CN112001090A - 一种风场数值模拟方法 - Google Patents

一种风场数值模拟方法 Download PDF

Info

Publication number
CN112001090A
CN112001090A CN202010895428.2A CN202010895428A CN112001090A CN 112001090 A CN112001090 A CN 112001090A CN 202010895428 A CN202010895428 A CN 202010895428A CN 112001090 A CN112001090 A CN 112001090A
Authority
CN
China
Prior art keywords
simulation
wind field
value
scheme
accuracy
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
CN202010895428.2A
Other languages
English (en)
Inventor
施文昱
周德荣
蔡哲
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.)
Nanjing Pulan Atmospheric Environment Research Institute Co ltd
Nanjing Chuanglan Technology Co ltd
Original Assignee
Nanjing Pulan Atmospheric Environment Research Institute Co ltd
Nanjing Chuanglan Technology Co ltd
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 Nanjing Pulan Atmospheric Environment Research Institute Co ltd, Nanjing Chuanglan Technology Co ltd filed Critical Nanjing Pulan Atmospheric Environment Research Institute Co ltd
Priority to CN202010895428.2A priority Critical patent/CN112001090A/zh
Publication of CN112001090A publication Critical patent/CN112001090A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种风场数值模拟方法,属于气象模拟技术领域。针对现有技术中存在的对风场的模拟精确度较低、准确性较差问题,本发明风场数值模拟方法,基于中尺度预报模拟,设计不同边界层参数化方案的对比试验,进行风场数值模拟,对比分析风场模拟值和观测值,得到准确度最高的风场模拟配置方案。在应用到高温天气下的长三角区域时,通过双层嵌套内层分辨率的设置,实现覆盖长三角地区的多个城市;将下垫面信息与长三角区域的实际水体信息进行匹配修正,校正土壤湿度,提高模拟试验对高温天气的敏感性。本发明改善现有技术对风场模拟精确度较低、准确性较差的问题,实现因地制宜的优点,提高风场数值模拟的精确度和准确度。

Description

一种风场数值模拟方法
技术领域
本发明涉及气象模拟技术领域,更具体地说,涉及一种风场数值模拟方法。
背景技术
近年来,我国经济飞速发展,城市化水平不断提高,风能资源的利用和风场对污染影响等问题日益受到关注,关键在于更深入的了解风速和风向的变化,掌握其中的规律。随着计算水平的提升,数值天气预报成了预测未来风场的主要手段。Weather Research&Forecsting Model(简称WRF)是目前用于模拟大气边界层的常用中尺度数值天气预报系统,风场的模拟就是边界层内的预报。
中尺度预报模式WRF配置多种边界层参数化方案,现有技术通常使用传统的Yonsei University scheme(简称YSU方案),较1986的第一代非局地闭合方案MRF方案,模拟水平已有了提升,能较好的模拟整体风场。2015年随着WRF V3.7的更新,引入了最新的Shin-Hong方案,边界层参数化方案增加到了13种。不同的边界层参数化方案对污染物的传输扩散、模拟风场的精确度起了决定性作用。
长三角地区位于我国的东部,包括上海、江苏、浙江和安徽地区,属于亚热带季风气候,地形平坦、水道纵横、人口稠密、城市化水平高,风场的预测对污染物传输扩散、工农业发展等都有重要的意义。根据现有技术,面对特定的地区和天气背景,通用方案对风场的模拟精确度较低、准确性较差,模拟时因地制宜尤为重要。
中国专利申请,申请号CN201310454086.0,公开日2014年1月15日,公开一种基于WRF的极端干旱地区风场模拟方法,包括:选用对边界层风场模拟有重大影响的不同地面层、陆面过程和行星边界层的模式参数优化方案组,进行对比实验,选出一组最合适的模式参数优化方案,用于风能模拟;采用步骤⑴所得模式参数优化方案,进行预设时长内待测极端干旱地区风场的风能模拟;根据步骤⑵所得风能模拟结果,得到适用于待测极端干旱地区的风场模拟配置方案,该发明针对极端干旱地区,修正了地面粗糙度长度和土壤体积热容量,并不适用于如长三角地区的非极端干旱地区;该发明在网格的设置上,第三重嵌套的分辨率为9kmx9km,模拟区域为甘肃西北部,和野外观测得到的测风塔资料对比分析,得到适用范围较大的方案,但与长三角地区几乎没有相关性;该发明公开于2014年,此时最新的WRF版本为3.5,尚未增加最新的Shin-Hong方案,该发明对比了MYJ和YSU两种最古老的边界层参数化方案,一共做四组敏感性方案,模拟结构不够精细化。
发明内容
1.要解决的技术问题
针对现有技术中存在的对风场的模拟精确度较低、准确性较差问题,本发明提供一种风场数值模拟方法,基于中尺度预报模拟,提高风场数值模拟的精确度,尤其适合高温天气下的长三角区域。
2.技术方案
本发明的目的通过以下技术方案实现。
一种风场数值模拟方法,选取不同的边界层参数化方案和近地面层参数化方案,进行对比试验;对比试验模拟时采用双层嵌套模式,模拟时修正下垫面信息,得到模拟值;对比分析各组对比试验的风场模拟值与观测值,评估对比试验的风场模拟能力。本发明的提出一种基于中尺度预报模式的风场模拟方法,主要根据不同的边界层参数化方案,对比试验共涉及十三种组合方案,具体包括YSU方案、MYJ方案、GFS方案、QNSE方案、MYNN2.5方案、MYNN3方案、ACM2方案、BouLac方案、UW方案、TEMF方案、Shin-Hong方案、GBM方案和MRF方案,力求得到更为精细化的结果。通过十三种不同设置的对比试验,得到各组试验的模拟值,与观测值对比分析,评估对比试验的风场模拟能力。
更进一步的,对比试验的风场模拟能力通过计算模拟值和观测值的平均绝对误差、均方根误差和相关系数进行评估,选择使用模拟值与观测值误差最小的一组试验的边界层参数化方案和近地面层参数化方案。本发明对比分析风场模拟值和观测值,得到模拟误差最小的参数化配置方案,该方案为最适合的风场模拟配置方案,使用本发明模拟方案可以提高模拟的精确度。
本发明一种风场数值模拟方法,设计不同边界层参数化方案的对比试验,进行风场数值模拟,对比分析风场模拟值和观测值,得到准确度最高的风场模拟配置方案。
更进一步的,模拟时双重嵌套模拟的内层研究区域经纬度范围为118°E~123°E,29°N~33°N,得到适用于高温天气下长三角地区的风场数值模拟参数化配置方案。本发明采用双重嵌套,所述双重嵌套外层和内层的分辨率分别为15km×15km和5km×5km。第二重嵌套的分辨率为5kmx5km,网格数较多,模拟区域涵盖了长三角地区三十多个城市,和92个常规气象站的观测资料对比分析,不仅可以综合评估出适合长三角整个地区的模拟方案,还可以针对每个城市,得到各个城市的精细化模拟方案。
更进一步的,将对比试验物理参数中下垫面信息根据双重嵌套模拟的内层研究区域经纬度范围内地形资料进行修正。长三角地区地形复杂,城市用地、水体以及浙江西南部的丘陵山地,决定了必须使用高精度的地形信息进行替换,经实验发现,当下垫面水体信息有误差时,高温天气下长三角地区水体周围的风场,平均绝对误差高达2.25m/s,且几乎没有相关性。夏季风速对热排放的敏感性很强,对土壤湿度的校正可以更好地再现土壤蒸发、蒸腾作用,提高模式对高温天气的敏感性。本发明在风场数值模拟时修正下垫面信息以校正土壤湿度。
具体来说,所述下垫面信息修正包括修正与实际不符的水体区域。模式自带的下垫面信息中包括一部分的关键信息,如重要的水体:例如钱塘江、京杭大运河、长江和太湖等。该下垫面信息与实际有误差,需要替换成更高分辨率的地形资料。对比分析每组对比试验,得到适用于高温天气下长三角地区的风场模拟配置方案。
更进一步的,风场数值模拟值的获取,通过进行对比试验进行模拟,根据模拟积分时长剔除自适应时间模拟数据,确认模拟值及样本数。风场模拟时模拟积分时长为5天,由于WRF输出的结果是世界时,去除模拟结果的前16个小时作为自适应时间,得到从北京时0点开始的模拟结果,每组试验得到样本数为104的风场。
更进一步的,风场数值观测值,通过获取对比试验模拟区域地面站风场的逐时观测数据,将根据地面站获得的观测数据剔除异常值后得到观测值,所得到的观测值用以评估模式模拟准确度。本发明在模拟时选取长三角地区92个常规地面站,利用地面站10m高度风场的逐时观测数据,剔除异常值,作为评估模式模拟准确度的标准。
更进一步的,所述平均绝对误差计算公式为:
MAE(ms-1)=(|Δ1|+|Δ2|+…+|Δn|)/n (1),
其中Δ1、Δ2、...、Δn为每次观测值和对应模拟值的误差,n为样本个数.
更进一步的,所述均方根误差计算公式为:
Figure BDA0002658279220000031
其中xn为观测值,
Figure BDA0002658279220000032
为观测值的平均数,n为样本个数。
更进一步的,所述相关系数计算公式为:
Figure BDA0002658279220000033
其中xn为第n个样本的观测值,yn为第n个样本的模拟值,
Figure BDA0002658279220000034
分别为观测值和模拟值的平均数,n为样本个数。
更进一步的,风场模拟时物理参数还包括物理过程方案、陆面过程方案、辐射方案和积云对流方案。在对比试验设计时,除第一物理参数和第二物理参数以外的其他物理参数化方案统一,本发明选择使用Noah陆面过程方案,RRTM长波辐射方案和Dudhia短波辐射方案为对应物理参数。
本发明在对比站点观测资料和各组试验的风场模拟结果(WRF输出结果中的WS10参数,代表10m高度风场)分析时,将模拟结果的格点值插值到对比的站点上。根据平均绝对误差、均方根误差和相关系数三个统计参数评估模拟效果,计算出模拟误差最小的一组试验,得到模拟准确度最高的参数化方案配置,提高模拟准确性。
3.有益效果
相比于现有技术,本发明的优点在于:
本发明设计多对比试验,设定合理的算例,力求得到更为精细化的结果。模拟时选择双重嵌套模式,第二重嵌套的分辨率设置使模拟区域涵盖多个城市,提高模拟的精确度。统计对比各组试验的模拟效果,对风场数值模拟值和观测值进行对比分析,计算模拟值和观测值的平均绝对误差、均方根误差和相关系数,评估风场模拟效果。选取模拟效果最好的边界层参数化方案配置,提高风场模拟的精确度和准确度。
本发明风场模拟方法在应用时通过经纬度的设置,选取覆盖长三角地区的模拟区域。为得到更为精细化的结果,将双重嵌套模式的内层分辨率数值设置较小,使得网格数较多,覆盖住长三角地区三十多个城市。和长三角区域92个常规气象站的观测资料对比分析,本发明风场数值模拟方法不仅可以综合评估出适合长三角整个地区的模拟方案,还可以针对每个城市,得到各个城市的精细化模拟方案。
根据长三角地区的特性修正下垫面信息,提高模拟的准确度。由于高温天气下的气象场模拟对土壤湿度的扰动有很强的敏感性,通过修正下垫面类型,降低土壤湿度,削弱土壤蒸发、蒸腾作用,可以部分解决模式对高温天气敏感性差的问题,提高风场数值模拟的准确性。通过统计对比各组试验的模拟效果,选取在高温天气背景下对长三角地区风场模拟效果最好的边界层参数化方案配置,提高高温天气下长三角地区风场模拟的精确度和准确度。
附图说明
图1为本发明的高温天气下长三角地区的风场模拟方法的流程示意图。
具体实施方式
下面结合说明书附图和具体的实施例,对本发明作进一步描述,应注意本发明的范围并不受这些实施例的任何限制。
实施例1
一种风场数值模拟方法,先设计对比试验,对比试验设计时边界层参数为第一物理参数,近地面层参数为第二物理参数,对比试验模拟时采用双层嵌套模式,模拟时修正下垫面信息,得到模拟值;对比分析各组对比试验的风场模拟值与观测值,评估对比试验的风场模拟能力。
在对风场数值模拟值和观测值进行评估时,计算模拟值和观测值的平均绝对误差、均方根误差和相关系数。通过对比分析风场模拟值和观测值,得到最适合的风场模拟配置方案,提高模拟的精确度。
实施例2
本实施例在实施例1的基础上,对高温天气下长三角区域的风场数值模拟作进一步描述。
图1所示为本实施例风场模拟方法的流程示意图,本实施例模拟方法为一种基于中尺度预报模式的高温天气下长三角地区的风场模拟方法,选取对风场模拟起决定作用的不同边界层参数化方案进行对比试验,从中选出最优的一组参数化方案配置,以应用在高温天气下的长三角地区为例,提高风场模拟精确度和准确性,具体包括以下步骤:
步骤100:设计13组对比试验,选取一组最优方案用于高温天气下长三角地区的风场模拟;
选取对风场模拟精确度起决定性作用的不同边界层参数化方案进行对比试验,针对高温天气,基于WRF V3.7及更新的版本(3.7及更新的版本配置了全部13种边界层参数化方案),选取13种不同的边界层参数化方案。保证13中方案的其他物理参数化方案统一,所述其他物理参数包括微物理过程方案、陆面过程方案、辐射方案、积云对流方案等。
表1
Figure BDA0002658279220000051
本实施例选择物理参数化方案如下:Noah陆面过程方案,RRTM长波辐射方案和Dudhia短波辐射方案。对13组对比试验进行模拟,选出一组模拟效果最好的参数化方案,用于高温天气下长三角地区的风场模拟。本实施例根据边界层参数化方案,以WRF 3.7版本为例,共设计十三种对比试验,根据WRF版本的不同,对比试验的数量可以另行定义,应用中对比试验的数量越多,模拟的准确度越高。
本实施例以晴朗无云的天气模拟,不采用积云对流方案。根据所选边界层参数化方案不同,设计13组试验,本实施例设计13种组合方案,力求得到更为精细化的结果。13组试验配置如表1所述,WRF的计算逻辑规定近地面层方案和边界层方案为固定配套选择。
步骤101:模式模拟采用双重嵌套模式,分辨率分别为15km和5km;模式内层经纬度范围为118°E~123°E,29°N~33°N。
根据步骤100中的13组方案,对长三角地区的一个盛夏高温过程进行模拟。
模拟时采用双重嵌套,外层覆盖中国大部分地区,模式获得的外层的结果可以作为内层的初始条件和边界条件,减少侧边界带来的误差,考虑到计算资源的限制,没有采用更高层数的嵌套,在节省资源的前提下获取较高时空分辨率的数据。
双重嵌套外层和内层的分辨率分别为15km×15km和5km×5km,内层研究区域经纬度范围为118°E~123°E,29°N~33°N,覆盖长三角主要城市地区,垂直方向分为50层。模拟积分时长为5天,前16个小时为自适应时间,分别对13组试验进行模拟,取后104个小时的10m高度风场数据为模拟数据样本。
步骤102:修正下垫面信息,校正土壤湿度,优化参数化方案;
修改下垫面信息中与实际不符的关键部分,例如水体区域,提高下垫面的精度;校正土壤湿度,提高模式模拟对高温天气的敏感性,优化参数化方案。
利用更高分辨率的地形资料,例如MODIS30s分辨率的地表覆盖数据,对本实施例的模式配置进行优化。模式自带的下垫面信息中包括一部分的关键信息,如重要的水体:例如钱塘江、京杭大运河、长江和太湖等。该下垫面信息与实际有误差,需要替换成更高分辨率的地形资料。
高温天气下的气象场模拟对土壤湿度的扰动有很强的敏感性,通过上述方法适当修正下垫面类型,降低土壤湿度,削弱土壤蒸发、蒸腾作用,可以部分解决模式对高温天气敏感性差的问题。
步骤103:观察资料采用地面常规观测的10m高度风场数据,时间分辨率为1小时,剔除异常值;
选取长三角地区92个常规地面站,利用地面站10m高度风场的逐时观测数据,剔除异常值,作为评估模式模拟准确度的标准。
模拟积分时长为5天时,由于WRF输出的结果是世界时,去除模拟结果的前16个小时作为自适应时间,得到从北京时0点开始的模拟结果,每组试验得到样本数为104的风场,计算出模拟误差最小的一组试验,得到模拟准确度最高的参数化方案配置。
步骤104:评估模式模拟能力采用平均绝对误差、均方根误差和相关系数作为统计参数。
在对比站点观测资料和各组试验的风场模拟结果(WRF输出结果中的WS10参数,代表10m高度风场)时,将模拟结果的格点值插值到对比的站点上。选取平均绝对误差、均方根误差和相关系数三个统计参数评估模拟效果。
将步骤101的模拟结果插值到长三角的常规地面站,和地面常规观测数据的10m高度风场进行对比,统计参数的定义如下:
平均绝对误差MAE(ms-1)=(|Δ1|+|Δ2|+…+|Δn|)/n (1)
其中Δ1、Δ2、...、Δn为每次观测值和对应模拟值的误差,n为样本个数。
均方根误差
Figure BDA0002658279220000071
其中xn为观测值,
Figure BDA0002658279220000072
为观测值的平均数,n为样本个数。
相关系数:
Figure BDA0002658279220000073
其中xn为第n个样本的观测值,yn为第n个样本的模拟值,
Figure BDA0002658279220000074
分别为观测值和模拟值的平均数,n为样本个数。
表2
Figure BDA0002658279220000075
采用平均绝对误差、均方根误差和相关系数,通过统计的方法,如表2所示将每小时的模拟风场和观测风场进行对比分析,计算出模拟误差最小的一组试验,得到模拟准确度最高的参数化方案配置,最新的Shin-Hong边界层参数化方案配合MM5近地层方案,是本实施例中的最优参数化方案配置,Shin-Hong方案优化了边界层内的垂直输送,对风场预报的准确性影响很大。
步骤105:进而得到适用于高温天气下长三角地区风场模拟的配置方案。
通过前述步骤,得到适用于高温天气背景下长三角地区风场模拟的优化参数化配置方案,可应用到更多的风场模拟。
本实施例提供一种基于中尺度预报模式的高温天气下长三角地区的风场模拟方法,重点关注对边界层内风场模拟起决定性作用的边界层参数化方案,采用不同的配置进行试验,并进行局地优化,得到最适合该地区的参数化方案。利用更高分辨率的地形资料,例如MODIS30s分辨率的地表覆盖数据,对本实施例的模式配置进行优化。高温天气下的气象场模拟对土壤湿度的扰动有很强的敏感性,修改下垫面信息中与实际不符的关键部分,例如水体区域,提高下垫面的精度;校正土壤湿度,降低土壤湿度,削弱土壤蒸发、蒸腾作用,可以部分解决模式对高温天气敏感性差的问题。采用平均绝对误差、均方根误差和相关系数,通过统计的方法,将每小时的模拟风场和观测风场进行对比分析,计算出模拟误差最小的一组试验,得到模拟准确度最高的参数化方案配置,提高预报准确率,适用范围大。
以上示意性地对本发明创造及其实施方式进行了描述,该描述没有限制性,在不背离本发明的精神或者基本特征的情况下,能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一,实际的结构并不局限于此,权利要求中的任何附图标记不应限制所涉及的权利要求。所以,如果本领域的普通技术人员受其启示,在不脱离本创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本专利的保护范围。此外,“包括”一词不排除其他元件或步骤,在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。

Claims (10)

1.一种风场数值模拟方法,其特征在于,选取不同的边界层参数化方案和近地面层参数化方案,进行对比试验;对比试验模拟时采用双层嵌套模式,模拟时修正下垫面信息,得到模拟值;对比分析各组对比试验的风场模拟值与观测值,评估对比试验的风场模拟能力。
2.根据权利要求1所述的一种风场数值模拟方法,其特征在于,对比试验的风场模拟能力通过计算模拟值和观测值的平均绝对误差、均方根误差和相关系数进行评估,选择使用模拟值与观测值误差最小的一组试验的边界层参数化方案和近地面层参数化方案。
3.根据权利要求1或2所述的一种风场数值模拟方法,其特征在于,模拟时双重嵌套模拟的内层研究区域经纬度范围为118°E~123°E,29°N~33°N。
4.根据权利要求3所述的一种风场数值模拟方法,其特征在于,将对比试验物理参数中下垫面信息根据双重嵌套模拟的内层研究区域经纬度范围内地形资料进行修正。
5.根据权利要求4所述的一种风场数值模拟方法,其特征在于,风场数值模拟值的获取,通过进行对比试验进行模拟,根据模拟积分时长剔除自适应时间模拟数据,确认模拟值及样本数。
6.根据权利要求4所述的一种风场数值模拟方法,其特征在于,风场数值观测值,通过获取对比试验模拟区域地面站风场的逐时观测数据,将根据地面站获得的观测数据剔除异常值后得到观测值,所得到的观测值用以评估模式模拟准确度。
7.根据权利要求6所述的一种风场数值模拟方法,其特征在于,所述平均绝对误差计算公式为:MAE(ms-1)=(|Δ1|+|Δ2|+…+|Δn|)/n (1),
其中Δ1、Δ2、...、Δn为每次观测值和对应模拟值的误差,n为样本个数。
8.根据权利要求6所述的一种风场数值模拟方法,其特征在于,所述均方根误差计算公式为:
Figure FDA0002658279210000011
其中xn为观测值,
Figure FDA0002658279210000012
为观测值的平均数,n为样本个数。
9.根据权利要求6所述的一种风场数值模拟方法,其特征在于,所述相关系数计算公式为:
Figure FDA0002658279210000013
其中xn为第n个样本的观测值,yn为第n个样本的模拟值,
Figure FDA0002658279210000014
分别为观测值和模拟值的平均数,n为样本个数。
10.根据权利要求3所述的一种风场数值模拟方法,其特征在于,风场模拟时物理参数还包括物理过程方案、陆面过程方案、辐射方案和积云对流方案。
CN202010895428.2A 2020-08-31 2020-08-31 一种风场数值模拟方法 Pending CN112001090A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010895428.2A CN112001090A (zh) 2020-08-31 2020-08-31 一种风场数值模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010895428.2A CN112001090A (zh) 2020-08-31 2020-08-31 一种风场数值模拟方法

Publications (1)

Publication Number Publication Date
CN112001090A true CN112001090A (zh) 2020-11-27

Family

ID=73464794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010895428.2A Pending CN112001090A (zh) 2020-08-31 2020-08-31 一种风场数值模拟方法

Country Status (1)

Country Link
CN (1) CN112001090A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115755220A (zh) * 2022-10-21 2023-03-07 中国民用航空飞行学院 基于数值模拟与深度学习结合的机场突风预报和订正方法
CN117094254A (zh) * 2023-10-20 2023-11-21 自然资源部第一海洋研究所 基于风场敏感度参数提高海洋模式模拟精度的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930177A (zh) * 2012-11-23 2013-02-13 南京信息工程大学 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN103514328A (zh) * 2013-09-29 2014-01-15 国家电网公司 一种基于wrf的极端干旱地区风场模拟方法
CN107390298A (zh) * 2017-07-19 2017-11-24 云南电网有限责任公司电力科学研究院 一种复杂山地下垫面大风的模拟方法及装置
CN109543907A (zh) * 2018-11-23 2019-03-29 华润电力技术研究院有限公司 一种复杂地形风资源评估方法及其装置
CN110824585A (zh) * 2019-11-07 2020-02-21 中国科学院寒区旱区环境与工程研究所 一种测定复杂地形区大风起风机制的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930177A (zh) * 2012-11-23 2013-02-13 南京信息工程大学 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN103514328A (zh) * 2013-09-29 2014-01-15 国家电网公司 一种基于wrf的极端干旱地区风场模拟方法
CN107390298A (zh) * 2017-07-19 2017-11-24 云南电网有限责任公司电力科学研究院 一种复杂山地下垫面大风的模拟方法及装置
CN109543907A (zh) * 2018-11-23 2019-03-29 华润电力技术研究院有限公司 一种复杂地形风资源评估方法及其装置
CN110824585A (zh) * 2019-11-07 2020-02-21 中国科学院寒区旱区环境与工程研究所 一种测定复杂地形区大风起风机制的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YAN HAN ET AL.: "Multiscale simulation of wind field on a long-span bridge site in mountainous area", 《JOURNAL OF WIND ENGINEERING AND INDUSTRIAL AERODYNAMICS》, vol. 177, pages 261 - 269 *
徐锟: "基于城市冠层模式的成都市精细化气象场模拟与分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 5, pages 11 - 24 *
王坚红等: "海表温度与低层气温对江苏沿海冬季近地层风场特征影响研究", 《热带气象学报》, vol. 28, no. 6, pages 6 - 11 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115755220A (zh) * 2022-10-21 2023-03-07 中国民用航空飞行学院 基于数值模拟与深度学习结合的机场突风预报和订正方法
CN117094254A (zh) * 2023-10-20 2023-11-21 自然资源部第一海洋研究所 基于风场敏感度参数提高海洋模式模拟精度的方法及系统
CN117094254B (zh) * 2023-10-20 2024-01-09 自然资源部第一海洋研究所 基于风场敏感度参数提高海洋模式模拟精度的方法及系统

Similar Documents

Publication Publication Date Title
CN108983320B (zh) 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法
CN113297528B (zh) 一种基于多源大数据的no2高分辨率时空分布计算方法
CN102930177B (zh) 一种基于精细边界层模式的复杂地形风电场风速预测方法
CN111242404B (zh) 一种强降雨诱发洪灾事件的极端性评估方法及系统
CN112001090A (zh) 一种风场数值模拟方法
CN114186723A (zh) 一种基于时空关联的分布式光伏功率网格虚拟预测系统
KR101264873B1 (ko) 단계적 회귀 분석을 이용한 풍력 밀도 예측 방법
CN112100922A (zh) 一种基于wrf和cnn卷积神经网络的风资源预测方法
CN115544889A (zh) 基于深度学习的数值模式降水偏差校正方法
CN111666725A (zh) 一种适应非复杂地形风电场的测风塔规划选址方法及系统
CN114724647A (zh) 一种高时空分辨率co2通量反演系统及方法
KR101313822B1 (ko) 신경망 분석 기법을 이용한 풍력 밀도 예측 방법
Liu et al. Meshless surface wind speed field reconstruction based on machine learning
CN117172037B (zh) 一种分布式水文预报方法、装置、计算机设备及介质
CN117010546A (zh) 一种云南省次季节尺度温度异常的预测方法和装置
CN117273200A (zh) 一种基于卷积优化算法和Pyraformer神经网络的径流区间预报方法
CN115511192A (zh) 一种基于闪电资料同化的降水预报方法及系统
CN114878748B (zh) 一种co2排放量的监测方法及监测系统
CN113032510B (zh) 一种基于高斯权重的lbgm法初值扰动生成方法
CN115758856A (zh) 一种景观格局及气候变化对流域未来水质影响的研究方法
Ren et al. Characterizing wind fields at multiple temporal scales: A case study of the adjacent sea area of Guangdong–Hong Kong–Macao Greater Bay Area
Zhang et al. Gridded reconstruction of the population in the traditional cultivated region of China from 1776 to 1953
Liao et al. Spatial simulation of regional land use patterns based on GWR and CLUE-S model
CN113052352A (zh) 一种新能源场站风速预报订正方法和系统
Mao et al. Evaluation of urban multi-scale landscape ecological pattern based on open space classification: a case study in Xinxiang, China.

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