CN112036691A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112036691A CN112036691A CN202010725539.9A CN202010725539A CN112036691A CN 112036691 A CN112036691 A CN 112036691A CN 202010725539 A CN202010725539 A CN 202010725539A CN 112036691 A CN112036691 A CN 112036691A
- Authority
- CN
- China
- Prior art keywords
- model
- typhoon
- water level
- extreme
- estuary
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 59
- 238000004364 calculation method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000011160 research Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 238000012821 model calculation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001481789 Rupicapra Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
Abstract
本发明公开了一种基于JPM‑OS‑Q模型的河口地区极端风暴潮水位计算方法，其步骤包括：S1，建立水动力数值模型并验证模型的可靠性；S2，明确研究区域风暴潮极端水位的主要影响因素，引入上游径流量，建立各驱动要素的概率模型；S3，基于Monte Carlo随机模型生成天文潮以及基于历史典型台风生成随时间变化的台风路径和每个生成台风所引起的移动风场、气压场参数；S4，基于离散求积联合概率优化模型预测河口地区极端高水位。本发明提供的河口地区极端风暴潮计算方法，改进了原有JPM‑OS‑Q模型的参数选取及台风路径等设置，模拟计算河口地区高重现期的极端风暴潮高水位，提升极端水位预测水平，提高海洋防灾减灾能力，可广泛应用于河口地区极端风暴潮的计算。
Description
技术领域
本发明属于河口海岸工程地区极端水位的数字计算或数据处理领域，尤其涉及一种基于JPM-OS-Q模型的河口地区极端风暴潮水位计算方法。
背景技术
风暴潮灾害在自然灾害中居首位，其造成的经济损失和人员伤亡甚至超过地震和海啸。对于沿海地区，风暴潮灾害频繁对其地区经济持续、稳定、健康发展有重要制约作用，特别是河口地区，影响更甚。因此，准确掌握高重现期风暴极端水位这一最基本工程设计和安全参数才能有效减轻风暴潮灾害的损失。不同重现期风暴潮极端高水位的预测是海岸防洪减灾领域的核心。
目前常用的预测方法包括频率分析和数值模拟。频率分析方法的应用受限于验潮站数量的不足以及无法用于准确预测极端水位的短期实测样本数据；而数值模拟不需要历史潮位数据，可以通过不同组合来增加研究样本，因此可以用来解决历史水位数据不足的问题。数值模拟中比较常用的方法有EST（Empirical Simulation Technique）、MonteCarlo以及联合概率方法（Joint Probability Method。与前两种方法相比，联合概率方法（JPM）的预测精度仅受限于台风参数分布的计算精度。该方法因考虑当地台风参数的所有组合情况并给每种组合赋予适当的发生概率从而拥有理论优势。诸多前人研究表明联合概率方法是预测极端水位最适合的方法。
联合概率最优抽样（JPM-OS-Q: Quadrature JPM-OS）已经成为美国联邦应急管理局评估不同重现期极端水位的推荐方法。已有涉及联合概率的研究均没有考虑径流对水位的影响。值得注意的是在河口地区的风暴潮模拟中径流是一个关键的影响因素，忽视台风风暴潮与径流之间的相互作用可能导致河口地区极端水位的低估。
联合概率模型及其优化等方面为风暴潮极端高水位的预测积累了理论依据和有益的经验，然而已有方法在利用联合概率对风暴潮驱动要素的选取上缺少对径流影响的考虑，而径流这一因素已被证实对风暴潮有很重要的影响，尤其是在“三碰头”常发的河口地区径流影响更是不可忽视。
发明内容
为解决上述问题，本发明公开了一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法，包括以下步骤：
S1，建立水动力数值模型并验证模型的可靠性；
S2，明确研究区域风暴潮极端水位的主要影响因素，引入上游径流量，建立各驱动要素的概率模型；
S3，基于Monte Carlo随机模型生成天文潮以及基于历史典型台风生成随时间变化的台风路径和每个生成台风所引起的移动风场、气压场参数；
S4，基于离散求积联合概率优化模型预测河口地区极端高水位。
进一步的，所述步骤S1建立水动力数值模型，基于Delft3D非线性曲线网格和区域分解建模方法建立多因素驱动下长江口二维双向耦合大小嵌套模型，包含风场、水动力和波浪模型。结合一系列实测资料，对模型计算风速、有效波高、增水和水位进行验证，验证该模型对研究区域的水动力问题的复演能力。
进一步的，所述步骤S2明确研究区域风暴潮极端水位的主要影响因素，引入上游径流量，建立各驱动要素的概率模型，结合所使用的台风风场模型，最终确定联合概率分析参数和对应的概率模型，参数主要包括：台风登陆点或离海岸参考点最近处中心气压、移速、移动角度、与海岸参考点距离和上游径流。
进一步的，所述步骤S3基于Monte Carlo随机模型生成天文潮以及基于历史典型台风生成随时间变化的台风路径和每个生成台风所引起的移动风场、气压场参数，基于典型台风以及概率模型所生成的台风参数，为每组台风径流提供自起始时刻开始随时空变化的天文潮驱动力和台风历时数据，数据包括台风中心每小时坐标、移速和中心气压。结合台风风场模型，可计算每个生成台风所引起的移动风场和气压场。
进一步的，所述步骤S4基于离散求积联合概率优化模型计算河口地区极端高水位，每组驱动力结合水动力模型计算风暴潮水位，根据每个参数组合驱动计算所得极值高水位计算各站点指定重现期的极端高水位。
有益效果：
本发明相对于现有技术具有如下的优点及效果：引入上游径流量作为概率分析参数，结合水动力数值模型拓展了JPM-OS-Q模型应用范围，从而提出了河口地区基于JPM-OS-Q模型的极端风暴潮计算方法。本发明有助于提升极端水位预测水平，提高海洋防灾减灾能力，为各类海岸防护工程的安全提供保障。
附图说明
图1 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的步骤流程图。
图2 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的9711号台风期间风速、有效波高、增水和水位验证结果图。
图3 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的气压差、移速、移向、离海岸参考点距离以及六至十月份径流概率密度。
图4 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的台风中心气压差分组。
图5 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的各参数在模型中的相关距离取值。
图6 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的生成模拟台风路径示意图。
图7 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法的模型计算长江口代表站点年极值水位概率密度曲线（a、c和e中的[A1] ）与互补累积分布函数曲线（b、d和f）。
图8 为本发明一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法长江口代表站点极端水位模型预测值与已有资料数据对比（单位：米，上海吴淞高程）。
具体实施方式
为了更清楚明确的理解本发明技术内容，下面结合说明书附图对本发明的技术方案作进一步说明：
如图1所示，本实施例的一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法，包括以下步骤：
S1，建立水动力数值模型，基于Delft3D非线性曲线网格和区域分解建模方法建立多因素驱动下长江口二维双向耦合大小嵌套模型，包含风场、水动力和波浪模型。结合一系列实测资料，对模型计算风速、有效波高、增水和水位进行验证，验证该模型对研究区域的水动力问题具有较好的复演能力。
S2，明确研究区域风暴潮极端水位的主要影响因素，引入上游径流量，建立各驱动要素的概率模型，结合所使用的台风风场模型，最终确定联合概率分析参数和对应的概率模型，参数主要包括：台风登陆点或离海岸参考点最近处中心气压、移速、移动角度、与海岸参考点距离和上游径流。
S3，基于Monte Carlo随机模型生成天文潮以及基于历史典型台风生成随时间变化的台风路径和每个生成台风所引起的移动风场、气压场参数，基于典型台风以及概率模型所生成的台风参数，为每组台风径流提供自起始时刻开始随时空变化的天文潮驱动力和台风历时数据，数据包括台风中心每小时坐标、移速和中心气压。结合台风风场模型，可计算每个生成台风所引起的移动风场和气压场。
S4，基于离散求积联合概率优化模型计算河口地区极端高水位，每组驱动力结合水动力模型计算风暴潮水位，根据每个参数组合驱动计算所得极值高水位计算各站点指定重现期的极端高水位。
实施例1
本实施例选择长江口地区作为研究点。
建立水动力数值模型，模型范围覆盖了所有渤海和黄海海域以及大部分东海海域。模型北侧和西侧以大陆岸线为陆地边界，南面以北纬26.37°N为外海边界，东面以东经127.5°E为外海边界。此外，考虑到长江口较强的径流—风暴潮相互作用，长江下游江阴市处航段作为上游径流开边界。利用多组实测数据来对耦合模型进行验证，评估模型计算精度，具体包括9711号台风期间的风速、有效波高、风暴增水和水位。
如图2（a,b）所示，大戢山和石浦站两个气象站的实测风速资料被用于验证台风风场模型；如图2（c,d）所示，通过比较模型计算有效波高与南麂大陈两站点实测波高数据来进行波浪模型验证；如图2（e,f）所示，风暴增水在大戢山和石浦两个站点进行；如图2（g-j）所示，验证模型计算水位时间序列与实测数据。验证结果表明，所建立的长江口水动力模型能真实地模拟研究区域的潮流场和波浪场，模型计算结果与实测资料吻合良好，满足验证要求，表明整套模型对研究区域的水动力问题具有较好的复演能力。
选取包含22个登陆型台风和40个非登陆型台风在内的共计62个台风样本数据。所选62个台风样本均发生在6月至10月的台风季期间，因此，相应采用长江大通水文站1950～2015年每年6月至10月的逐日平均流量资料来统计分析长江入海径流。基于上述统计台风样本以及上游径流数据，可建立影响长江口风暴潮极端高水位的台风参数和上游径流的概率模型，
如图3所示。拟合结果表明台风中心气压差满足三参数威布尔分布、移速满足三参数对数正态分布、移动角度满足两参数威布尔分布、离海岸参考点距离满足广义极值分布、六月逐日平均流量满足广义极值分布、七月逐日平均流量满足耿贝尔分布、八月至十月则均可用对数Logistit分布表示。
基于本文筛选所得62组台风样本，台风季可定义为6月至10月，台风起始时刻（定义为台风登陆或台风最近经过前两天）在该时间段生成。与此同时，分析台风样本可知台风起始时刻在这几个月的分布并不均匀，6月至10月台风发生概率分别为4.84%、22.58%、51.61%、14.52%和6.45%。基于上述发生概率，可生成35个月份数据。在生成台风起始时刻过程中，假设台风在每个月份中每天的发生概率均相同，从而在每个月份数据条件下随机生成日期和时刻。与此同时，使用2016年作为代表年来计算天文潮。上述过程所生成的35组时间（年月日时刻）随后与下文所得35组台风径流生成参数随机一一对应，从而为每组台风径流提供自起始时刻开始随时空变化的天文潮驱动力。
考虑研究区域的特殊性以及所用数学模型特征在原模型方法基础上修改模型参数，引入上游径流，并进一步修改台风路径以及天文潮的模拟。如图4所示，将台风中心气压差这一重要参数分为两组。
如图5所示，综合考虑前人研究成果所给出的参数合理区间并考虑研究区域实际情况，给出各生成参数在贝叶斯求积过程中的相关距离取值。在每组台风中心气压差范围内，基于贝叶斯求积方法计算得出5个生成参数的联合概率，并最终生成35组不同的台风中心气压差、台风移速、移向、离海岸参考点距离和径流的参数组合以及每个组合所对应的概率。
基于8310号、9711号和0205号台风路径数据以及台风期间中心参数的历时变化与概率模型所生成的35组台风参数，生成111个台风历时数据，数据包括台风中心每小时坐标、移速和中心气压，其中生成台风的路径如图6所示。
选用吴淞、堡镇和横沙三个站点来计算分析各站点指定重现期的极端高水位。如图7所示，作出各站点极值水位的概率柱状图，转化为高斯分布曲线，最终可得水位的概率密度函数曲线。将生成的概率密度曲线从大到小累积相加即可获得水位的互补累积分布函数曲线，从而可进一步得出100年一遇和200年一遇极端高水位，上述三种重现期水位分别对应图中的纵坐标0.01和0.005。如图8所示，可获得个站点模型预测结果，将其与已有资料数据进行对比，比较结果表明基于离散求积联合概率优化模型计算河口地区极端高水位具有可行性和可靠性，该方法可适用于径流起较大作用的长江口水域。
上面结合附图对本发明的实施方式作了详细地说明，但是本发明并不局限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (5)
1.一种基于JPM-OS-Q模型的河口地区极端风暴潮水位计算方法，其特征在于，包括以下步骤：
S1，建立水动力数值模型并验证模型的可靠性；
S2，明确研究区域风暴潮极端水位的主要影响因素，引入上游径流量，建立各驱动要素的概率模型；
S3，基于Monte Carlo随机模型生成天文潮以及基于历史典型台风生成随时间变化的台风路径和每个生成台风所引起的移动风场、气压场参数；
S4，基于离散求积联合概率优化模型预测河口地区极端高水位。
2.根据权利要求1所述的一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法，其特征在于：所述步骤S1建立水动力数值模型，基于Delft3D非线性曲线网格和区域分解建模方法建立多因素驱动下河口二维双向耦合大小嵌套模型，所建数值模型包含风场、水动力和波浪模型；并结合实测资料，对模型计算风速、有效波高、增水和水位进行验证，验证模型对研究区域的水动力问题的复演能力。
3.根据权利要求1所述的一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法，其特征在于：所述步骤S2明确研究区域风暴潮极端水位的主要影响因素，引入上游径流量，建立各驱动要素的概率模型，结合所使用的台风风场模型，最终确定联合概率分析参数和对应的概率模型，参数包括：台风登陆点或离海岸参考点最近处中心气压、移速、移动角度、与海岸参考点距离和上游径流。
4.根据权利要求1所述的一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法，其特征在于：所述步骤S3基于Monte Carlo随机模型生成天文潮以及基于历史典型台风生成随时间变化的台风路径和每个生成台风所引起的移动风场、气压场参数，基于典型台风以及概率模型所生成的台风参数，为每组台风径流提供自起始时刻开始随时空变化的天文潮驱动力和台风历时数据，数据包括台风中心每小时坐标、移速和中心气压;结合台风风场模型，计算每个生成台风所引起的移动风场和气压场。
5.根据权利要求1所述的一种基于JPM-OS-Q模型的河口地区极端风暴潮计算方法，其特征在于：所述步骤S4基于离散求积联合概率优化模型预测河口地区极端高水位，每组驱动力结合水动力模型计算风暴潮水位，根据每个参数组合驱动计算所得极值高水位计算各站点指定重现期的极端高水位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010725539.9A CN112036691A (zh) | 2020-07-24 | 2020-07-24 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010725539.9A CN112036691A (zh) | 2020-07-24 | 2020-07-24 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112036691A true CN112036691A (zh) | 2020-12-04 |
Family
ID=73583109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010725539.9A Pending CN112036691A (zh) | 2020-07-24 | 2020-07-24 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112036691A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011501A (zh) * | 2021-03-22 | 2021-06-22 | 广东海启星海洋科技有限公司 | 基于图卷积神经网络进行台风水位预测的方法及装置 |
| CN115114873A (zh) * | 2022-08-31 | 2022-09-27 | 中国海洋大学 | 海洋环境重现期设计标准推算方法与系统 |
| CN117390894A (zh) * | 2023-12-08 | 2024-01-12 | 中国海洋大学 | 一种预测极端风暴潮位的方法 |
| CN117634325A (zh) * | 2024-01-26 | 2024-03-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 资料受限河口区域极值事件识别和复合洪水灾害研究方法和系统 |
| CN117688853A (zh) * | 2024-02-04 | 2024-03-12 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于短期潮位和长期气象资料的区域风暴潮破坏性评估方法及系统 |
| CN117709131A (zh) * | 2024-02-05 | 2024-03-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 近岸风暴潮高精度批量数值模拟方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
-
2020
- 2020-07-24 CN CN202010725539.9A patent/CN112036691A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘秋兴;李铖;: "上游洪水对台风风暴潮过程期间长江口水位的影响研究", 海洋通报, no. 02 * |
| 孙志林;黄森军;焦建格;聂会;: "河口区径流对台风暴潮影响研究", 天津大学学报(自然科学与工程技术版), no. 05 * |
| 殷锴: "Estimating extreme sea levels in Yangtze Estuary by quadrature Joint Probability Optimal Sampling Method", 《COASTAL ENGINEERING》, pages 331 - 341 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011501A (zh) * | 2021-03-22 | 2021-06-22 | 广东海启星海洋科技有限公司 | 基于图卷积神经网络进行台风水位预测的方法及装置 |
| CN113011501B (zh) * | 2021-03-22 | 2022-05-24 | 广东海启星海洋科技有限公司 | 基于图卷积神经网络进行台风水位预测的方法及装置 |
| CN115114873A (zh) * | 2022-08-31 | 2022-09-27 | 中国海洋大学 | 海洋环境重现期设计标准推算方法与系统 |
| CN117390894A (zh) * | 2023-12-08 | 2024-01-12 | 中国海洋大学 | 一种预测极端风暴潮位的方法 |
| CN117390894B (zh) * | 2023-12-08 | 2024-02-20 | 中国海洋大学 | 一种预测极端风暴潮位的方法 |
| CN117634325A (zh) * | 2024-01-26 | 2024-03-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 资料受限河口区域极值事件识别和复合洪水灾害研究方法和系统 |
| CN117634325B (zh) * | 2024-01-26 | 2024-04-02 | 水利部交通运输部国家能源局南京水利科学研究院 | 资料受限河口区域极值事件识别和复合洪水灾害分析方法和系统 |
| CN117688853A (zh) * | 2024-02-04 | 2024-03-12 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于短期潮位和长期气象资料的区域风暴潮破坏性评估方法及系统 |
| CN117688853B (zh) * | 2024-02-04 | 2024-04-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 基于短期潮位和长期气象资料的区域风暴潮破坏性评估方法及系统 |
| CN117709131A (zh) * | 2024-02-05 | 2024-03-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 近岸风暴潮高精度批量数值模拟方法及系统 |
| CN117709131B (zh) * | 2024-02-05 | 2024-04-23 | 水利部交通运输部国家能源局南京水利科学研究院 | 近岸风暴潮高精度批量数值模拟方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Ranasinghe et al. | Estimating coastal recession due to sea level rise: beyond the Bruun rule | |
| Weisse et al. | Wave climate and long-term changes for the Southern North Sea obtained from a high-resolution hindcast 1958–2002 | |
| Yang et al. | Regional flood frequency and spatial patterns analysis in the Pearl River Delta region using L-moments approach | |
| Warner et al. | Inner-shelf ocean dynamics and seafloor morphologic changes during Hurricane Sandy | |
| CN104732104A (zh) | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 | |
| 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 | |
| CN112085270A (zh) | 基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法 | |
| CN113128758B (zh) | 基于近海浮标海浪观测数据构建的最大浪高预报系统 | |
| Das et al. | A stochastic modelling approach to forecast real-time ice jam flood severity along the transborder (New Brunswick/Maine) Saint John River of North America | |
| Rojas et al. | Macquarie River floodplain flow modeling: implications for ecogeomorphology | |
| CN116467933A (zh) | 基于深度学习的风暴潮增水预测方法及系统 | |
| Marshall | The influence of restoration efforts in the freshwater Everglades on the salinity regime of Florida Bay | |
| CN115828637A (zh) | 近岸风、浪、潮位多因子联合确定极端参数的方法及系统 | |
| Camarasa et al. | Rainfall–runoff modelling of ephemeral streams in the Valencia region (eastern Spain) | |
| Yuk et al. | Modelling of storm-induced seawater flooding in the Suyeong River area, South Korea: A case study due to the storm surge and waves during Typhoon Sanba | |
| Murray | A sensitivity analysis for a tidally-influenced riverine system | |
| Schoenbaechler et al. | TxBLEND model calibration and validation for the Nueces estuary | |
| Kim et al. | Development of real-time forecasting technology for coastal disaster analysis | |
| Lee et al. | Effects of Large-Scale Coastal Construction on Storm Surge Height in Shallow Coastal Zones of the Yellow Sea, South Korea | |
| Kim et al. | Storm Surge Frequency Analysis of Major Coasts Along the Korean Peninsula Using Historical Typhoons | |
| Fang et al. | Research progress and prospect of coastal flood disaster risk assessment against global climate change | |
| Jinshan et al. | Numerical simulation of storm surge in the submerged radial sandbars of the Southern Yellow Sea, China | |
| Orton et al. | Hazard assessment from storm tides and rainfall on a tidal river estuary | |
| Zhang et al. | Elementary study on typhoon-induced coastal urban flooding under multiple factors: A case study in the city of Pearl River Delta (PRD) during Super Typhoon Mangkhut, 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 |