角网格点直接相连的所有三角网格点所组成的集合；A为预设值。
9.如权利要求7所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S202中，对三角网格集Gm进行计算划分，使得划分后的每个子域均含有个三角网格点，以将计算区域划分为K个子域，得到划分为K个子域的三角网格集Gm的具体方法如下：
在三角网格集Gm中随机选择K个三角网格点：
对于第1个三角网格点，将三角网格集Gm中排除这K个三角网格点后剩下的所有三角网格点与该三角网格点的连通度进行从小到大的排序，并按连通度从小到大依次选择个三角网格点作为第1个三角网格点所组成的子域；
对于第2个三角网格点，将三角网格集Gm中排出这K个三角网格点和已经被划分子域的三角网格点后剩下的所有三角网格点与该三角网格点的连通度进行从小到大的排序，并按连通度从小到大依次选择个三角网格点作为第2个三角网格点所组成的子域；
基于同样的原理，依次计算第3、第4、…、第K个三角网格点所组成的子域，进而将三角网格集Gm划分为K个子域。
10.如权利要求1所述的一种基于并行模式下的风暴潮精细化模拟方法，其特征在于：步骤S108中，根据所述风暴异常水位L和所述天文潮水位L1，计算得到研究海域的模拟风暴潮增水D后，将所述风暴异常水位L数据和所述风暴潮憎水D数据上传至服务器，并通过可视化软件在网页上对模拟得到的所述风暴异常水位L和所述风暴潮憎水D的平面分布图进行可视化展示，以供研究人员查看；所述风暴潮增水D的计算公式为：D＝L-L1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910512704.XA CN110377953B (zh) | 2019-06-13 | 2019-06-13 | 一种基于并行模式下的风暴潮精细化模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910512704.XA CN110377953B (zh) | 2019-06-13 | 2019-06-13 | 一种基于并行模式下的风暴潮精细化模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110377953A true CN110377953A (zh) | 2019-10-25 |
| CN110377953B CN110377953B (zh) | 2023-10-31 |
Family
ID=68248770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910512704.XA Active CN110377953B (zh) | 2019-06-13 | 2019-06-13 | 一种基于并行模式下的风暴潮精细化模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110377953B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112434423A (zh) * | 2020-11-23 | 2021-03-02 | 浙江大学舟山海洋研究中心 | 一种同心圆网格与新型台风场模式结合的风暴潮模拟方法 |
| CN116090168A (zh) * | 2022-11-29 | 2023-05-09 | 国网浙江省电力有限公司舟山供电公司 | 一种基于预测冲刷深度的海缆裸露风险评估方法 |
| CN117454720A (zh) * | 2023-12-21 | 2024-01-26 | 浙江远算科技有限公司 | 一种极端天气海上风电场冲刷风险仿真预测方法和设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107729656A (zh) * | 2017-10-19 | 2018-02-23 | 福建四创软件有限公司 | 基于台风过程风场作用下的风暴潮漫堤风险预警方法 |
-
2019
- 2019-06-13 CN CN201910512704.XA patent/CN110377953B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107729656A (zh) * | 2017-10-19 | 2018-02-23 | 福建四创软件有限公司 | 基于台风过程风场作用下的风暴潮漫堤风险预警方法 |
Non-Patent Citations (5)
| Title |
|---|
| KEQI ZHANG等: "Transition of the coastal and Estuarine Storm Tide Model to an Operational Storm Surge Forecast Model:A Case Study of the Florida Coast", WEATHER AND FORECASTING, vol. 28, no. 4, pages 1019 - 1037 * |
| 丁玉梅等: "渤海风暴潮过程的数值模拟研究", 《天津科技大学学报》 * |
| 丁玉梅等: "渤海风暴潮过程的数值模拟研究", 《天津科技大学学报》, vol. 33, no. 03, 25 June 2018 (2018-06-25), pages 57 - 62 * |
| 何顺之等: "江苏近海风暴潮增水数值模拟研究", 《海洋科学》 * |
| 何顺之等: "江苏近海风暴潮增水数值模拟研究", 《海洋科学》, vol. 41, no. 12, 15 December 2017 (2017-12-15), pages 86 - 95 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112434423A (zh) * | 2020-11-23 | 2021-03-02 | 浙江大学舟山海洋研究中心 | 一种同心圆网格与新型台风场模式结合的风暴潮模拟方法 |
| CN112434423B (zh) * | 2020-11-23 | 2023-07-18 | 浙江大学舟山海洋研究中心 | 一种同心圆网格与新型台风场模式结合的风暴潮模拟方法 |
| CN116090168A (zh) * | 2022-11-29 | 2023-05-09 | 国网浙江省电力有限公司舟山供电公司 | 一种基于预测冲刷深度的海缆裸露风险评估方法 |
| CN116090168B (zh) * | 2022-11-29 | 2023-10-27 | 国网浙江省电力有限公司舟山供电公司 | 一种基于预测冲刷深度的海缆裸露风险评估方法 |
| CN117454720A (zh) * | 2023-12-21 | 2024-01-26 | 浙江远算科技有限公司 | 一种极端天气海上风电场冲刷风险仿真预测方法和设备 |
| CN117454720B (zh) * | 2023-12-21 | 2024-03-29 | 浙江远算科技有限公司 | 一种极端天气海上风电场冲刷风险仿真预测方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110377953B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102663827B (zh) | 复杂淹没区域风暴潮洪水演进三维动态全过程仿真方法 | |
| Kuiry et al. | Coupled 1D–Quasi-2D flood inundation model with unstructured grids | |
| Van der Molen et al. | Holocene tidal conditions and tide‐induced sand transport in the southern North Sea | |
| Elias et al. | Hydrodynamic validation of Delft3D with field measurements at Egmond | |
| CN110377953A (zh) | 一种基于并行模式下的风暴潮精细化模拟方法 | |
| CN110414041B (zh) | 一种基于gis技术建立风暴潮漫滩和淹没分析的方法及系统 | |
| Czizeweski et al. | Numerical modeling of Maranhão Gulf tidal circulation and power density distribution | |
| CN115935732A (zh) | 一种复杂感潮河网的多源复合灾害淹没风险的模拟方法 | |
| Karamouz et al. | Flood Modeling in Coastal Cities and Flow through Vegetated BMPs: Conceptual Design | |
| Belikov et al. | Justification of hydrological safety conditions in residential areas using numerical modelling | |
| CN103993575B (zh) | 一种可科学重现稀遇潮洪流动特性的水景观设计方法 | |
| Sayehbani et al. | Numerical modeling of wave and current patterns of beris port in east of chabahar-iran | |
| Sharbaty | Two Dimensional simulations of seasonal flow patterns in the Gorgan Bay | |
| Chonwattana et al. | 3D Modeling of morphological changes using representative waves | |
| Hou et al. | 3D Numerical Simulation of Kuroshio-induced Wake Near Green Island, Taiwan | |
| CN117454720B (zh) | 一种极端天气海上风电场冲刷风险仿真预测方法和设备 | |
| Azevedo et al. | Assessment of Tidal Current Potential in the Pará River Estuary (Amazon Region–Brazil) | |
| Rebordão et al. | Tidal propagation in the Lima estuary | |
| Zang et al. | Application of ROMS for simulating evolution and migration of tidal sand waves | |
| Vatvani et al. | Cyclone induced storm surge and flood forecasting system for India | |
| Lu et al. | A new three-dimensional terrain-following tidal model of free-surface flows | |
| Hermawan et al. | High spatial grid resolution of hydrodynamic numerical modeling for sea current energy site selection in Indonesia | |
| Yanyan et al. | Maximum tidal range analysis of radial sand ridges in the southern Yellow Sea | |
| Gu et al. | Improved estuaries salinity stratification at Gyeonggi Bay using data assimilation with Finite Volume Coastal Ocean Model (FVCOM) | |
| CN112434423B (zh) | 一种同心圆网格与新型台风场模式结合的风暴潮模拟方法 |
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 |