CN113049220A - 一种识别混合浪中风浪和涌浪成分的方法 - Google Patents

一种识别混合浪中风浪和涌浪成分的方法 Download PDF

Info

Publication number
CN113049220A
CN113049220A CN202110284048.XA CN202110284048A CN113049220A CN 113049220 A CN113049220 A CN 113049220A CN 202110284048 A CN202110284048 A CN 202110284048A CN 113049220 A CN113049220 A CN 113049220A
Authority
CN
China
Prior art keywords
wave
frequency
separation
spectral density
spectrum
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
CN202110284048.XA
Other languages
English (en)
Other versions
CN113049220B (zh
Inventor
刘小龙
陈文炜
孙泽
蔡志文
侯樱
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.)
702th Research Institute of CSIC
Original Assignee
702th Research Institute of CSIC
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 702th Research Institute of CSIC filed Critical 702th Research Institute of CSIC
Priority to CN202110284048.XA priority Critical patent/CN113049220B/zh
Publication of CN113049220A publication Critical patent/CN113049220A/zh
Application granted granted Critical
Publication of CN113049220B publication Critical patent/CN113049220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M10/00Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Fluid Mechanics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种识别混合浪中风浪和涌浪成分的方法,涉及海洋工程技术领域,该方法包括:采用双高斯函数对样本数据的波浪谱密度进行拟合;计算拟合谱密度的一阶导数分布;依次遍历相邻波浪频率对应的拟合谱密度一阶导数的乘积,若乘积为负,则依次输出波浪双峰谱的低频谱峰频率、分离频率和高频谱峰频率,适用于识别岛礁或近岸特定海域的混合浪成分,通过该方法识别出的涌浪和风浪可直接用于波浪双峰谱型的重构,能够精确描述深远海、近岸或岛礁海域波浪双峰谱模型。

Description

一种识别混合浪中风浪和涌浪成分的方法
技术领域
本发明涉及海洋工程技术领域,尤其是一种识别混合浪中风浪和涌浪成分的方法。
背景技术
混合浪是指海面上同时存在着风浪和涌浪的情形,或者当风向骤然改变后的波浪。混合浪的频谱多为双峰形式,关于波浪双峰谱的表示形式,迄今为止的研究工作均将双峰谱分解为低频谱和高频谱之和,低频谱代表涌浪成分,高频谱代表风浪成分。目前已有的波浪双峰谱模型如Ochi-Hubble谱、Soares谱和Torsethaugen谱都是以单峰谱型叠加而成,在构造时需要给定风浪部分或涌浪部分对应的有义波高、谱峰频率和形状参数,且只适合于深远海开阔海域,对近岸或岛礁海域,波浪传播受地形影响而发生显著变形,传统的双峰谱型将不再适用。因此混合浪成分的分离直接影响着特定海域波浪双峰谱描述的准确度。传统的风浪和涌浪分离方法有2D法、PM法、WH法和JP法。其中2D法和PM法需要考虑风速来分离;WH法和JP法直接应用波浪频谱信息,通过波陡函数或谱峰比值分离风浪和涌浪。但这四种方法只适合于深远海区域,对近岸或岛礁海域的适用性值得商榷。
发明内容
本发明人针对上述问题及技术需求,提出了一种识别混合浪中风浪和涌浪成分的方法,通过波浪频谱信息提取波浪谱特征频率,建立风浪和涌浪分离判别式来分离二者成分,可直接用于波浪双峰谱型的重构,适合于深远海、近岸或岛礁海域波浪双峰谱的精确描述。
本发明的技术方案如下:
一种识别混合浪中风浪和涌浪成分的方法,包括如下步骤:
采集特定海域的一组海况数据作为样本数据,提取各个海况数据对应的波浪峰谱的波浪谱密度和波浪频率;
采用双高斯函数对波浪谱密度进行拟合,得到拟合谱密度;
计算拟合谱密度的一阶导数分布;
依次遍历相邻波浪频率对应的拟合谱密度一阶导数的乘积,若乘积为负,则输出对应的频率作为分离频率;
建立分离周期和有义波高的关系式,将样本数据的分离频率和有义波高代入关系式中计算得到分离系数,统计所有分离系数的平均值作为特定海域识别混合浪成分的经验判据;
采集特定海域的实测海况数据,根据关系式计算实测海况数据的经验分离周期,同时提取实测海况数据对应的实测波浪周期,若实测波浪周期大于经验分离周期,则判定实测波浪周期对应的特征频率代表涌浪成分,若实测波浪周期小于经验分离周期,则判定实测波浪周期对应的特征频率代表风浪成分。
其进一步的技术方案为,拟合谱密度的表达式如下:
Figure BDA0002979676570000021
其中,f表示波浪频率,S(f)表示拟合谱密度,a1、b1、c1、a2、b2和c2均为拟合参数,通过最小二乘法得到。
其进一步的技术方案为,计算拟合谱密度的一阶导数分布,包括:
令拟合谱密度的一阶导数为零,即:
S`(f)=0 (2)
式(2)采用数值计算,令fi(i=1,…,N),N为频率离散点的数目,则一阶导数的差分格式表示如下:
Figure BDA0002979676570000022
式(3)采用数值逼近计算。
其进一步的技术方案为,若乘积为负,则输出对应的频率作为分离频率,包括:
当满足:S`(fi)·S`(fi+1)≤0(i=1,…,N-1) (4)
对于双峰谱来说,通过式(4)计算得到三个不同的频率值,并按从小到大排序依次为波浪双峰谱的低频谱峰频率、分离频率和高频谱峰频率;
对于单峰谱来说,通过式(4)计算得到一个频率值,当特定海域为深远海开阔海域,若fp≤0.1Hz,则频率值为单峰涌浪谱;若fp>0.1Hz,则频率值为单峰风浪谱,其中fp为计算得到的频率值。
其进一步的技术方案为,关系式为:
Figure BDA0002979676570000031
式(5)中,ac为分离系数;
式(5)中,Tc为分离周期,满足:
Figure BDA0002979676570000032
其中,fp2为波浪双峰谱的分离频率;
式(5)中,Hs为混合浪有义波高,满足:
Figure BDA0002979676570000033
本发明的有益技术效果是:
本申请通过双高斯函数拟合波浪谱密度,计算拟合谱密度的一阶导数分布,然后依次遍历相邻波浪频率对应的拟合谱密度一阶导数的乘积,若该乘积为负,通过输出的频率个数确定采样数据为双峰谱或单峰谱,当为双峰谱时,则依次输出的三个频率分别为低频谱峰频率、分离频率和高频谱峰频率,以此识别出混合浪的成分;通过建立分离周期和有义波高的关系式,代入样本数据获取关系式中的分离系数,其平均值作为特定海域识别混合浪成分的经验判据,更适用于识别岛礁或近岸特定海域的混合浪成分;通过该方法识别出的涌浪和风浪可直接用于波浪双峰谱型的重构,能够精确描述深远海、近岸或岛礁海域波浪双峰谱模型。
附图说明
图1为识别混合浪中风浪和涌浪成分的方法流程图。
图2为某个台风浪的实测双峰谱与双高斯一次拟合结果的比较图。
图3为某个东北季风浪海况下的实测单峰谱与双高斯一次拟合结果的比较图。
图4为双峰谱拟合结果的一阶导数图。
图5为单峰谱拟合结果的一阶导数图。
图6为某个东北季风浪海况下风浪和涌浪分离结果图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
如图1所示,一种识别混合浪中风浪和涌浪成分的方法,包括如下步骤:
步骤1:采集特定海域的一组海况数据作为样本数据,提取各个海况数据对应的波浪峰谱的波浪谱密度和波浪频率。
样本数据可以从实地测量、模型试验或数值后报中获取,采样时的相邻海况的间隔时间在0.5~3小时范围之间,本实施例的特定海域以采集岛礁泻湖内海域的海况数据为例对后续方法进行解释说明。
步骤2:采用双高斯函数对波浪谱密度进行拟合,得到拟合谱密度。
拟合谱密度的表达式如下:
Figure BDA0002979676570000041
其中,f表示波浪频率,S(f)表示拟合谱密度,a1、b1、c1、a2、b2和c2均为拟合参数,通过最小二乘法得到。
比如,当岛礁泻湖内海域的海况为某个台风浪,则其实测双峰谱与双高斯一次拟合结果的比较如图2所示;当岛礁泻湖内海域的海况为某个东北季风浪,则其实测单峰谱与双高斯一次拟合结果的比较如图3所示。
步骤3:计算拟合谱密度的一阶导数分布,具体包括:
令拟合谱密度的一阶导数为零,即:
S`(f)=0 (2)
式(2)采用数值计算,令fi(i=1,…,N),N为频率离散点的数目,则一阶导数的差分格式表示如下:
Figure BDA0002979676570000042
式(3)采用数值逼近计算。
步骤4:依次遍历相邻波浪频率对应的拟合谱密度一阶导数的乘积,若乘积为负,则输出对应的频率作为分离频率。
当满足:S`(fi)·S`(fi+1)≤0(i=1,…,N-1) (4)
结合表1和图4所示,对于双峰谱来说,通过式(4)计算得到三个不同的频率值fpk(k=1,2,3),并按从小到大排序依次为波浪双峰谱的低频谱峰频率fp1(即涌浪成分)、分离频率fp2和高频谱峰频率fp3(即风浪成分)。
表1双峰谱特征频率值
条件 f<sub>p1</sub> f<sub>p2</sub> f<sub>p3</sub>
S(f)’=0 0.095 0.135 0.19
结合表2和图5所示,对于单峰谱来说,通过式(4)计算得到一个频率值,当特定海域为深远海开阔海域,若fp≤0.1Hz,则频率值为单峰涌浪谱;若fp>0.1Hz,则频率值为单峰风浪谱,其中fp为计算得到的频率值。
表2单峰谱特征频率值
条件 f<sub>p</sub>
S(f)’=0 0.18
步骤5:建立分离周期和有义波高的关系式,将样本数据的分离频率和有义波高代入关系式中计算得到分离系数,统计所有分离系数的平均值作为特定海域识别混合浪成分的经验判据。
对于岛礁或近岸特定海域,为了识别混合浪的成分,需要统计样本数据获得分离系数经验值,具体包括:
建立的关系式为:
Figure BDA0002979676570000051
式(5)中,ac为分离系数;
式(5)中,Tc为分离周期,满足:
Figure BDA0002979676570000052
其中,fp2为波浪双峰谱的分离频率;
式(5)中,Hs为混合浪有义波高,满足:
Figure BDA0002979676570000053
步骤6:采集特定海域的实测海况数据,从中提取实测海况数据对应的波浪双峰谱的实测波浪周期和有义波高,根据关系式计算实测海况数据的经验分离周期,由此能够判定特定海域今后混合浪的成分构成,具体为:若实测波浪周期大于经验分离周期,则判定实测波浪周期对应的特征频率代表涌浪成分,若实测波浪周期小于经验分离周期,则判定实测波浪周期对应的特征频率代表风浪成分。
根据上述方法识别的某个东北季风浪海况下风浪和涌浪成分结果如图6所示,图中分别示出了涌浪成分1、经验分离频率2、实测分离频率3和风浪成分4。由此证明本申请的方法不仅适用于深远海开阔海域,也适用于识别岛礁或近岸特定海域的混合浪成分,通过该方法识别出的涌浪和风浪可直接用于波浪双峰谱型的重构,能够精确描述深远海、近岸或岛礁海域的波浪双峰谱模型。
以上所述的仅是本申请的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。

Claims (5)

1.一种识别混合浪中风浪和涌浪成分的方法,其特征在于,所述方法包括:
采集特定海域的一组海况数据作为样本数据,提取各个海况数据对应的波浪峰谱的波浪谱密度和波浪频率;
采用双高斯函数对所述波浪谱密度进行拟合,得到拟合谱密度;
计算所述拟合谱密度的一阶导数分布;
依次遍历相邻波浪频率对应的拟合谱密度一阶导数的乘积,若所述乘积为负,则输出对应的频率作为分离频率;
建立分离周期和有义波高的关系式,将所述样本数据的分离频率和有义波高代入所述关系式中计算得到分离系数,统计所有分离系数的平均值作为特定海域识别混合浪成分的经验判据;
采集特定海域的实测海况数据,根据所述关系式计算所述实测海况数据的经验分离周期,同时提取所述实测海况数据对应的实测波浪周期,若所述实测波浪周期大于所述经验分离周期,则判定所述实测波浪周期对应的特征频率代表涌浪成分,若所述实测波浪周期小于所述经验分离周期,则判定所述实测波浪周期对应的特征频率代表风浪成分。
2.根据权利要求1所述的识别混合浪中风浪和涌浪成分的方法,其特征在于,所述拟合谱密度的表达式如下:
Figure FDA0002979676560000011
其中,f表示所述波浪频率,S(f)表示拟合谱密度,a1、b1、c1、a2、b2和c2均为拟合参数,通过最小二乘法得到。
3.根据权利要求1所述的识别混合浪中风浪和涌浪成分的方法,其特征在于,所述计算所述拟合谱密度的一阶导数分布,包括:
令所述拟合谱密度的一阶导数为零,即:
S`(f)=0 (2)
式(2)采用数值计算,令fi(i=1,…,N),N为频率离散点的数目,则所述一阶导数的差分格式表示如下:
Figure FDA0002979676560000012
式(3)采用数值逼近计算。
4.根据权利要求3所述的识别混合浪中风浪和涌浪成分的方法,其特征在于,所述若所述乘积为负,则输出对应的频率作为分离频率,包括:
当满足:S`(fi)·S`(fi+1)≤0(i=1,…,N-1) (4)
对于双峰谱来说,通过式(4)计算得到三个不同的频率值,并按从小到大排序依次为波浪双峰谱的低频谱峰频率、分离频率和高频谱峰频率;
对于单峰谱来说,通过式(4)计算得到一个频率值,当所述特定海域为深远海开阔海域,若fp≤0.1Hz,则所述频率值为单峰涌浪谱;若fp>0.1Hz,则所述频率值为单峰风浪谱,其中fp为计算得到的频率值。
5.根据权利要求1所述的识别混合浪中风浪和涌浪成分的方法,其特征在于,所述关系式为:
Figure FDA0002979676560000021
式(5)中,ac为分离系数;
式(5)中,Tc为分离周期,满足:
Figure FDA0002979676560000022
其中,fp2为波浪双峰谱的分离频率;
式(5)中,Hs为混合浪有义波高,满足:
Figure FDA0002979676560000023
CN202110284048.XA 2021-03-17 2021-03-17 一种识别混合浪中风浪和涌浪成分的方法 Active CN113049220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110284048.XA CN113049220B (zh) 2021-03-17 2021-03-17 一种识别混合浪中风浪和涌浪成分的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110284048.XA CN113049220B (zh) 2021-03-17 2021-03-17 一种识别混合浪中风浪和涌浪成分的方法

Publications (2)

Publication Number Publication Date
CN113049220A true CN113049220A (zh) 2021-06-29
CN113049220B CN113049220B (zh) 2022-04-12

Family

ID=76512836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110284048.XA Active CN113049220B (zh) 2021-03-17 2021-03-17 一种识别混合浪中风浪和涌浪成分的方法

Country Status (1)

Country Link
CN (1) CN113049220B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102944871A (zh) * 2012-11-09 2013-02-27 中国海洋大学 一种提取雷达图像中海浪参数的方法
CN108363676A (zh) * 2018-01-11 2018-08-03 中国科学院海洋研究所 一种高度计风浪和涌浪有效波高分离方法
CN109782287A (zh) * 2019-03-12 2019-05-21 国家海洋局北海预报中心 一种通过高频地波雷达反演涌浪波高的方法
CN111292214A (zh) * 2019-12-18 2020-06-16 中电投电力工程有限公司 一种计算高精度中国近海海浪特征分布的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102944871A (zh) * 2012-11-09 2013-02-27 中国海洋大学 一种提取雷达图像中海浪参数的方法
CN108363676A (zh) * 2018-01-11 2018-08-03 中国科学院海洋研究所 一种高度计风浪和涌浪有效波高分离方法
CN109782287A (zh) * 2019-03-12 2019-05-21 国家海洋局北海预报中心 一种通过高频地波雷达反演涌浪波高的方法
CN111292214A (zh) * 2019-12-18 2020-06-16 中电投电力工程有限公司 一种计算高精度中国近海海浪特征分布的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宗智等: "近岛礁有理分式波浪谱研究", 《水动力学研究与进展》 *
朱绍华等: "基于双峰海浪谱的风浪和涌浪分离应用研究", 《中国造船》 *

Also Published As

Publication number Publication date
CN113049220B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN111583214A (zh) 基于rbf神经网络的航海雷达图像反演海面风速方法
CN111239697B (zh) 低秩矩阵分解的多维域联合sar宽带干扰抑制方法
CN104751000B (zh) 一种机电复合传动状态监测信号小波降噪方法
CN111368825B (zh) 一种基于语义分割的指针定位方法
CN114782745B (zh) 一种基于机器学习的海洋声速剖面分类方法及装置
CN110824586A (zh) 基于改进决策树算法的降水预测方法
CN107450054A (zh) 一种自适应探地雷达数据去噪方法
CN110147739A (zh) 一种基于多重分形谱算法的电抗器故障识别方法
CN105574265B (zh) 面向模型检索的装配体模型定量描述方法
CN115113168A (zh) 一种基于神经网络的雷达杂波抑制方法
CN109992748B (zh) 一种河口潮位调和分析方法
CN117116291A (zh) 一种含沙水流冲击水轮机的声信号处理方法
CN113049220B (zh) 一种识别混合浪中风浪和涌浪成分的方法
CN105929380A (zh) 一种卫星激光高度计全波形激光雷达数据去噪方法
CN111104746A (zh) 一种基于小波分析的河漫滩高程确定方法
CN108764112A (zh) 一种遥感图像目标物检测方法及设备
CN112364301A (zh) 基于坡长的近地面风速统计降尺度订正方法
CN116894150A (zh) 一种海洋气候研究中的滤波方法及其应用
CN113219333A (zh) 一种电机故障诊断时的频谱参数处理方法
CN114091368A (zh) 一种轴流式水轮机空化状态的识别方法
CN114254678A (zh) 基于去噪引导解耦网络的雷达信号脉冲内调制识别方法
CN112364300A (zh) 基于相对坡长的近地面风速统计降尺度订正方法
CN111159882A (zh) 一种描述风电场风速频率分布特性的方法
CN114282609B (zh) 一种作物面积与物候指标提取方法
CN114595718B (zh) 一种自适应波浪谱形参数化方法

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