CN113962426A - 一种近海水上通航安全智能预报方法和装置 - Google Patents
一种近海水上通航安全智能预报方法和装置 Download PDFInfo
- Publication number
- CN113962426A CN113962426A CN202110991958.1A CN202110991958A CN113962426A CN 113962426 A CN113962426 A CN 113962426A CN 202110991958 A CN202110991958 A CN 202110991958A CN 113962426 A CN113962426 A CN 113962426A
- Authority
- CN
- China
- Prior art keywords
- tide
- offshore
- safety
- forecasting
- navigation
- 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 54
- 238000013277 forecasting method Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 45
- 238000007726 management method Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000000572 ellipsometry Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 24
- 238000000034 method Methods 0.000 description 20
- 239000013598 vector Substances 0.000 description 9
- 238000011160 research Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for 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)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (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
本发明公开一种近海水上通航安全智能预报方法和装置,包括以下步骤:步骤1、根据近岸潮流预报模型获取预定水域的潮汐预报数据;步骤2、将所述预定水域的潮汐预报数据以及预存的气象预报数数据,带入船舶航行安全综合评价模型进行计算,实现对近海水上通航安全智能预报。采用本发明的技术方案,可以对海上通航进行安全预报,从而为船舶进出港时机决策提供依据。
Description
技术领域
本发明属于近海水运交通技术领域,尤其是一种近海水上通航安全智能预报方法和装置。
背景技术
我国海岸线绵长,海上交通对经济发展、战略布局意义重大。受多重因素影响,海洋环境复杂多变,特别是不良天气条件,使得通航环境尤为复杂,给船舶航行安全带来巨大的威胁和挑战,频发的水上通航事故不仅给船方带来生命和财产损失,同时对水域生态环境也会造成不可逆转的破坏。因此,如何提前科学预判水上通航环境优劣,做到防患于未然,是目前业内各方面关注的焦点问题和前沿问题。
近年来,国内外对海上气象监测和预报、潮汐预报等方面研究均有较多成果,且在各领域均有应用。但目前针对水上通航环境综合预报方面的研究少之又少。秉承我国沿海港口大型化、航运国际化的发展方向,未来海上运输行业将会成为大宗货物运输的主要交通方式,因此实现水上通航安全智能预报,将通航环境综合信息动态感知、通航安全辅助信息一体化集成,为船方提供多层次、智能化的港口船舶安全综合信息服务成为目前急迫要解决的问题。
发明内容
本发明要解决的技术问题是,提供一种近海水上通航安全智能预报方法和装置,可以进行通航安全预报,从而为船舶进出港时机决策提供依据。
为实现上述目的,本发明采用如下的技术方案:
一种近海水上通航安全智能预报方法,包括以下步骤:
步骤1、根据近岸潮流预报模型获取预定水域的潮汐预报数据;
步骤2、将所述预定水域的潮汐预报数据以及预存的气象预报数数据,带入船舶航行安全综合评价模型进行计算,实现对近海水上通航安全智能预报。
作为优选,所述潮汐预报数据包含:潮位、流速、流向。
作为优选,所述气象预报数数据包含:能见度、风力、浪高。
作为优选,近岸潮流预报模型的构建,包括:
首先,利用浅水控制方程组建立近岸潮汐数学模型;
其次,根据所述近岸潮汐数学模型,计算大尺度范围内太阴椭率全日分潮Q1、太阴赤纬全日分潮O1、太阳赤纬全日分潮P1、太阴—太阳赤纬全日分潮K1、太阴主要椭率半日分潮N2、太阴半日分潮M2、太阳半日分潮S2、太阴—太阳赤纬半日分潮K2的八个分潮数据;
再次,通过调和分析方法分析所述分潮数据,获取海域经纬度网格点上的8个分潮的调和常数;
最后,根据8个分潮的调和常数作为边界条件,构建近岸潮流预报模型。
作为优选,所述船舶航行安全综合评价模型基于船舶航行安全的影响因素构建,所述影响因素A={自然条件A1,航道条件A2,交通及管理条件A3},其中,A1,A2,A3构成评价系统的一级指标层;A1={能见度B1,风B2,浪B3,流B4,冰况B5},A2={航宽B6,航深B7},A3={船舶密度B8,交叉汇遇点个数B9,导助航B10},其中B1、B2……B10构成评价系统的二级指标层。
本发明还提供一种近海水上通航安全智能预报装置,包括:
获取模块,用于根据近岸潮流预报模型获取预定水域的潮汐预报数据;
预报模块,用于将所述预定水域的潮汐预报数据以及预存的气象预报数数据,带入船舶航行安全综合评价模型进行计算,实现对近海水上通航安全智能预报。
作为优选,所述潮汐预报数据包含:潮位、流速、流向。
作为优选,所述气象预报数数据包含:能见度、风力、浪高。
作为优选,所述船舶航行安全综合评价模型基于船舶航行安全的影响因素构建,所述影响因素A={自然条件A1,航道条件A2,交通及管理条件A3},其中,A1,A2,A3构成评价系统的一级指标层;A1={能见度B1,风B2,浪B3,流B4,冰况B5},A2={航宽B6,航深B7},A3={船舶密度B8,交叉汇遇点个数B9,导助航B10},其中B1、B2……B10构成评价系统的二级指标层。
本发明将近岸潮流预报模型与航行安全综合评价模型进行耦合,能够在采集气象预报数据的基础上,联合潮汐预报数据进行通航安全预报,从而为船舶进出港时机决策提供依据。
附图说明
图1为本发明近海水上通航安全智能预报方法的流程图;
图2为船舶航行风险研判指标体系的示意图;
图3为本发明近海水上通航安全智能预报系统的结构示意图。
具体实施方式
为使本发明的技术特点和功能更易于明白了解,下面结合具体实施方式,进一步阐述本发明。
本发明公开一种近海水上通航安全智能预报方法和系统,将近岸潮流预报模型与船舶航行安全风险综合评价模型进行耦合,将近岸潮流预报模型计算的潮位、潮流数据,以及天气预报所获能见度、风力、浪高等气象数据一并作为输入条件,带入船舶航行安全风险综合评价模型进行计算,从而实现对近期水上通航安全情况的综合预判,提前掌握通航环境的风险度、潜在风险项等,为决策者制定科学、合理、可行的航行方案提供技术支撑。
如图1所示,本发明提供一种近海水上通航安全智能预报方法,包括:
步骤S1、构建近岸潮流预报模型,包括如下步骤:
步骤11、利用浅水控制方程组建立近岸潮汐数学模型,进而计算大尺度范围内Q1(太阴椭率全日分潮)、O1(太阴赤纬全日分潮)、P1(太阳赤纬全日分潮)、K1(太阴——太阳赤纬全日分潮)、N2(太阴主要椭率半日分潮)、M2(太阴主要半日分潮)、S2(太阳主要半日分潮)、K2(太阴——太阳赤纬半日分潮)八个分潮;利用调和分析方法分析计算结果,获取海域经纬度网格点(大尺度)上的8个分潮的调和常数,作为步骤13的边界输入条件;
浅水控制方程的推导方法:近海水域在忽略垂线加速度即假定静水前提下,推导得到不可压缩水体(密度为常数)的三维流体动力学方程,然后沿水深方向进行平均得到二维流动基本方程,进而得到二维潮流的基本控制方程,二维潮流数学模型基本方程:
连续方程:
动量方程:
其中:t为时间;x,y为空间坐标(指北);U、V为垂向平均流速沿坐标轴方向的分量;ζ为相对于平均水面的水面高度;h为局地水深(相对于平均水面);g为重力加速度;τx,b,τx,b为分别为x和y方向的海底摩擦力,Cf=海底摩擦系量,f=Coriolis参量,Ω=地球自转角速度; A=水平涡动粘性系数,102~104m2/s。
步骤12、计算研究海域大尺度网格点上的海图深度基准面,以此为基准将步骤11计算结果统一至该基准面。
步骤13、根据海图深度基准面得到大尺度网格结点上的分潮过程结果,将其作为小尺度局部模型(精准预报海域)的边界条件,
初始条件:ζ=U=V=0
边界条件:
1)侧边界:在固壁处的边界条件为法向速度分量为零;
2)开边界:给出潮汐水位ζ随时间的变化,流速取辐射边界条件或无梯度条件,公式如下:
其中,hi、gi为第i个分潮的调和常数,σi为分潮的角速度,fi为分潮的交点因子,voi为分潮的天文初位相,ui为分潮的交点订正角。
步骤14、利用沿岸长期验潮站的实测资料,检验潮汐数值预报精度,并进行参数修正,使误差控制在规范要求范围内,以确保近岸潮流预报模型应用过程中预报准确性。
步骤S2、构建船舶航行安全综合评价模型,如图2所示,包括以下步骤:
步骤21、确定船舶航行安全的影响因素
影响航行安全的因素集合为论域A(目标层),A={自然条件A1,航道条件A2,交通及管理条件A3},其中,A1,A2,A3构成评价系统的一级指标层;A1={能见度B1,风B2,浪B3,流B4,冰况B5},A2={航宽B6,航深B7},A3={船舶密度B8,交叉汇遇点个数B9,导助航B10},其中B1、B2……B10构成评价系统的二级指标层。
步骤22、确定风险等级划分
评语等级论域定义为5个等级,即V={v1,v2,v3,v4,v5}={1,2,3,4,5},可理解为:vi依次代表安全、较安全、一般安全、较危险、危险来表示通航评价海域的安全等级,这里的{1,2,3,4,5}不是确值,而是一个模糊数,便于对最终评价进行量化处理。
步骤23、建立权重集评价矩阵
指标体系建立后,接下来需要确定各层次评价指标的权重。本发明在层次分析法的基础上,根据大量模型试验成果,根据标度和指标关联确定研判矩阵,利用数学方法求解矩阵,并检验其一致性。该方法提升该矩阵的客观性,改进了权重与阈值的确定方法。
对第一步中确定的指标结构模型进行逐层求解。从层次结构模型的第2层开始,对于从属于上一层每个因素的同一层各因素,在层次分析法中,用1-9比较尺度法构造两两比较矩阵。对n个指标B1,B2,…,Bn(n=2,3,5)进行比较,可得到以下判断矩阵B,如表1:
表1
标度 | B<sub>1</sub> | B<sub>2</sub> | … | B<sub>n</sub> |
B<sub>1</sub> | b<sub>11</sub> | b<sub>12</sub> | … | b<sub>1n</sub> |
B<sub>2</sub> | b<sub>21</sub> | b<sub>22</sub> | … | b<sub>2n</sub> |
… | … | … | … | … |
B<sub>n</sub> | b<sub>n1</sub> | b<sub>n2</sub> | … | b<sub>nn</sub> |
求解判断矩阵B,进行单层次排序,计算被比较元素对于该上层指标的相对权重序。计算权重向量和特征根的方法有多种,实际应用中通常采用操作简单的“和积法”。计算步骤如下:
①将矩阵B按列归一化
②将每一列经正规化后的判断矩阵按行相加,即:
③将得到的和向量归一化,即得权重向量
④计算矩阵最大特征根λ
得到最大特征根后,大于二维的矩阵需进行一致性检验,以保证评价者对多因素评判逻辑上的一致性,这也是保证评价结论可靠的必要条件。
层次分析法中引入判断矩阵最大特征根以外的其余特征根的负平均值,作为度量判断矩阵偏离一致性的指标:一致性指标C.I.计算公式如下:
计算一致性比率C.R.:
其中R.I.为平均随机一致性指标,对于3~10阶判断矩阵的R.I.如表所示,若C.R.<0.1,则所得比较矩阵可以接受;否则需对A加以调整,重新计算直至C.R.<0.1,如表2。
表2:3~10阶判断矩阵的R.I取值参照表
在构建单层次排序并计算出单层次权重集的基础上,用下(低)层次因素的组合权值加权,得到上(高)层次因素相对于下(低)层整个层次的组合权值,完成层次总排序。
设A层所有因素A1,A2,…,An的层次总排序已经确定,其对应权重为a1,a2,…,an,下一层B有m个因素B1,B2,…,Bm,其中Bi的单排序结果则Bi关于Aj的相对重要度为则B及的要素Bi的综合重要度为
各指标的权重计算同样采用层次分析法,应用成对比较组合中各因素对目标因素的相对影响程度来计算各因素对目标因素的权重。经和积法计算,影响航行风险各因素的权重值如下:
对应A={A1,A2,A3},W=[0.350,0.172,0.478];
其中A1={B1,B2,B3,B4,B5},
w1=[0.190,0.051,0.016,0.024,0.069]T;
A2={B6,B7},w2=[0.057,0.115]T;
A3={B8,B9,B10},w3=[0.284,0.061,0.132]T。
对W={w1,w2,w3}的一致性进行检验,对应A1、A3的C.R.值均小于0.1,判断矩阵具有一致性,判断结果可信。A2为二阶矩阵,无需检验归一性。
步骤24、计算评判决策矩阵
计算评判决策矩阵首先要确定隶属度向量集R,对于因素集内各因素的评定是一种模糊辐射f:A-F(V)。所以,要得到模糊矩阵就必须先进行单因素评价,即相对于评价因素ai分别作出评价vj隶属度。
单因素评价子集Ri=(ri1,ri2,...,rim),在此基础上,得到模糊关系矩阵R
其中rij为因素集A中第i个因素Ai对应评语集V中第j个元素vj的隶属度。部分影响因素隶属度计算结果见下表3-表5:
表3能见度隶属度模糊子集表
表4大风隶属度模糊子集表
表5横流隶属度模糊子集表
第五步:建立综合评价模型
对于因素集内各因素的评定是一种模糊辐射f:A—F(V)。
相对于评价因素ai分别作出评价vj隶属度。对第i个评价指标ai,相应的隶属度向量Ri(ri1,ri2,...,ri5)i=1,2,…,10。整个因素集内各因素的隶属度向量组成隶属度矩阵,即模糊评判矩阵。
对于多层次评判对象,对每个Ai={B1,B2,…Bs}的s个因素,按二级模糊综合评判计算得一级综合评价向量Ai的隶属度函数R′i:R′i=wioRi,式中“o”表示模糊合成运算。
同理计算A:A=WoR′={a1,a2,…an},
模糊综合评价的结果是一个模糊向量,可采用反模糊化确定最终的评价结果,可采用最大隶属度法和加权平均法。即用评价结果的模糊向量集ai,对评语集vj进行加权平均得到的值取为评价结果,即:
所得到的V为设置评语集范围之间的1个数(式中采用本次研究所选用的表征数1-5),此值即评价对象的通航安全风险评价等级。
在得到总体评价水平的基础上,为了解各一级评价指标对风险度评价的贡献大小,在上阶运算中分别对一级评价指标的隶属度进行反模糊法计算,从而推求各一级评价指标的风险度,更加直观的反应各指标对评判结果的贡献程度。
步骤S3、水上通航安全综合评价及智能预报
步骤31、对研究水域进行网格划分,每个网格覆盖范围一般为2×2海里(航道复杂水域可局部加密),编码方式为列号与行号的组合,例如左上角第一个网格编号为11,右下角最后一个网格编号为99。每个独立的网格编码代表一个区域,区别地理位置的不同性质,通过网格覆盖整个监控水域。
步骤31、基于近岸潮流预报模型预报搭建成果数据库,提取预报日期或时刻研究水域的潮位、流速、流向作为综合评价计算模型中“流、航深(代入潮位和地形进行二次计算)”的输入条件;链接天气预报网站预报信息,获取预报日期的“能见度、风、浪高、冰况”等模型所需输入条件;通过AIS船舶报告数据,预估预报日期“船舶密度”;若研究水域近期无航道疏挖、航道调整工程(参照海事部门发布的航行公告),则“航宽、交叉汇遇点个数、导助航”不随预报日期变化而变化。
步骤33、按预报日期或时刻,将研究水域的航行风险按网格进行逐个研判,评价结果风险度按1~5分别用绿色~橙色~红色进行色彩无极过度显示,进而完成航路交通安全智能预报。
通过水上通航安全综合评价及智能预报,可实现对预报日期(船舶拟到港或出港日期)或某一时刻的通航环境风险情况进行预报,对没有实测气象、水文资料的水域,采用潮汐预报、气象预报数据,对各风险要素在船舶通航安全中的贡献程度给出预测评价值,按航道(航路)覆盖网格进行逐个求解,并通过系统界面进行展示。船方、码头运营方、交管部门等均可根据预报结果决定适时到港/离港时段。
如图3所示,本发明提供一种近海水上通航安全智能预报装置,实现上述近海水上通航安全智能预报方法,其包括:
获取模块,用于根据近岸潮流预报模型获取预定水域的潮汐预报数据;
预报模块,用于将所述预定水域的潮汐预报数据以及预存的气象预报数数据,带入船舶航行安全综合评价模型进行计算,实现对近海水上通航安全智能预报。
进一步,所述潮汐预报数据包含:潮位、流速、流向;所述气象预报数数据包含:能见度、风力、浪高。
本发明大大降低了通航环境的不可控性,增强了船舶航行预判能力,降低船舶与各环境要素的不利影响,减小船舶通航潜在风险概率,提高港区船舶作业运转效率,提升船舶交通智能化水平和服务品质,具有很大应用和推广空间。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种近海水上通航安全智能预报方法,其特征在于,包括以下步骤:
步骤1、根据近岸潮流预报模型获取预定水域的潮汐预报数据;
步骤2、将所述预定水域的潮汐预报数据以及预存的气象预报数数据,带入船舶航行安全综合评价模型进行计算,实现对近海水上通航安全智能预报。
2.如权利要求1所述的近海水上通航安全智能预报方法,其特征在于,所述潮汐预报数据包含:潮位、流速、流向。
3.如权利要求1所述的近海水上通航安全智能预报方法,其特征在于,所述气象预报数数据包含:能见度、风力、浪高。
4.如权利要求1所述的近海水上通航安全智能预报方法,其特征在于,近岸潮流预报模型的构建,包括:
首先,利用浅水控制方程组建立近岸潮汐数学模型;
其次,根据所述近岸潮汐数学模型,计算大尺度范围内太阴椭率全日分潮Q1、太阴赤纬全日分潮O1、太阳赤纬全日分潮P1、太阴—太阳赤纬全日分潮K1、太阴主要椭率半日分潮N2、太阴半日分潮M2、太阳半日分潮S2、太阴—太阳赤纬半日分潮K2的八个分潮数据;
再次,通过调和分析方法分析所述分潮数据,获取海域经纬度网格点上的8个分潮的调和常数;
最后,根据8个分潮的调和常数作为边界条件,构建近岸潮流预报模型。
5.如权利要求1所述的近海水上通航安全智能预报方法,其特征在于,所述船舶航行安全综合评价模型基于船舶航行安全的影响因素构建,所述影响因素A={自然条件A1,航道条件A2,交通及管理条件A3},其中,A1,A2,A3构成评价系统的一级指标层;A1={能见度B1,风B2,浪B3,流B4,冰况B5},A2={航宽B6,航深B7},A3={船舶密度B8,交叉汇遇点个数B9,导助航B10},其中B1、B2……B10构成评价系统的二级指标层。
6.一种近海水上通航安全智能预报装置,其特征在于,包括:
获取模块,用于根据近岸潮流预报模型获取预定水域的潮汐预报数据;
预报模块,用于将所述预定水域的潮汐预报数据以及预存的气象预报数数据,带入船舶航行安全综合评价模型进行计算,实现对近海水上通航安全智能预报。
7.如权利要求6所述的近海水上通航安全智能预报装置,其特征在于,所述潮汐预报数据包含:潮位、流速、流向。
8.如权利要求6所述的近海水上通航安全智能预报装置,其特征在于,所述气象预报数数据包含:能见度、风力、浪高。
9.如权利要求6所述的近海水上通航安全智能预报装置,其特征在于,所述船舶航行安全综合评价模型基于船舶航行安全的影响因素构建,所述影响因素A={自然条件A1,航道条件A2,交通及管理条件A3},其中,A1,A2,A3构成评价系统的一级指标层;A1={能见度B1,风B2,浪B3,流B4,冰况B5},A2={航宽B6,航深B7},A3={船舶密度B8,交叉汇遇点个数B9,导助航B10},其中B1、B2……B10构成评价系统的二级指标层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110991958.1A CN113962426A (zh) | 2021-08-27 | 2021-08-27 | 一种近海水上通航安全智能预报方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110991958.1A CN113962426A (zh) | 2021-08-27 | 2021-08-27 | 一种近海水上通航安全智能预报方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962426A true CN113962426A (zh) | 2022-01-21 |
Family
ID=79460688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110991958.1A Pending CN113962426A (zh) | 2021-08-27 | 2021-08-27 | 一种近海水上通航安全智能预报方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962426A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627680A (zh) * | 2022-04-11 | 2022-06-14 | 交通运输部天津水运工程科学研究所 | 一种超大型船舶通航安全预测方法及系统 |
CN114637962A (zh) * | 2022-05-18 | 2022-06-17 | 自然资源部第一海洋研究所 | 海洋数值预报产品验证方法、系统、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680037A (zh) * | 2015-03-27 | 2015-06-03 | 华北水利水电大学 | 一种水路运输安全监测评价方法 |
RU2583063C1 (ru) * | 2014-12-08 | 2016-05-10 | Открытое акционерное общество "Государственный научно-исследовательский навигационно-гидрографический институт" (ОАО "ГНИНГИ") | Способ прогноза штормовых подъемов уровня воды |
CN110119593A (zh) * | 2019-05-24 | 2019-08-13 | 中能电力科技开发有限公司 | 一种基于fvcom模型的可视化潮汐潮流预报方法 |
AU2020102354A4 (en) * | 2020-09-21 | 2020-10-29 | Tianjin Research Institute For Water Transport Engineering.M.O.T. | Morning and early warning method for coastal port ship operation conditions |
-
2021
- 2021-08-27 CN CN202110991958.1A patent/CN113962426A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2583063C1 (ru) * | 2014-12-08 | 2016-05-10 | Открытое акционерное общество "Государственный научно-исследовательский навигационно-гидрографический институт" (ОАО "ГНИНГИ") | Способ прогноза штормовых подъемов уровня воды |
CN104680037A (zh) * | 2015-03-27 | 2015-06-03 | 华北水利水电大学 | 一种水路运输安全监测评价方法 |
CN110119593A (zh) * | 2019-05-24 | 2019-08-13 | 中能电力科技开发有限公司 | 一种基于fvcom模型的可视化潮汐潮流预报方法 |
AU2020102354A4 (en) * | 2020-09-21 | 2020-10-29 | Tianjin Research Institute For Water Transport Engineering.M.O.T. | Morning and early warning method for coastal port ship operation conditions |
Non-Patent Citations (1)
Title |
---|
徐亚男: "《风暴潮与波浪耦合数值预报模型的研究》" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114627680A (zh) * | 2022-04-11 | 2022-06-14 | 交通运输部天津水运工程科学研究所 | 一种超大型船舶通航安全预测方法及系统 |
CN114637962A (zh) * | 2022-05-18 | 2022-06-17 | 自然资源部第一海洋研究所 | 海洋数值预报产品验证方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3534187B1 (en) | Process and system for hydrological analysis and management for river basins | |
CN109243205B (zh) | 一种沿海水上交通安全风险监测与预警系统及方法 | |
Levy | Multiple criteria decision making and decision support systems for flood risk management | |
CN104732079B (zh) | 一种遥感卫星体系效能确定方法 | |
CN103743402B (zh) | 一种基于地形信息量的水下智能自适应地形匹配方法 | |
Lermusiaux et al. | Optimal planning and sampling predictions for autonomous and Lagrangian platforms and sensors in the northern Arabian Sea | |
CN113962426A (zh) | 一种近海水上通航安全智能预报方法和装置 | |
CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
CN116644608B (zh) | 一种基于海洋环境数据的实海域船舶运动预报方法及系统 | |
CN108061572B (zh) | 一种海洋核动力平台综合态势显控系统及方法 | |
CN108805350A (zh) | 基于多维蒙特卡洛理论的搜救范围预测方法 | |
CN105653826A (zh) | 一种改进的海上搜救区域预测方法及系统 | |
CN107480781A (zh) | 神经网络自适应卡尔曼滤波的核事故源项反演方法 | |
Dang et al. | A convolutional neural network for coastal classification based on ALOS and NOAA satellite data | |
CN114662575A (zh) | 风电水域船舶航行风险预估方法、系统以及存储介质 | |
CN113689128A (zh) | 一种船舶航行安全动态研判及预警系统和方法 | |
CN114091756B (zh) | 一种基于泰森多边形的乡镇级海啸风险评估方法 | |
CN111612241A (zh) | 智能船舶路径规划功能实现性的综合评价方法 | |
Xu et al. | Risk evaluation system of navigation security based on coupled wind and wave model: a case of study of Qiongzhou strait | |
Yang et al. | Prediction and risk assessment of extreme weather events based on gumbel copula function | |
Zhou et al. | A comprehensive path planning framework for patrolling marine environment | |
Su et al. | An approach using multi-factor combination to evaluate high rocky slope safety | |
CN115660137B (zh) | 一种船舶风浪航行能耗精准估算方法 | |
Zhou et al. | A decision framework of offshore wind power station site selection using a MULTIMOORA method under Pythagorean hesitant fuzzy environment | |
CN115186959A (zh) | 一种面向海洋科考调查的海浪风险评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220121 |
|
RJ01 | Rejection of invention patent application after publication |