CN113780833B - 一种台风登陆影响区风场危险性评估方法和装置 - Google Patents

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

一种台风登陆影响区风场危险性评估方法和装置

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，U_i(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＝x_min，x_min指指标因子x统计值中的最小值；x_max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I_C和一致性比率R_C来评估判断矩阵的一致性：

式中，λ_max为特征向量的最大特征根；n表示判别矩阵的阶数；I_R表示平均随机一致性指标；

S22，判断R_C是否小于0.1，当R_C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,...,a_m)，其中a_i≥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，r_ji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R_j＝(r_j1,r_j2,...,r_jm)，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b_j，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，U_i(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＝x_min，x_min指指标因子x统计值中的最小值；x_max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I_C和一致性比率R_C来评估判断矩阵的一致性：

式中，λ_max为特征向量的最大特征根；n表示判别矩阵的阶数；I_R表示平均随机一致性指标；

S22，判断R_C是否小于0.1，当R_C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,...,a_m)，其中a_i≥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，r_ji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R_j＝(r_j1,r_j2,...,r_jm)，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，I_u为顺风向湍流度，σ_u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；G_u(t_g)为持续时间t_g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t_g的最大阵风风速，取t_g＝3s；R_u为顺风向脉动风速自相关函数，积分下限τ_0.05取R_u单调减小至0.05对应的延迟时间，σ_u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，U_i(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＝x_min，x_min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x_max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I_C和一致性比率R_C来评估判断矩阵的一致性，见式(6)和式(7)：

式中，λ_max为特征向量的最大特征根；n表示判别矩阵的阶数。I_R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，U_i(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＝x_min，x_min指指标因子x统计值中的最小值；x_max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I_C和一致性比率R_C来评估判断矩阵的一致性：

式中，λ_max为特征向量的最大特征根；n表示判别矩阵的阶数；I_R表示平均随机一致性指标；

S22，判断R_C是否小于0.1，当R_C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，...，a_m)，其中a_i≥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，r_ji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R_j＝(r_j1，r_j2，...，r_jm)，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b_j，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，U_i(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＝x_min，x_min指指标因子x统计值中的最小值；x_max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I_C和一致性比率R_C来评估判断矩阵的一致性：

式中，λ_mx为特征向量的最大特征根；n表示判别矩阵的阶数；I_R表示平均随机一致性指标；

S22，判断R_C是否小于0.1，当R_C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，...，a_m)，其中a_i≥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，r_ji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R_j＝(r_j1，r_j2，...，r_jm)，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：