CN112232705A - 一种基于不确定性分析的区域溢油风险分析方法和装置 - Google Patents
一种基于不确定性分析的区域溢油风险分析方法和装置 Download PDFInfo
- Publication number
- CN112232705A CN112232705A CN202011226474.XA CN202011226474A CN112232705A CN 112232705 A CN112232705 A CN 112232705A CN 202011226474 A CN202011226474 A CN 202011226474A CN 112232705 A CN112232705 A CN 112232705A
- Authority
- CN
- China
- Prior art keywords
- oil spill
- sea area
- risk
- oil
- information
- 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
- 239000003305 oil spill Substances 0.000 title claims abstract description 297
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012502 risk assessment Methods 0.000 title claims abstract description 28
- 238000013076 uncertainty analysis Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 22
- 239000002245 particle Substances 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000011109 contamination Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000013277 forecasting method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012384 transportation and delivery 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于海洋污染研究技术领域,公开一种基于不确定性分析的区域溢油风险分析方法和装置。溢油风险分析方法包括以下步骤:获取目标海域的海洋环境信息以及历史溢油事件信息;根据海洋环境信息和历史溢油事件信息模拟计算溢油事故对目标海域的污染程度数据信息;根据污染程度数据信息计算目标海域的溢油风险指数,并根据溢油风险指数确定目标海域的溢油风险等级。本发明实施例中提供的溢油风险分析方法通过模拟当前海洋环境情况下发生溢油事件后对于海洋的污染程度,进而根据污染程度数据信息对目标海域的溢油风险指数进行计算,评估溢油风险,能够结合当前的海域海洋环境情况对溢油风险进行全方位的分析,分析得到的结果更加准确。
Description
技术领域
本发明属于海洋污染研究技术领域,具体涉及一种基于不确定性分析的区域溢油风险分析方法和装置。
背景技术
溢油风险分析是对海洋石油勘探开发或运输过程中发生的各种形式油品泄漏入海的概率与事故后果进行分析的过程。
在溢油风险分析研究领域,现有技术中发展了多种方法,主要包括概率论法、层次分析法、人工神经网络法、灰色系统理论及多种方法的综合评估等。其中,概率论法主要是对溢油统计数据进行了溢油事故发生次数、发生规模等概率特征的初步研究,研究认为溢油的发生概率可以利用每生产或运输一个单位的油能引起溢油事故的发生次数来表示,并采用时间段内输油管线的溢油历史纪录及溢油历史数据对溢油发生概率的计算公式进行修正,以期获得更为准确的溢油发生概率,但是,在现在的海洋环境中,海洋洋流复杂,历史借鉴的意义难以符合更实际的海洋情况,通过历史数据推测简单的无法有效灵活的与实际情况进行结合,难以保证准确性。此外,实际溢油事故发生时,一些重要的参数,如溢油量、溢油时间和溢油地点等,都具有一定的不确定性,基于传统确定性的溢油模型开展的溢油风险评估与实际情况往往存在一定差异。
可见,现有技术中的溢油风险评估主要只是单纯根据历史事件来对风险源的事故概率和风险进行测算,大多针对单一的风险源,或是对特定的溢油事故,是在确定性的典型情景条件下评估溢油风险。对于多溢油风险源的风险耦合和叠加效应以及溢油事故发生的不确定性层面体现不足,难以得到准确的风险评估结果。
发明内容
本发明实施例的目的在于提供一种基于不确定性分析的区域溢油风险分析方法和装置,旨在解决现有技术中针对单一的风险源,或是特定的溢油事故,在确定性的典型情景条件下评估溢油风险评估而导致的评估不准确的问题。
本发明实施例是这样实现的,一种基于不确定性分析的区域溢油风险分析方法,包括以下步骤:
获取目标海域的海洋环境信息以及历史溢油事件信息,所述历史溢油事件信息至少包括溢油发生时间、溢油地点和溢油量的随机取样结果;
根据所述海洋环境信息、设定时长的风场数据和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息;
根据所述污染程度数据信息计算所述目标海域的溢油风险指数,并根据所述溢油风险指数确定所述目标海域的溢油风险等级。
本发明实施例的另一目的在于提供一种基于不确定性分析的区域溢油风险分析装置,包括:
数据获取单元,用于获取目标海域的海洋环境信息以及历史溢油事件信息,所述历史溢油事件信息至少包括溢油发生时间、溢油地点和溢油量的随机取样结果;
污染程度计算单元,用于根据设定时长的风场数据、所述海洋环境信息和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息;
风险计算与评估单元,用于根据所述污染程度数据信息计算所述目标海域的溢油风险指数,并根据所述溢油风险指数确定所述目标海域的溢油风险等级
本发明实施例中提供的溢油风险分析方法,通过获取目标海域海洋环境信息,结合历史溢油事件信息,模拟当前海洋环境情况下发生溢油事件后对于海洋的污染程度,进而根据得到的污染程度数据信息来对目标海域的溢油风险指数进行计算,进一步评估溢油风险,借鉴历史溢油数据的同时,进行了溢油事故可能的发生时间、地点、溢油量等关键参数的随机采样,并结合当前的海域海洋环境情况对溢油风险进行全方位的分析,分析得到的结果更加准确。
附图说明
图1为本发明实施例提供的基于不确定性分析的区域溢油风险分析方法的流程图;
图2为本发明实施例提供的计算污染程度数据信息的流程图;
图3为本发明实施例提供的统计溢油污染特征参数的流程图;
图4为本发明实施例提供的计算溢油风险指数的流程图;
图5为本发明实施例提供的分析溢油风险等级的流程图;
图6为本发明实施例提供的溢油风险分析装置的结构框图;
图7为一个实施例中计算机设备的内部结构框图。
图8为本发明实施例提供的基于不确定性分析的区域溢油风险分析方法的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
实施例1
本发明实施例中的溢油风险分析方法可以应用在计算机设备或者终端中,计算机设备可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。
如图1和8所示,在一个实施例中,提出了一种基于不确定性分析的区域溢油风险分析方法,本实施例主要以该方法应用于上述计算机设备来举例说明。一种基于不确定性分析的区域溢油风险分析方法,具体可以包括以下步骤:
步骤S102,获取目标海域的海洋环境信息以及历史溢油事件信息,所述历史溢油事件信息至少包括溢油发生时间、溢油地点和溢油量的随机取样结果;
步骤S104,根据所述海洋环境信息、设定时长的风场数据和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息;
步骤S106,根据污染程度数据信息计算目标海域的溢油风险指数,并根据溢油风险指数确定目标海域的溢油风险等级。
在本发明实施例中,溢油事件的发生极大地受到当时海洋环境的影响,天气、洋流等都能够影响到事故的发生;海洋环境信息主要包括洋流情况,在本领域中,对于海洋洋流的监控统计已经属于成熟的技术,存在很多公开开放的大数据统计平台可以获得海洋环境信息,比如中国海洋信息网等数据平台,在本发明实施例中不详细的罗列获取海洋环境信息的各种途径,本领域技术人员可以根据实际需要从现有技术中获取,另外还可以针对性的设计规划监测计划对目标海域进行监测,对于海洋洋流的监测属于现有技术,通常通过设置大量浮标进行监测,对于海洋海域的洋流监测不是本发明的重点,在此不进一步的展开描述。
具体的,本发明实施例中采取一种获取海洋环境信息的方式,本发明采用非结构化三角形网格下FVCOM模式的二维模型,能够精细拟合复杂岸线,提供目标海域的海洋流场信息。模型的初始流速和初始潮位均取为0,模型边界分为开边界和闭边界,计算区域开边界水位设定按照潮位预报方法计算获得,计算区域水陆边界设置为闭边界条件,闭边界处的法向速度为零,采用有限体积法对模型进行求解,获得计算目标海域长时间的潮位、流场等海洋环境信息。
在一个实施例中,如图2所示,为本发明实施例中计算污染程度数据信息的流程图,步骤S104,具体包括:
步骤S202,将海洋环境信息和历史溢油事件信息输入预设的油粒子追踪模型中,模拟溢油事故的发生;
步骤S204,统计大样本情景模拟事故发生后预设时间段内的目标海域的溢油污染特征参数;
步骤S206,根据溢油污染特征参数计算溢油事故对目标海域的污染程度数据信息。
在本发明实施例中,油粒子追踪模型在本领域中多种多样,主要是利用粒子追踪算法的原理,在本领域中,对于油粒子的追踪具体方案有很多,在此不进行限制。
具体的,本发明实施例采用成熟的基于拉格朗日追踪的“油粒子”溢油轨迹模型,进行溢油事故的模拟分析,进而开展基于溢油事故发生的不确定性分析的溢油轨迹漂移预测情景计算,溢油轨迹模型输入为包括设定时长的风场数据、流场数据等海洋环境信息以及大样本的溢油事故情景进行模拟,输出结果为溢油对周边海域的污染程度信息。本发明实施例中具体是通过对溢油发生时间、溢油发生地点和溢油量等重要输入参数进行不确定性分析,对上述参数在其可能发生的区间内进行采样,得到大样本采样数作为溢油模拟情景的输入数据,对每一个样本数均进行模型运算并记录模拟结果。对于上述参数具体的采样技术描述如下:
溢油发生时间。由于溢油在水面的迁移扩散主要受水文气象的影响,溢油时间的采样空间主要受制于水文气象的采样时间长度。水文和气象两个参数各有其相对稳定的时间周期范围,应选择两者中较大时间范围作为溢油时间的采样空间,本发明中溢油时间采样空间为10年。溢油起始时间可在上述时间范围内进行大样本情景随机采样。对溢油时间的随机采样,可等同于对水文、气象等条件的随机采样。
溢油发生地点。根据评估海域的海洋开发活动和海洋经济产业的现状及相关规划,识别可能发生溢油事故的基础设施或地点作为事故地点的采样空间,在上述采样空间内对溢油地点进行随机采样或全部穷举,依次输入溢油轨迹预报模型。应保证采样空间内的溢油点分布规律被完整的体现。
溢油量。依据评估海域范围内风险源自身的特征和事故统计相结合来确定溢油量采样空间,如考虑油品储罐容量、油轮舱容、石油平台产量等推算可能发生的最小和最大溢油量,从而得出溢油规模的采样空间,并采用随机采样法在此空间内进行大样本随机采样。需要保证足够的样本数以体现溢油量在空间内的分布规律。
通过上述三个参数的随机采样,结合拉格朗日油粒子追踪模型,实现溢油事故大样本的情景模拟计算,得到溢油对周边海域的污染概率、影响时间、油膜体积、油膜厚度等污染程度数据信息。本领域技术人员可以理解的是,拉格朗日油粒子追踪模型属于本领域的常用模型,本领域技术人员可以根据需要得到的参数数据进行相应的操作使用,在此不进一步的详细展开。
在一个实施例中,海洋环境信息至少包括目标海域的海域空间模型信息,如图3所示,为本发明实施例中统计溢油污染特征参数的流程图,步骤S204,具体包括:
步骤S302,根据海域空间模型信息划分目标海域,形成多个海域单元;
步骤S304,统计模拟事故发生后预设时间段内的各个海域单元的溢油污染特征参数。
在本发明实施例中,目标海域的划分在海洋海域划分中有各种各样的划分方式,比如,本发明实施例中举例通过ArcGIS地理网格划分技术对目标海域进行海域单元划分。ArcGIS是Esri公司集40余年地理信息系统(GIS)咨询和研发经验,奉献给用户的一套完整的GIS平台产品,具有强大的地图制作、空间数据管理、空间分析、空间信息整合、发布与共享的能力,在利用ArcGIS处理数据时,可以对整个工作区域进行规则网格划分。上述软件平台仅是对目标海域划分的一种举例方式,主要在于说明对于目标海域的划分本领域技术人员可以根据上述描述或者本领域的其他常规手段实现,并非对海域划分方式的严格限制。
另外,还可以认为划分目标海域,本发明实施例中给出一种划分目标海域的基本原理和原则,对于海域单元划分应体现如下原则:①管辖单一原则。尽量维持辖区现有界线情况,空间单元不应兼属两个或多个海事管理机构管理;②管理便捷原则。监管对象分布、执法资源及设备分布,力求平衡,空间单元内的应急力量和执法资源应当能够满足在限定的时间内到达。③无缝衔接原则。空间单元之间的边界应无缝衔接,不遗漏、不重叠;④差异化原则。海域空间单元应能够体现辖区各海事局的管辖海域溢油风险水平等要素的空间差异,能够体现辖区各港区的空间布局、溢油应急设备库覆盖范围、用海活动强度以及海域溢油风险水平和溢油应急时空要求的差异。下面以全国海域空间单元划分为例进行说明。我国大陆岸线长1.8万公里,全国沿海主要港口和地区性重要港口共51个,港口间平均距离为190海里;全国沿海县(区)共185个,平均每个县(区)占据海岸线约50海里。根据《国家船舶溢油应急设备库设备配置管理规定》,小型溢油应急设备库服务半径为60海里。综合考虑以上因素以及空间精度和计算效率的均衡,可设定空间单元长度为小型溢油应急设备库服务半径的1/4,即边长15海里。
在一个实施例中,历史溢油事件信息还包括溢油风险源信息,如图4所示,为本发明实施例中计算溢油风险指数的流程图,步骤S106中根据污染程度数据信息计算目标海域的溢油风险指数,具体包括:
步骤S402,根据溢油风险源信息确定风险源;
步骤S404,针对不同的风险源,根据污染程度数据信息计算目标海域包含的各个海域单元的溢油风险指数。
在本发明实施例中,风险源主要是指历史溢油事件信息中,发生过溢油事件的地点,将其当做一个风险源进行分析,分析其所发生的的溢油事故对目标海域的影响。
在一个实施例中,所述溢油污染特征参数包括所述海域单元溢油受污染概率、油膜厚度和最短到达时间;步骤S206中根据溢油污染特征参数计算溢油事故对目标海域的污染程度数据信息,可以用以下公式表示:
Tij=min(tij)
其中,所述污染程度数据信息包括Pij和Hij;Pij为第i个风险源对第j个海域单元的污染概率;Nij为第i个风险源对第j个海域单元的污染次数;N为通过第i个风险源进行溢油事故模拟的次数;Hij为第i个风险源在第j个海域单元模拟污染后的最大油膜厚度;Vij为第i个风险源在第j个海域单元模拟污染后的溢油体积;Aj为海域单元j的面积;Tij为第i个风险源到达第j个地理空间单元的最短时间;tij为所有历史溢油事件第i个风险源到达第j个海域单元的时间集合。
具体的,本发明实施例中涉及的上述参数均可以通过将历史溢油事件信息和海洋环境信息输入到前述本发明实施例中提供的拉格朗日油粒子追踪模型得来,在此不进一步的重复描述。
在一个实施例中,步骤S404中针对不同的风险源,根据污染程度数据信息计算目标海域包含的各个海域单元的溢油风险指数,可以用下列公式表示:
OSRIij=wi×OSPIij×Sj
其中,OSPIij为第i个风险源在第j个海域单元的溢油污染影响指数;Hij’为标准化最大油膜厚度;Tij’为标准化最短油膜到达时间;OSRIij为第i个风险源在第j个海域单元的溢油风险指数;wi为第i个风险源发生事故的相对概率,即第i个风险源发生的溢油事故次数占目标海域内所有风险源溢油事故总数的比例,可根据目标海域的历史溢油事件信息统计得来;Sj为第j个海域单元的环境敏感系数,其为预设值。
在一个实施例中,如图5所示,为本发明实施例中分析溢油风险等级的流程图,步骤S106中根据溢油风险指数确定目标海域的溢油风险等级,具体包括:
步骤S502,将所有风险源在单个海域单元上的溢油风险指数进行叠加,得到单个海域单元的溢油风险指数总值;和/或
步骤S504,将单个风险源在所有海域单元上的溢油风险指数进行求和,得到单个风险源的综合溢油风险指数;
步骤S506,根据溢油风险指数总值和/或综合溢油风险指数按照预设的等级划分规则划分目标区域中各个海域单元的溢油风险等级。
其中,考虑所有风险源在某一个海域单元上的溢油风险指数叠加情况,从而有效的分析该海域单元的风险情况,比如,如果一个海域单元其受到各个风险源的影响都比较大,各个风险源已有对其产生的影响的指标(即溢油风险指数)都比较大,那么可以确定目标海域内该海域单元极易受到以溢油污染的影响,溢油风险也比较高;相反则同理推测,在此不进一步的描述。
另外,考虑单个风险源在所有海域单元上的溢油风险指数进行求和,可以得到单个风险源其溢油风险的影响力,再结合该风险源对应发生的地点时间,从而更加有效全面的评估风险源发生的规律以及相应的影响力。
具体的,在本发明实施例中,预设的等级划分规则可以是将综合溢油风险指数按照大小排序的前10%区域设为高风险区;前10%~25%的区域设为较高风险区;前25%~50%的区域设为中等风险区;前50%~75%的区域设为较低风险区;其余设为低风险区。此外,还可以通过溢油风险指数总值排序识别全海域的关键风险源,通过高风险区的溢油风险指数总值识别各高风险区的关键风险源。据此可设计撤销单个或多个风险源及管控单个或多个风险源等管控策略,开展其对特定高风险区和全海域溢油风险分布以及风险等级的管控。
本发明实施例中提供的溢油风险分析方法,通过获取目标海域海洋环境信息,结合历史溢油事件信息,模拟当前海洋环境情况下发生溢油事件后对于海洋的污染程度,进而根据得到的污染程度数据信息来对目标海域的溢油风险指数进行计算,进一步评估溢油风险,借鉴历史溢油数据的同时,进行了溢油事故可能的发生时间、地点、溢油量等关键参数的随机采样,还能够结合当前的海域海洋环境情况对溢油风险进行全方位的分析,分析得到的结果更加准确。
实施例2
如图6所示,在一个实施例中,提供了一种基于不确定性分析的区域溢油风险分析装置,该装置可以集成于上述的计算机设备中,具体可以包括:
数据获取单元610,用于获取目标海域的海洋环境信息以及历史溢油事件信息,所述历史溢油事件信息至少包括溢油发生时间、溢油地点和溢油量的随机取样结果;
污染程度计算单元620,用于根据设定时长的风场数据、所述海洋环境信息和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息;
风险计算与评估单元630,用于根据所述污染程度数据信息计算所述目标海域的溢油风险指数,并根据所述溢油风险指数确定所述目标海域的溢油风险等级。
在本发明实施例中,溢油事件的发生极大地受到当时海洋环境的影响,天气、洋流等都能够影响到事故的发生;海洋环境信息主要包括洋流情况,在本领域中,对于海洋洋流的监控统计已经属于成熟的技术,存在很多公开开放的大数据统计平台可以获得海洋环境信息,比如中国海洋信息网等数据平台,在本发明实施例中不详细的罗列获取海洋环境信息的各种途径,本领域技术人员可以根据实际需要从现有技术中获取,另外还可以针对性的设计规划监测计划对目标海域进行监测,对于海洋洋流的监测属于现有技术,通常通过设置大量浮标进行监测,对于海洋海域的洋流监测不是本发明的重点,在此不进一步的展开描述。
具体的,本发明实施例中采取一种获取海洋环境信息的方式,本发明采用非结构化三角形网格下FVCOM模式的二维模型,能够精细拟合复杂岸线,提供目标海域的海洋流场信息。模型的初始流速和初始潮位均取为0,模型边界分为开边界和闭边界,计算区域开边界水位设定按照潮位预报方法计算获得,计算区域水陆边界设置为闭边界条件,闭边界处的法向速度为零,采用有限体积法对模型进行求解,获得计算目标海域长时间的潮位、流场等海洋环境信息。
在一个实施例中,污染程度计算单元620根据所述海洋环境信息和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息,具体包括:
将设定时长的风场数据、所述海洋环境信息和所述历史溢油事件信息输入预设的油粒子追踪模型中,模拟溢油事故的发生;
统计大样本情景模拟事故发生后预设时间段内的所述目标海域的溢油污染特征参数;
根据所述溢油污染特征参数计算溢油事故对所述目标海域的污染程度数据信息。
在本发明实施例中,油粒子追踪模型在本领域中多种多样,主要是利用粒子追踪算法的原理,在本领域中,对于油粒子的追踪具体方案有很多,在此不进行限制。
具体的,本发明实施例采用成熟的基于拉格朗日追踪的“油粒子”溢油轨迹模型,进行溢油事故的模拟分析,进而开展基于溢油事故发生的不确定性分析的溢油轨迹漂移预测情景计算,溢油轨迹模型输入为包括设定时长的风场数据、流场数据等海洋环境信息以及大样本的溢油事故情景进行模拟,输出结果为溢油对周边海域的污染程度信息。本发明实施例中具体是通过对溢油发生时间、溢油发生地点和溢油量等重要输入参数进行不确定性分析,对上述参数在其可能发生的区间内进行采样,得到大样本采样数作为溢油模拟情景的输入数据,对每一个样本数均进行模型运算并记录模拟结果。对于上述参数具体的采样技术描述如下:
溢油发生时间。由于溢油在水面的迁移扩散主要受水文气象的影响,溢油时间的采样空间主要受制于水文气象的采样时间长度。水文和气象两个参数各有其相对稳定的时间周期范围,应选择两者中较大时间范围作为溢油时间的采样空间,本发明中溢油时间采样空间为10年。溢油起始时间可在上述时间范围内进行大样本情景随机采样。对溢油时间的随机采样,可等同于对水文、气象等条件的随机采样。
溢油发生地点。根据评估海域的海洋开发活动和海洋经济产业的现状及相关规划,识别可能发生溢油事故的基础设施或地点作为事故地点的采样空间,在上述采样空间内对溢油地点进行随机采样或全部穷举,依次输入溢油轨迹预报模型。应保证采样空间内的溢油点分布规律被完整的体现。
溢油量。依据评估海域范围内风险源自身的特征和事故统计相结合来确定溢油量采样空间,如考虑油品储罐容量、油轮舱容、石油平台产量等推算可能发生的最小和最大溢油量,从而得出溢油规模的采样空间,并采用随机采样法在此空间内进行大样本随机采样。需要保证足够的样本数以体现溢油量在空间内的分布规律。
通过上述三个参数的随机采样,结合拉格朗日油粒子追踪模型,实现溢油事故大样本的情景模拟计算,得到溢油对周边海域的污染概率、影响时间、油膜体积、油膜厚度等污染程度数据信息。本领域技术人员可以理解的是,拉格朗日油粒子追踪模型属于本领域的常用模型,本领域技术人员可以根据需要得到的参数数据进行相应的操作使用,在此不进一步的详细展开。
在一个实施例中,海洋环境信息至少包括目标海域的海域空间模型信息,污染程度计算单元620统计模拟事故发生后预设时间段内的目标海域的溢油污染特征参数,具体包括:
根据海域空间模型信息划分目标海域,形成多个海域单元;
统计模拟事故发生后预设时间段内的各个海域单元的溢油污染特征参数。
在本发明实施例中,目标海域的划分在海洋海域划分中有各种各样的划分方式,比如,本发明实施例中举例通过ArcGIS地理网格划分技术对目标海域进行海域单元划分。ArcGIS是Esri公司集40余年地理信息系统(GIS)咨询和研发经验,奉献给用户的一套完整的GIS平台产品,具有强大的地图制作、空间数据管理、空间分析、空间信息整合、发布与共享的能力,在利用ArcGIS处理数据时,可以对整个工作区域进行规则网格划分。上述软件平台仅是对目标海域划分的一种举例方式,主要在于说明对于目标海域的划分本领域技术人员可以根据上述描述或者本领域的其他常规手段实现,并非对海域划分方式的严格限制。
另外,还可以认为划分目标海域,本发明实施例中给出一种划分目标海域的基本原理和原则,对于海域单元划分应体现如下原则:①管辖单一原则。尽量维持辖区现有界线情况,空间单元不应兼属两个或多个海事管理机构管理;②管理便捷原则。监管对象分布、执法资源及设备分布,力求平衡,空间单元内的应急力量和执法资源应当能够满足在限定的时间内到达。③无缝衔接原则。空间单元之间的边界应无缝衔接,不遗漏、不重叠;④差异化原则。海域空间单元应能够体现辖区各海事局的管辖海域溢油风险水平等要素的空间差异,能够体现辖区各港区的空间布局、溢油应急设备库覆盖范围、用海活动强度以及海域溢油风险水平和溢油应急时空要求的差异。下面以全国海域空间单元划分为例进行说明。我国大陆岸线长1.8万公里,全国沿海主要港口和地区性重要港口共51个,港口间平均距离为190海里;全国沿海县(区)共185个,平均每个县(区)占据海岸线约50海里。根据《国家船舶溢油应急设备库设备配置管理规定》,小型溢油应急设备库服务半径为60海里。综合考虑以上因素以及空间精度和计算效率的均衡,可设定空间单元长度为小型溢油应急设备库服务半径的1/4,即边长15海里。
在一个实施例中,历史溢油事件信息至少包括溢油风险源信息,风险计算与评估单元630根据污染程度数据信息计算目标海域的溢油风险指数,具体包括:
根据溢油风险源信息确定风险源;
针对不同的风险源,根据污染程度数据信息计算目标海域包含的各个海域单元的溢油风险指数。
在本发明实施例中,风险源主要是指历史溢油事件信息中,发生过溢油事件的地点,将其当做一个风险源进行分析,分析其溢油事故对目标海域的影响。
在一个实施例中,所述溢油污染特征参数包括所述海域单元溢油受污染概率、油膜厚度和最短到达时间;步骤S206中根据溢油污染特征参数计算溢油事故对目标海域的污染程度数据信息,可以用以下公式表示:
Tij=min(tij)
其中,所述污染程度数据信息包括Pij和Hij;Pij为第i个风险源对第j个海域单元的污染概率;Nij为第i个风险源对第j个海域单元的污染次数;N为通过第i个风险源进行溢油事故模拟的次数;Hij为第i个风险源在第j个海域单元模拟污染后的最大油膜厚度;Vij为第i个风险源在第j个海域单元模拟污染后的溢油体积;Aj为海域单元j的面积;Tij为第i个风险源到达第j个地理空间单元的最短时间;tij为所有历史溢油事件第i个风险源到达第j个海域单元的时间集合。
具体的,本发明实施例中涉及的上述参数均可以通过将历史溢油事件信息和海洋环境信息输入到前述本发明实施例中提供的拉格朗日油粒子追踪模型得来,在此不进一步的重复描述。
在一个实施例中,风险计算与评估单元630针对不同的风险源,根据污染程度数据信息计算目标海域包含的各个海域单元的溢油风险指数,可以用下列公式表示:
OSRIij=wi×OSPIij×Sj
其中,OSPIij为第i个风险源在第j个海域单元的溢油污染影响指数;Hij′为标准化最大油膜厚度;Tij’为标准化最短油膜到达时间;OSRIij为第i个风险源在第j个海域单元的溢油风险指数;wi为第i个风险源发生事故的相对概率,即第i个风险源发生的溢油事故次数占目标海域内所有风险源溢油事故总数的比例,可根据目标海域的历史溢油事件信息统计得来;Sj为第j个海域单元的环境敏感系数,其为预设值。
在一个实施例中,风险计算与评估单元630根据溢油风险指数确定目标海域的溢油风险等级,具体包括:
将所有风险源在单个海域单元上的溢油风险指数进行叠加,得到单个海域单元的溢油风险指数总值;和/或
将单个风险源在所有海域单元上的溢油风险指数进行求和,得到单个风险源的综合溢油风险指数;
根据溢油风险指数总值和/或综合溢油风险指数按照预设的等级划分规则划分目标区域中各个海域单元的溢油风险等级。
其中,考虑所有风险源在某一个海域单元上的溢油风险指数叠加情况,从而有效的分析该海域单元的风险情况,比如,如果一个海域单元其受到各个风险源的影响都比较大,各个风险源已有对其产生的影响的指标(即溢油风险指数)都比较大,那么可以确定目标海域内该海域单元极易受到以溢油污染的影响,溢油风险也比较高;相反则同理推测,在此不进一步的描述。
另外,考虑单个风险源在所有海域单元上的溢油风险指数进行求和,可以得到单个风险源其溢油风险的影响力,再结合该风险源对应发生的地点时间,从而更加有效全面的评估风险源发生的规律以及相应的影响力。
具体的,在本发明实施例中,预设的等级划分规则可以是将综合溢油风险指数按照大小排序的前10%区域设为高风险区;前10%~25%的区域设为较高风险区;前25%~50%的区域设为中等风险区;前50%~75%的区域设为较低风险区;其余设为低风险区。此外,还可以通过溢油风险指数总值排序识别全海域的关键风险源,通过高风险区的溢油风险指数总值识别各高风险区的关键风险源。据此可设计撤销单个或多个风险源及管控单个或多个风险源等管控策略,开展其对特定高风险区和全海域溢油风险分布以及风险等级的管控。
本发明实施例中提供的溢油风险分析装置,通过获取目标海域海洋环境信息,结合历史溢油事件信息,模拟当前海洋环境情况下发生溢油事件后对于海洋的污染程度,进而根据得到的污染程度数据信息来对目标海域的溢油风险指数进行计算,进一步评估溢油风险,借鉴历史溢油数据的同时,进行了溢油事故可能的发生时间、地点、溢油量等关键参数的随机采样,还能够结合当前的海域海洋环境情况对溢油风险进行全方位的分析,分析得到的结果更加准确。
实施例3
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取目标海域的海洋环境信息以及历史溢油事件信息;
根据海洋环境信息和历史溢油事件信息模拟计算溢油事故对目标海域的污染程度数据信息;
根据污染程度数据信息计算目标海域的溢油风险指数,并根据溢油风险指数确定目标海域的溢油风险等级。
图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器。还可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。如图7所示,该计算机设备包括该计算机设备包括通过系统总线链接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现溢油风险分析方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行溢油风险分析方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
实施例4
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
获取目标海域的海洋环境信息以及历史溢油事件信息;
根据海洋环境信息和历史溢油事件信息模拟计算溢油事故对目标海域的污染程度数据信息;
根据污染程度数据信息计算目标海域的溢油风险指数,并根据溢油风险指数确定目标海域的溢油风险等级。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于不确定性分析的区域溢油风险分析方法,其特征在于,包括以下步骤:
获取目标海域的海洋环境信息以及历史溢油事件信息,所述历史溢油事件信息至少包括溢油发生时间、溢油地点和溢油量的随机取样结果;
根据所述海洋环境信息、设定时长的风场数据和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息;
根据所述污染程度数据信息计算所述目标海域的溢油风险指数,并根据所述溢油风险指数确定所述目标海域的溢油风险等级。
2.根据权利要求1所述的方法,其特征在于,所述根据所述海洋环境信息和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息的步骤,具体包括:
将设定时长的风场数据、所述海洋环境信息和所述历史溢油事件信息输入预设的油粒子追踪模型中,模拟溢油事故的发生;
统计大样本情景模拟事故发生后预设时间段内的所述目标海域的溢油污染特征参数;
根据所述溢油污染特征参数计算溢油事故对所述目标海域的污染程度数据信息。
3.根据权利要求2所述的方法,其特征在于,所述海洋环境信息至少包括所述目标海域的海域空间模型信息,所述统计模拟事故发生后预设时间段内的所述目标海域的溢油污染特征参数的步骤,具体包括:
根据所述海域空间模型信息划分所述目标海域,形成多个海域单元;
统计模拟事故发生后预设时间段内的各个所述海域单元的溢油污染特征参数。
4.根据权利要求3所述的方法,其特征在于,所述历史溢油事件信息还包括溢油风险源信息,所述根据所述污染程度数据信息计算所述目标海域的溢油风险指数的步骤,具体包括:
根据所述溢油风险源信息确定风险源;
针对不同的风险源,根据所述污染程度数据信息计算所述目标海域包含的各个所述海域单元的溢油风险指数。
5.根据权利要求4所述的方法,其特征在于,所述溢油污染特征参数包括所述海域单元溢油受污染概率、油膜厚度和最短到达时间;所述根据所述溢油污染特征参数计算溢油事故对所述目标海域的污染程度数据信息,可以用以下公式表示:
Tij=min(tij)
其中,所述污染程度数据信息包括Pij和Hij;Pij为第i个风险源对第j个海域单元的污染概率;Nij为第i个风险源对第j个海域单元的污染次数;N为通过第i个风险源进行溢油事故模拟的次数;Hij为第i个风险源在第j个海域单元模拟污染后的最大油膜厚度;Vij为第i个风险源在第j个海域单元模拟污染后的溢油体积;Aj为海域单元j的面积;Tij为第i个风险源到达第j个地理空间单元的最短时间;tij为所有历史溢油事件第i个风险源到达第j个海域单元的时间集合。
6.根据权利要求5所述的方法,其特征在于,所述针对不同的风险源,根据所述污染程度数据信息计算所述目标海域包含的各个所述海域单元的溢油风险指数,可以用下列公式表示:
OSRIij=wi×OSPIij×Sj
其中,OSPIij为第i个风险源在第j个海域单元的溢油污染影响指数;Hij,为标准化最大油膜厚度;Tij’为标准化最短油膜到达时间;OSRIij为第i个风险源在第j个海域单元的溢油风险指数;wi为第i个风险源发生事故的相对概率,即第i个风险源发生的溢油事故次数占所述目标海域内所有风险源溢油事故总数的比例,可根据所述目标海域的所述历史溢油事件信息统计得来;Sj为第j个海域单元的环境敏感系数,其为预设值。
7.根据权利要求4所述的方法,其特征在于,所述根据所述溢油风险指数确定所述目标海域的溢油风险等级的步骤,具体包括:
将所有所述风险源在单个所述海域单元上的溢油风险指数进行叠加,得到单个所述海域单元的溢油风险指数总值;和/或
将单个所述风险源在所有所述海域单元上的溢油风险指数进行求和,得到单个所述风险源的综合溢油风险指数;
根据所述溢油风险指数总值和/或所述综合溢油风险指数按照预设的等级划分规则划分所述目标区域中各个所述海域单元的溢油风险等级。
8.一种基于不确定性分析的区域溢油风险分析装置,其特征在于,包括:
数据获取单元,用于获取目标海域的海洋环境信息以及历史溢油事件信息,所述历史溢油事件信息至少包括溢油发生时间、溢油地点和溢油量的随机取样结果;
污染程度计算单元,用于根据设定时长的风场数据、所述海洋环境信息和所述历史溢油事件信息模拟计算溢油事故对所述目标海域的污染程度数据信息;
风险计算与评估单元,用于根据所述污染程度数据信息计算所述目标海域的溢油风险指数,并根据所述溢油风险指数确定所述目标海域的溢油风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011226474.XA CN112232705B (zh) | 2020-11-05 | 2020-11-05 | 一种基于不确定性分析的区域溢油风险分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011226474.XA CN112232705B (zh) | 2020-11-05 | 2020-11-05 | 一种基于不确定性分析的区域溢油风险分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232705A true CN112232705A (zh) | 2021-01-15 |
CN112232705B CN112232705B (zh) | 2023-09-01 |
Family
ID=74122786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011226474.XA Active CN112232705B (zh) | 2020-11-05 | 2020-11-05 | 一种基于不确定性分析的区域溢油风险分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232705B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018391A (zh) * | 2022-08-05 | 2022-09-06 | 交通运输部规划研究院 | 一种基于多源数据的溢油风险定量预测方法 |
CN117470250A (zh) * | 2023-12-27 | 2024-01-30 | 广东电网有限责任公司阳江供电局 | 一种水下巡检机器人导航方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009056777A1 (de) * | 2009-12-03 | 2011-06-09 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | System und Verfahren zum Segmentieren einer Zielregion in räumliche Warneinheiten eines sensorgestützten Frühwarnsystems |
CN102955887A (zh) * | 2011-08-19 | 2013-03-06 | 中国石油天然气股份有限公司 | 陆上管道油品泄漏对水体影响的判别方法 |
KR101534620B1 (ko) * | 2014-01-22 | 2015-07-24 | 한국해양과학기술원 | 해상 유출유 탐지 방법 및 장치 |
CN105160681A (zh) * | 2015-09-09 | 2015-12-16 | 浙江海洋学院 | 一种海面溢油监测方法及装置 |
CN205374736U (zh) * | 2016-03-03 | 2016-07-06 | 厦门蓝海天信息技术有限公司 | 一种基于动态监测的海上溢油预测系统 |
CN106339796A (zh) * | 2016-08-17 | 2017-01-18 | 国家海洋局北海环境监测中心 | 一种海洋溢油风险评估方法 |
CN107167296A (zh) * | 2017-06-22 | 2017-09-15 | 交通运输部天津水运工程科学研究所 | 实验室水面溢油运动规律测定方法和装置 |
CN107944608A (zh) * | 2017-11-16 | 2018-04-20 | 福建四创软件有限公司 | 基于卫星遥感的海面漂移物与溢油漂移扩散预报方法 |
CN109284865A (zh) * | 2018-09-05 | 2019-01-29 | 蓝海天智(舟山)海洋科技有限公司 | 一种基于围油栏的海上溢油运动轨迹预测方法 |
US20190122150A1 (en) * | 2017-10-24 | 2019-04-25 | Critical Ops, LLC | System and method for consulting to identify vulnerabilities and recommending solutions for same |
CN110110433A (zh) * | 2019-04-30 | 2019-08-09 | 天津大学 | 一种海上溢油行为归宿应急预测方法 |
CN111881596A (zh) * | 2020-08-06 | 2020-11-03 | 重庆交通大学 | 一种基于拉格朗日插值的溢油污染源逆时追踪模拟方法 |
-
2020
- 2020-11-05 CN CN202011226474.XA patent/CN112232705B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009056777A1 (de) * | 2009-12-03 | 2011-06-09 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | System und Verfahren zum Segmentieren einer Zielregion in räumliche Warneinheiten eines sensorgestützten Frühwarnsystems |
CN102955887A (zh) * | 2011-08-19 | 2013-03-06 | 中国石油天然气股份有限公司 | 陆上管道油品泄漏对水体影响的判别方法 |
KR101534620B1 (ko) * | 2014-01-22 | 2015-07-24 | 한국해양과학기술원 | 해상 유출유 탐지 방법 및 장치 |
CN105160681A (zh) * | 2015-09-09 | 2015-12-16 | 浙江海洋学院 | 一种海面溢油监测方法及装置 |
CN205374736U (zh) * | 2016-03-03 | 2016-07-06 | 厦门蓝海天信息技术有限公司 | 一种基于动态监测的海上溢油预测系统 |
CN106339796A (zh) * | 2016-08-17 | 2017-01-18 | 国家海洋局北海环境监测中心 | 一种海洋溢油风险评估方法 |
CN107167296A (zh) * | 2017-06-22 | 2017-09-15 | 交通运输部天津水运工程科学研究所 | 实验室水面溢油运动规律测定方法和装置 |
US20190122150A1 (en) * | 2017-10-24 | 2019-04-25 | Critical Ops, LLC | System and method for consulting to identify vulnerabilities and recommending solutions for same |
CN107944608A (zh) * | 2017-11-16 | 2018-04-20 | 福建四创软件有限公司 | 基于卫星遥感的海面漂移物与溢油漂移扩散预报方法 |
CN109284865A (zh) * | 2018-09-05 | 2019-01-29 | 蓝海天智(舟山)海洋科技有限公司 | 一种基于围油栏的海上溢油运动轨迹预测方法 |
CN110110433A (zh) * | 2019-04-30 | 2019-08-09 | 天津大学 | 一种海上溢油行为归宿应急预测方法 |
CN111881596A (zh) * | 2020-08-06 | 2020-11-03 | 重庆交通大学 | 一种基于拉格朗日插值的溢油污染源逆时追踪模拟方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018391A (zh) * | 2022-08-05 | 2022-09-06 | 交通运输部规划研究院 | 一种基于多源数据的溢油风险定量预测方法 |
CN117470250A (zh) * | 2023-12-27 | 2024-01-30 | 广东电网有限责任公司阳江供电局 | 一种水下巡检机器人导航方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112232705B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sillero et al. | Want to model a species niche? A step-by-step guideline on correlative ecological niche modelling | |
Shi et al. | Exploring spatiotemporal patterns of electric power consumption in countries along the Belt and Road | |
Wen et al. | A novel spatiotemporal convolutional long short-term neural network for air pollution prediction | |
EP3534187B1 (en) | Process and system for hydrological analysis and management for river basins | |
Mishra et al. | Prediction of spatio-temporal land use/land cover dynamics in rapidly developing Varanasi district of Uttar Pradesh, India, using geospatial approach: a comparison of hybrid models | |
CN111932036B (zh) | 基于位置大数据的精细时空尺度动态人口预测方法及系统 | |
Hung et al. | Methods for assessing the credibility of volunteered geographic information in flood response: A case study in Brisbane, Australia | |
Graham et al. | A comparison of methods for mapping species ranges and species richness | |
Shamo et al. | Linear spatial interpolation and analysis of annual average daily traffic data | |
CN111489008B (zh) | 一种交通事故影响因素空间效应分析方法及其应用 | |
Wahiduzzaman et al. | A climatological model of North Indian Ocean tropical cyclone genesis, tracks and landfall | |
Hong et al. | Modeling and predicting evacuation flows during hurricane Irma | |
Marchesini et al. | Non-susceptible landslide areas in Italy and in the Mediterranean region | |
CN112232705B (zh) | 一种基于不确定性分析的区域溢油风险分析方法和装置 | |
Carretero et al. | Evaluating how species niche modelling is affected by partial distributions with an empirical case | |
Mitsova et al. | Using enhanced dasymetric mapping techniques to improve the spatial accuracy of sea level rise vulnerability assessments | |
Vajakas et al. | Trajectory reconstruction from mobile positioning data using cell-to-cell travel time information | |
CN110503267B (zh) | 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法 | |
Zerger et al. | Riding the storm: a comparison of uncertainty modelling techniques for storm surge risk management | |
CN111209533A (zh) | 道路层面细颗粒物反演方法、装置、计算设备及存储介质 | |
Kim et al. | Hurricane scenario generation for uncertainty modeling of coastal and inland flooding | |
Nakhaei et al. | Enhancing community resilience in arid regions: A smart framework for flash flood risk assessment | |
CN117037482A (zh) | 道路交通运行状态实时感知方法、系统、设备及存储介质 | |
CN112232702B (zh) | 一种面向多风险源的时空高分辨率溢油风险定量分析方法 | |
Lin et al. | Classification of air quality zones and fine particulate matter sensitive areas by risk assessment approach |
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 |