CN113780833B - 一种台风登陆影响区风场危险性评估方法和装置 - Google Patents
一种台风登陆影响区风场危险性评估方法和装置 Download PDFInfo
- Publication number
- CN113780833B CN113780833B CN202111077916.3A CN202111077916A CN113780833B CN 113780833 B CN113780833 B CN 113780833B CN 202111077916 A CN202111077916 A CN 202111077916A CN 113780833 B CN113780833 B CN 113780833B
- Authority
- CN
- China
- Prior art keywords
- wind field
- typhoon
- risk
- index
- login
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012502 risk assessment Methods 0.000 title claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 238000012805 post-processing Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种台风登陆影响区风场危险性评估方法和装置,该危险性评估方法包括以下步骤:利用中‑小尺度在线耦合WRF‑LES模式对台风风场进行精细化数值模拟,得到路径信息;通过预先输入的登陆区目标点经纬度,得到各点时空风场分布信息;根据风场信息建立风场特性参数数据库,并利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图。本发明能够同时考虑多种风场特性因子,综合、全面地对台风登陆影响区风场特性进行评估,并较为直观地看出登陆影响区域的风场危险性程度。
Description
技术领域
本发明涉及台风登陆区危险性分析技术领域,具体而言涉及一种台风登陆影响区风场危险性评估方法和装置。
背景技术
随着沿海经济的快速发展,工程结构逐渐向高层和大跨度方向发展,结构柔性的大幅增加,使得风,尤其是沿海地区频繁发生的台风,逐渐成为现代结构工程设计中一项重要的影响因素。对该地区进行台风风场危险性分析,能为沿海城市防灾减灾提供风灾方面的基础信息。
目前土木工程结构领域,主要基于平均风剖面指数、湍流度、湍流积分尺度、阵风因子、风速谱等物理量,对登陆台风场特性进行分析,而上述研究存在缺陷:(1)多基于风场个别点,并非进行区域性研究;(2)多以不同特性参数对台风场特性进行分类研究。
发明内容
本发明针对现有技术中的不足,提供一种台风登陆影响区风场危险性评估方法和装置,同时考虑多种风场特性因子,综合、全面地对台风登陆影响区风场特性进行评估,并较为直观地看出登陆影响区域的风场危险性程度。
为实现上述目的,本发明采用以下技术方案:
一种台风登陆影响区风场危险性评估方法,所述危险性评估方法包括以下步骤:
利用中-小尺度在线耦合WRF-LES模式对台风风场进行精细化数值模拟,得到路径信息;通过预先输入的登陆区目标点经纬度,得到各点时空风场分布信息;
根据风场信息建立风场特性参数数据库,并利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图。
为优化上述技术方案,采取的具体措施还包括:
进一步地,根据风场信息建立风场特性参数数据库的过程包括以下步骤:
对台风登陆影响区各点时空分布风场数据进行后处理转化,得到相应的风场特性参数数据,以建立风场特性参数数据库,风场特性参数数据包括极值风速、平均风速、湍流度、湍流积分尺度和阵风因子5个指标因子。
进一步地,利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图的过程包括以下步骤:
S1,基于隶属函数对极值风速、平均风速、湍流度、湍流积分尺度和阵风因子5个指标因子所构成的风场特性参数数据库进行数据无量纲化:
式中,Ui(x)表示台风风场危险性指标因子x的隶属函数,当指标因子x的值大于设定阈值时,认为其具有危险性,且x的取值越大,表示台风风场危险性的隶属函数值越大;a和k均为参数,a=xmin,xmin指指标因子x统计值中的最小值;xmax为指标因子最大统计数据,其所对应的隶属度的值为0.99;
S2,采用层次分析法确定各指标因子权重,包括以下子步骤:
S21,对各指标因子两两比较建立判断矩阵,使用一致性指标IC和一致性比率RC来评估判断矩阵的一致性:
式中,λmax为特征向量的最大特征根;n表示判别矩阵的阶数;IR表示平均随机一致性指标;
S22,判断RC是否小于0.1,当RC小于0.1时,判断矩阵具有很好的一致性,进入步骤S23,否则返回步骤S21,重新调整判断矩阵;
S23,根据判断矩阵利用向量法得到各指标权重,各权重分配记为A=(a1,a2,...,am),其中ai≥0,i=1,2,...,m,
S3,基于前述数据库转化后的隶属度值,建立总评价矩阵R:
其中,n表示受登陆台风场影响的目标点个数,m表示对n个点进行评价的指标种类数量,rji表示对应的第j个目标点的第i类指标因子的值,则每个目标点的评价集为Rj=(rj1,rj2,...,rjm),j=1,2,...,n;
S4,利用下述公式计算台风登陆影响区各点风场危险性指数bj,建立台风登陆影响区风场危险性模型:
本发明还提及一种台风登陆影响区风场危险性评估装置,所述危险性评估装置包括以下步骤:
风场信息获取模块,用于利用中-小尺度在线耦合WRF-LES模式对台风风场进行精细化数值模拟,得到路径信息,以及通过预先输入的登陆区目标点经纬度,得到各点时空风场分布信息;
危险性评估模块,用于根据风场信息建立风场特性参数数据库,并利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图。
进一步地,所述风场特性参数数据库存储有包括极值风速、平均风速、湍流度、湍流积分尺度和阵风因子在内的各项风场特性参数。
进一步地,所述危险性评估模块包括
无量纲化单元,用于根据下述公式,基于隶属函数对极值风速、平均风速、湍流度、湍流积分尺度和阵风因子5个指标因子所构成的风场特性参数数据库进行数据无量纲化:
式中,Ui(x)表示台风风场危险性指标因子x的隶属函数,当指标因子x的值大于设定阈值时,认为其具有危险性,且x的取值越大,表示台风风场危险性的隶属函数值越大;a和k均为参数,a=xmin,xmin指指标因子x统计值中的最小值;xmax为指标因子最大统计数据,其所对应的隶属度的值为0.99;
权重分析单元,用于采用层次分析法确定各指标因子权重;权重的确定过程包括以下子步骤:
S21,对各指标因子两两比较建立判断矩阵,使用一致性指标IC和一致性比率RC来评估判断矩阵的一致性:
式中,λmax为特征向量的最大特征根;n表示判别矩阵的阶数;IR表示平均随机一致性指标;
S22,判断RC是否小于0.1,当RC小于0.1时,判断矩阵具有很好的一致性,进入步骤S23,否则返回步骤S21,重新调整判断矩阵;
S23,根据判断矩阵利用向量法得到各指标权重,各权重分配记为A=(a1,a2,...,am),其中ai≥0,i=1,2,...,m,
总评价矩阵构建单元,用于基于前述数据库转化后的隶属度值,建立总评价矩阵R:
其中,n表示受登陆台风场影响的目标点个数,m表示对n个点进行评价的指标种类数量,rji表示对应的第j个目标点的第i类指标因子的值,则每个目标点的评价集为Rj=(rj1,rj2,...,rjm),j=1,2,...,n;
危险性评估单元,用于利用下述公式计算台风登陆影响区各点风场危险性指数,建立台风登陆影响区风场危险性模型:
本发明公开了一种台风登陆影响区风场危险性评估方法,首先,采用在线耦合中-小尺度WRF-LES模式对台风进行精细化模拟,以台风登陆点为影响区中心,建立风场特性参数数据库;其次,对风场数据库数据进行筛选处理,作为台风登陆影响区风场危险性评估的输入数据;最后,建立台风登陆影响区风场危险性评估模型并得到危险指数分布图。本发明基于WRF-LES模拟的台风场信息,并不局限于个别点,而是登录区域任意点;同时,可以考虑多种风场特性因子,综合、全面地对台风登陆影响区风场特性进行评估,并较为直观地看出登陆影响区域的风场危险性程度。
附图说明
图1是本发明实施例的台风登陆影响区风场危险性评估方法流程图。
图2为本发明实施例的WRF-LES模拟区域以及所设目标点示意图。
图3为本发明实施例的台风路径示意图。
图4为本发明实施例的台风登陆影响区风场危险性模型和危险指数分布示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
图1是本发明实施例的台风登陆影响区风场危险性评估方法流程图。参见图1,该危险性评估方法包括以下步骤:
利用中-小尺度在线耦合WRF-LES模式对台风风场进行精细化数值模拟,得到路径信息;通过预先输入的登陆区目标点经纬度,得到各点时空风场分布信息;根据风场信息建立风场特性参数数据库,并利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图。
本实施例以利奇马台风为例,对该危险性评估方法进行详细说明。
首先,使用WRF-LES对利奇马台风进行模拟,并预先输入登陆区目标点经纬度,得到路径信息和各点时空风场分布信息。图2为本发明实施例的WRF-LES模拟区域以及所设目标点示意图。图3为本发明实施例的台风路径示意图。
接着,对台风登陆影响区各点风速数据进行处理,得到不同风场特性参数数据,建立数据库。土木工程领域包含多种风场特性参数数据,因此,如何选取风场特性参数数据至关重要。如果选取的风场特性参数数据种类太多,数据库冗杂,数据采集的工作量增大,数据运算量更是呈指数级别增长;如果选取的风场特性参数种类过少或者选取的种类不恰当,又不能有效反应风场的危险性。从风对结构的作用来说,通常将风荷载分为平均风荷载和脉动风荷载,除此之外,也不能忽略两者合并后出现的瞬时极值荷载,因此为了包络上述三种风荷载效应,针对平均风效应的平均风速、针对脉动风效应的湍流度和湍流积分尺度以及针对瞬时极值风效应的极值风速和阵风因子。因此,从目前土木工程结构特性出发,本实施例选取了极值风速、平均风速、湍流度、湍流积分尺度和阵风因子这5种风场特性,这5种风场特性也是土木工程领域研究风场特性时的通用因子,经实验证明,选取这5种风场特性时可以在满足风险性评估准确性的基础上,能够实现较低的运算量。
部分指标因子的计算公式如下:
式中,Iu为顺风向湍流度,σu表示平均时距10min的顺风向脉动风速的样本标准差,U为平均时距10min的顺风向平均风速;Gu(tg)为持续时间tg内的顺风向阵风因子,下标u表示顺风向,为顺风向脉动风在平均时距内阵风持续时间tg的最大阵风风速,取tg=3s;Ru为顺风向脉动风速自相关函数,积分下限τ0.05取Ru单调减小至0.05对应的延迟时间,σu为顺风向脉动风速标准差,τ为台风历时时间。
接着,基于隶属函数对风场特性参数数据库进行数据无量纲化,如式(4)所示,
式中,Ui(x)表示台风风场危险性指标因子x的隶属函数,当指标因子x的值大于设定阈值时,认为其具有危险性,且x的取值越大,表示台风风场危险性的隶属函数值越大。a和k均为参数,规定a=xmin,xmin指指标因子x统计值中的最小值;令指标因子最大统计数据xmax所对应的隶属度的值为0.99,于是得到k的值,如式(5)所示:
再次,层析分析法(analytic hierarchy process,简称AHP)是一种多准则、多因素的决策方法,具有高度的逻辑性、系统性、灵活性与实用性。AHP法的独特优势在于其可以综合考虑多个影响因素并确定相对重要性,进一步将相对主观性的意见进行客观化、数据化的转换。结合本实施例选择的参数类型,由于本实施例考虑的影响因子不止一个,且不同情形下各影响因子对风场最终风险性指数的影响不同,为了推算得到各个因子对目标(本文指风场危险性指数)的影响比重,因此层次分析法是最适合且实用的评估方法。采用层次分析法(analytic hierarchy process,简称AHP)确定各指标因子权重。其具体包括:
对各指标因子两两比较建立判断矩阵,详见表1。
表1指标因子权重的两两比较矩阵
使用一致性指标IC和一致性比率RC来评估判断矩阵的一致性,见式(6)和式(7):
式中,λmax为特征向量的最大特征根;n表示判别矩阵的阶数。IR表示平均随机一致性指标。
最终结果见表2。
表2矩阵的一致性检验表
根据判断矩阵利用向量法得到各指标权重,为A=(0.3230,0888,0.2099,0.1684,0.2099)。
最后,基于前述数据库转化后的隶属度值,建立总评价矩阵R,如式(8)所示,限于目标点数过多,在此不具体列出具体数值。
最终利用式(9)计算台风登陆影响区各点风场危险性指数:
建立的台风登陆影响区风场危险性模型详见图4。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (2)
1.一种台风登陆影响区风场危险性评估方法,其特征在于,所述危险性评估方法包括以下步骤:
利用中-小尺度在线耦合WRF-LES模式对台风风场进行精细化数值模拟,得到路径信息;通过预先输入的登陆区目标点经纬度,得到各点时空风场分布信息;
根据风场信息建立风场特性参数数据库,并利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图;
根据风场信息建立风场特性参数数据库的过程包括以下步骤:
对台风登陆影响区各点时空分布风场数据进行后处理转化,得到相应的风场特性参数数据,以建立风场特性参数数据库,风场特性参数数据包括极值风速、平均风速、湍流度、湍流积分尺度和阵风因子5个指标因子;
利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图的过程包括以下步骤:
S1,基于隶属函数对极值风速、平均风速、湍流度、湍流积分尺度和阵风因子5个指标因子所构成的风场特性参数数据库进行数据无量纲化:
式中,Ui(x)表示台风风场危险性指标因子x的隶属函数,当指标因子x的值大于设定阈值时,认为其具有危险性,且x的取值越大,表示台风风场危险性的隶属函数值越大;a和k均为参数,a=xmin,xmin指指标因子x统计值中的最小值;xmax为指标因子最大统计数据,其所对应的隶属度的值为0.99;
S2,采用层次分析法确定各指标因子权重,包括以下子步骤:
S21,对各指标因子两两比较建立判断矩阵,使用一致性指标IC和一致性比率RC来评估判断矩阵的一致性:
式中,λmax为特征向量的最大特征根;n表示判别矩阵的阶数;IR表示平均随机一致性指标;
S22,判断RC是否小于0.1,当RC小于0.1时,判断矩阵具有很好的一致性,进入步骤S23,否则返回步骤S21,重新调整判断矩阵;
S23,根据判断矩阵利用向量法得到各指标权重,各权重分配记为A=(a1,a2,...,am),其中ai≥0,i=1,2,...,m,
S3,基于前述数据库转化后的隶属度值,建立总评价矩阵R:
其中,n表示受登陆台风场影响的目标点个数,m表示对n个点进行评价的指标种类数量,rji表示对应的第j个目标点的第i类指标因子的值,则每个目标点的评价集为Rj=(rj1,rj2,...,rjm),j=1,2,...,n;
S4,利用下述公式计算台风登陆影响区各点风场危险性指数bj,建立台风登陆影响区风场危险性模型:
2.一种台风登陆影响区风场危险性评估装置,其特征在于,所述危险性评估装置包括以下步骤:
风场信息获取模块,用于利用中-小尺度在线耦合WRF-LES模式对台风风场进行精细化数值模拟,得到路径信息,以及通过预先输入的登陆区目标点经纬度,得到各点时空风场分布信息;
危险性评估模块,用于根据风场信息建立风场特性参数数据库,并利用风场特性参数数据库对登录区风场进行危险性评估,建立台风登陆影响区风场危险性模型与危险指数分布图;
所述风场特性参数数据库存储有包括极值风速、平均风速、湍流度、湍流积分尺度和阵风因子在内的各项风场特性参数;
所述危险性评估模块包括:
无量纲化单元,用于根据下述公式,基于隶属函数对极值风速、平均风速、湍流度、湍流积分尺度和阵风因子5个指标因子所构成的风场特性参数数据库进行数据无量纲化:
式中,Ui(x)表示台风风场危险性指标因子x的隶属函数,当指标因子x的值大于设定阈值时,认为其具有危险性,且x的取值越大,表示台风风场危险性的隶属函数值越大;a和k均为参数,a=xmin,xmin指指标因子x统计值中的最小值;xmax为指标因子最大统计数据,其所对应的隶属度的值为0.99;
权重分析单元,用于采用层次分析法确定各指标因子权重;权重的确定过程包括以下子步骤:
S21,对各指标因子两两比较建立判断矩阵,使用一致性指标IC和一致性比率RC来评估判断矩阵的一致性:
式中,λmx为特征向量的最大特征根;n表示判别矩阵的阶数;IR表示平均随机一致性指标;
S22,判断RC是否小于0.1,当RC小于0.1时,判断矩阵具有很好的一致性,进入步骤S23,否则返回步骤S21,重新调整判断矩阵;
S23,根据判断矩阵利用向量法得到各指标权重,各权重分配记为A=(a1,a2,...,am),其中ai≥0,i=1,2,...,m,
总评价矩阵构建单元,用于基于前述数据库转化后的隶属度值,建立总评价矩阵R:
其中,n表示受登陆台风场影响的目标点个数,m表示对n个点进行评价的指标种类数量,rji表示对应的第j个目标点的第i类指标因子的值,则每个目标点的评价集为Rj=(rj1,rj2,...,rjm),j=1,2,...,n;
危险性评估单元,用于利用下述公式计算台风登陆影响区各点风场危险性指数,建立台风登陆影响区风场危险性模型:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077916.3A CN113780833B (zh) | 2021-09-15 | 2021-09-15 | 一种台风登陆影响区风场危险性评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077916.3A CN113780833B (zh) | 2021-09-15 | 2021-09-15 | 一种台风登陆影响区风场危险性评估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780833A CN113780833A (zh) | 2021-12-10 |
CN113780833B true CN113780833B (zh) | 2023-11-28 |
Family
ID=78843823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111077916.3A Active CN113780833B (zh) | 2021-09-15 | 2021-09-15 | 一种台风登陆影响区风场危险性评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780833B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN112862274A (zh) * | 2021-01-26 | 2021-05-28 | 平衡机器科技(深圳)有限公司 | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 |
-
2021
- 2021-09-15 CN CN202111077916.3A patent/CN113780833B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN112862274A (zh) * | 2021-01-26 | 2021-05-28 | 平衡机器科技(深圳)有限公司 | 一种基于WRF-LES和DeepAR相结合的风功率预测方法 |
Non-Patent Citations (3)
Title |
---|
基于天气预报模式和大涡模拟的台风风场 多尺度耦合数值模拟;黄铭枫 等;《建筑结构学报》;63-69 * |
基于数值模拟的台风危险性分析综述——台风风场模型;肖玉凤 等;《自然灾害学报》;82-89 * |
沿海复杂地形台风登陆过程风场多尺度数值模拟;董浩天 等;《空气动力学学报》;147-152 * |
Also Published As
Publication number | Publication date |
---|---|
CN113780833A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019233189A1 (zh) | 一种传感网络异常数据检测方法 | |
CN108108877A (zh) | 一种基于bp神经网络的输电线路雷害风险评估方法 | |
CN108090515B (zh) | 一种基于数据融合的环境等级评估方法 | |
CN104239712B (zh) | 一种雷达抗干扰效能实时评估方法 | |
CN108510180B (zh) | 一种生产设备所处性能区间的计算方法 | |
CN106127242A (zh) | 基于集成学习的年极端降水预测系统及其预测方法 | |
CN110135708A (zh) | 基于ahp和信息熵的球阀质量多级模糊综合评价方法 | |
CN110827169B (zh) | 一种基于分级指标的分布式电网业务监控方法 | |
CN105550938A (zh) | 县域耕地质量评价成果异常值检验方法 | |
CN113177746A (zh) | 一种针对生命周期评价领域的软件质量综合评估方法 | |
CN109858134A (zh) | 大数据驱动的辅助多装备系统体系结构模型构建的方法 | |
CN115422716A (zh) | 一种适用于典型地面设施破坏失效的评估计算模型 | |
CN107092794B (zh) | 用于台风混合气候地区极值风速估算的分析方法及装置 | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
CN109657287B (zh) | 基于综合得分法水文模型精度识别的方法 | |
CN107300907A (zh) | 结合综合评估与假设检验的飞行器控制系统性能评定方法 | |
CN108647817B (zh) | 一种能耗负荷的预测方法及预测系统 | |
CN114021915A (zh) | 基于改进均衡权重和可变模糊集的电气火灾风险评估方法 | |
CN113780833B (zh) | 一种台风登陆影响区风场危险性评估方法和装置 | |
WO2020056811A1 (zh) | 表征室内环境综合质量的综合指标计算方法 | |
CN111178756B (zh) | 一种基于环境大数据的多元线性回归火灾风险评估方法 | |
CN116739619A (zh) | 一种能源电力碳排放监测分析建模方法及装置 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN116011871A (zh) | 基于空间更新敏感度量化传统村落空间更新可能性的方法 | |
Zang et al. | The credit risk assessment of P2P lending based on BP neural network |
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 |