CN114186194B - 一种基于空间风暴过程的设计波高计算方法 - Google Patents
一种基于空间风暴过程的设计波高计算方法 Download PDFInfo
- Publication number
- CN114186194B CN114186194B CN202111485756.6A CN202111485756A CN114186194B CN 114186194 B CN114186194 B CN 114186194B CN 202111485756 A CN202111485756 A CN 202111485756A CN 114186194 B CN114186194 B CN 114186194B
- Authority
- CN
- China
- Prior art keywords
- distribution
- wave height
- storm
- extremum
- determining
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于空间风暴过程的设计波高计算方法,涉及海洋工程领域,该方法包括确定检测点位所处的海域范围,获取海域范围内所有历史风暴过程的路径数据并确定每个独立风暴过程的发生时间段,确定每个独立风暴过程发生时间段中的有义波高的极大值,并将所有独立风暴过程中的有义波高的极大值形成样本数据集,对样本数据集进行极值分布族参数拟合,得到拟合度最高的分布并确定极值分布函数,根据分布函数计算得到特定回归周期下的设计波高。该方法以风暴过程作为锚定标准,来进行极值波高取样及计算,在物理意义上更加符合极端海况的发生物理机制原因,同时取消了先验分布函数的假设,将分布的拟合结果完全归结于样本的拟合程度。
Description
技术领域
本发明涉及近岸工程和海洋工程技术领域,尤其是一种基于空间风暴过程的设计波高计算方法。
背景技术
在海浪统计中,每个海况的持续时间一般取三小时,统计得到的有义波高一般指的是一个三小时海况中的最大1/3波高的均值。设计海况中的有义波高大小对于海上作业的安全性至关重要,准确估算特定海域的有义波高的回归水平,是该海域近岸工程与海上建筑物设计与建造的前提。目前,国内外海岸及海洋工程设计波高的获取,大多采用概率统计分析的方法,即假设极值波高符合某种理论分布,再基于该理论分布推算出某一重现期的波高设计值,如“100年一遇”、“50年一遇”的重现期有义波高。这种重现期极值标准的实质是用有限的历史数据外延推求出更长时间段内可能出现的极值。
在推算重现期值时,常用的样本选择方法主要有三种:(1)年极值法(AnnualMaximum),选取观测数据中的年最大值作为样本,在一定检验准则下确定理论分布曲线的最佳线型参数,外延推算至多年一遇极值,该方法由于每年只选一个最大值作为样本,数据利用率不高,所以为了保证结果的精度则要求原始数据资料年限较长。(2)全部观测值法,当关心位置没有长期固定的水文观测设备时,可通过临时观测获取短期(1~3个月)的实测数据,利用坐标转换,再外延计算至多年一遇极值;由于此方法为经验性质的外延,不同的分布选取对计算结果影响较大,且拟合的分布函数容易受到小海况波高的影响。(3)超阈法(Peak Over Threshold),当观测序列有限时,可以确定某一观测值为下限,即阈值,凡是超过此值的峰值点均列入统计序列,而后通过GPD分布(Generalized Pareto Distribution)进行拟合,这种方法要求的序列长度不及年极值法,但如何确定阈值是其关键,对于样本较少的情况,阈值的选取十分困难。
发明内容
本发明人针对上述问题及技术需求,提出了一种基于空间风暴过程的设计波高计算方法,本发明的技术方案如下:
一种基于空间风暴过程的设计波高计算方法,包括:
确定检测点位所处的海域范围,海域范围覆盖风暴过程的发生路径;
获取海域范围内所有历史风暴过程的路径数据,并确定每个独立风暴过程的发生时间段;
确定每个独立风暴过程的发生时间段中的有义波高的极大值,并将所有独立风暴过程中的有义波高的极大值集合形成样本数据集;
对样本数据集进行极值分布族参数拟合,得到拟合度最高的分布并确定极值分布函数,极值分布族包括若干个不同的分布模型;
根据极值分布函数计算得到特定回归周期下的设计波高。
其进一步的技术方案为,任意两个独立风暴过程的间隔时间不小于3天。
其进一步的技术方案为,确定每个独立风暴过程中的有义波高的极大值,包括:
对位于检测点观测到或计算得到的有义波高按时间序列进行统计;
对统计结果进行比较,得到每个独立风暴过程的发生时间段中的有义波高的极大值。
其进一步的技术方案为,若干个不同的分布模型包括广义极值分布、对数正态分布、韦伯分布、皮尔逊Ⅲ分布、耿贝尔分布、指数分布和韦克比分布中的两种或以上。
其进一步的技术方案为,采用极大似然相似法进行极值分布族参数拟合。
其进一步的技术方案为,得到拟合度最高的分布,包括:对若干个不同的分布模型拟合得到的参数进行Kolmogorov-Smirnov检验,根据检验得到拟合度最高的分布。
其进一步的技术方案为,根据极值分布函数计算得到特定回归周期下的设计波高,包括按照如下公式计算:
其中,F(x)为极值分布函数,x为设计波高,T为特定回归周期。
本发明的有益技术效果是:
本申请公开了一种基于空间风暴过程的设计波高计算方法,以风暴过程作为锚定标准,来进行极值波高取样及计算,该方法在物理意义上更加符合极端海况的发生物理机制原因,同时取消了先验分布函数的假设,将分布的拟合结果完全归结于样本的拟合程度;进一步的,将空间风暴过程引入具体海域的极值分析采样过程中,可操作性强,简化了设计波高的计算过程,同时增加了设计波高计算的可解释性。
附图说明
图1是根据一示例性实施例示出的设计波高计算方法的流程示意图。
图2是根据另一示例性实施例示出的设计波高计算方法的流程示意图。
图3是根据一示例性实施例示出的海域范围示意图。
图4是根据一示例性实施例示出的采用广义极值分布和韦伯分布对样本数据集拟合的结果示意图。
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。
请参考图1,其示出了本申请一个实施例提供的基于空间风暴过程的设计波高计算方法的流程图。如图1所示,该基于空间风暴过程的设计波高计算方法包括以下步骤:
步骤101,确定检测点位所处的海域范围,如图3所示,海域范围覆盖风暴过程的发生路径。
步骤102,获取海域范围内所有历史风暴过程的路径数据,并确定每个独立风暴过程的发生时间段;
其中,从International Best Track Archive for Climate Stewardship(IBTrACS)的公开资料中下载出该海域范围的历史风暴过程的路径数据,确定风暴过程对海域造成影响的起始和结束时间;
可选的,任意两个独立风暴过程的间隔时间不小于3天,以确保风暴事件之间的独立性原则。
步骤103,确定每个独立风暴过程的发生时间段中的有义波高的极大值,并将所有独立风暴过程中的有义波高的极大值集合形成样本数据集;
可选的,确定每个独立风暴过程的发生时间段中的有义波高的极大值,包括对位于检测点观测到或计算得到的有义波高按时间序列进行统计;
对统计结果进行比较,得到每个独立风暴过程的发生时间段中的有义波高的极大值。
步骤104,对样本数据集进行极值分布族参数拟合,得到拟合度最高的分布并确定极值分布函数,极值分布族包括若干个不同的分布模型;
可选的,若干个不同的分布模型包括广义极值分布、对数正态分布、韦伯分布、皮尔逊Ⅲ分布、耿贝尔分布、指数分布和韦克比分布中的两种或以上;
可选的,采用极大似然相似法进行极值分布族参数拟合。
步骤105,根据极值分布函数计算得到特定回归周期下的设计波高。
对于如何确定拟合度最高的极值分布函数并得到相应的设计波高,本申请给出了另一个具体实施例。
请参考图2,其示出了本申请另一实施例提供的基于空间风暴过程的设计波高计算方法的流程图。如图2所示,该基于空间风暴过程的设计波高计算方法包括以下步骤:
步骤201,确定检测点位所处的海域范围,如图3所示,海域范围覆盖风暴过程的发生路径。
步骤202,获取海域范围内所有历史风暴过程的路径数据,并确定每个独立风暴过程的发生时间段;
其中,从International Best Track Archive for Climate Stewardship(IBTrACS)的公开资料中下载出该海域范围的历史风暴过程的路径数据,确定风暴过程对海域造成影响的起始和结束时间;
可选的,任意两个独立风暴过程的间隔时间不小于3天,以确保风暴事件之间的独立性原则。
步骤203,确定每个独立风暴过程的发生时间段中的有义波高的极大值,并将所有独立风暴过程中的有义波高的极大值集合形成样本数据集;
可选的,确定每个独立风暴过程的发生时间段中的有义波高的极大值,包括对位于检测点观测到或计算得到的有义波高按时间序列进行统计;
对统计结果进行比较,得到每个独立风暴过程的发生时间段中的有义波高的极大值。
步骤204,对样本数据集进行极值分布族参数拟合,极值分布族包括若干个不同的分布模型;
可选的,若干个不同的分布模型包括广义极值分布、对数正态分布、韦伯分布、皮尔逊Ⅲ分布、耿贝尔分布、指数分布和韦克比分布中的两种或以上。
可选的,采用极大似然相似法进行极值分布族参数拟合。
步骤205,对若干个不同的分布模型拟合得到的参数进行Kolmogorov-Smirnov检验,根据检验得到拟合度最高的分布并确定极值分布函数。
图4示出了采用广义极值分布(GEV)和韦伯分布(Weibull)对样本数据集拟合的结果示意图,可以看出,拟合度最高的是图中的广义极值分布,在确定了极值分布后,就可以根据最佳分布函数的具体表达式进行设计波高的计算,分布函数的具体表达式与实际数据相关。
步骤206,根据极值分布函数计算得到特定回归周期下的设计波高,具体按照如下公式计算:
其中,F(x)为极值分布函数,x为设计波高,T为特定回归周期。
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 (7)
1.一种基于空间风暴过程的设计波高计算方法,其特征在于,所述计算方法包括:
确定检测点位所处的海域范围,所述海域范围覆盖风暴过程的发生路径;
获取所述海域范围内所有历史风暴过程的路径数据,并确定每个独立风暴过程的发生时间段;
确定每个独立风暴过程的发生时间段中的有义波高的极大值,并将所有独立风暴过程中的有义波高的极大值集合形成样本数据集;
对所述样本数据集进行极值分布族参数拟合,得到拟合度最高的分布并确定极值分布函数,所述极值分布族包括若干个不同的分布模型;
根据所述极值分布函数计算得到特定回归周期下的设计波高。
2.根据权利要求1所述的方法,其特征在于,任意两个独立风暴过程的间隔时间不小于3天。
3.根据权利要求1所述的方法,其特征在于,所述确定每个独立风暴过程中的有义波高的极大值,包括:
对位于所述检测点位观测到或计算得到的有义波高按时间序列进行统计;
对统计结果进行比较,得到每个独立风暴过程的发生时间段中的有义波高的极大值。
4.根据权利要求1所述的方法,其特征在于,所述若干个不同的分布模型包括广义极值分布、对数正态分布、韦伯分布、皮尔逊Ⅲ分布、耿贝尔分布、指数分布和韦克比分布中的两种或以上。
5.根据权利要求1所述的方法,其特征在于,采用极大似然相似法进行极值分布族参数拟合。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述得到拟合度最高的分布,包括:对所述若干个不同的分布模型拟合得到的参数进行Kolmogorov-Smirnov检验,根据所述检验得到拟合度最高的分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485756.6A CN114186194B (zh) | 2021-12-07 | 2021-12-07 | 一种基于空间风暴过程的设计波高计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485756.6A CN114186194B (zh) | 2021-12-07 | 2021-12-07 | 一种基于空间风暴过程的设计波高计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114186194A CN114186194A (zh) | 2022-03-15 |
CN114186194B true CN114186194B (zh) | 2023-05-26 |
Family
ID=80603676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111485756.6A Active CN114186194B (zh) | 2021-12-07 | 2021-12-07 | 一种基于空间风暴过程的设计波高计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186194B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114873B (zh) * | 2022-08-31 | 2022-11-18 | 中国海洋大学 | 海洋环境重现期设计标准推算方法与系统 |
CN115270080B (zh) * | 2022-09-27 | 2023-01-31 | 中国海洋大学 | 一种海况时间历程快速生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009127A (zh) * | 2017-09-12 | 2018-05-08 | 陈柏宇 | 一种台风特征因子对海浪波高影响的分析方法 |
WO2019104897A1 (zh) * | 2017-11-29 | 2019-06-06 | 中国海洋大学 | 一种波高阈值的选取方法 |
CN111611549A (zh) * | 2020-05-25 | 2020-09-01 | 中国海洋大学 | 基于海洋环境参数确定台风影响海域设计波高的方法 |
CN112818512A (zh) * | 2021-01-04 | 2021-05-18 | 上海勘测设计研究院有限公司 | 一种基于风暴模式的最大单波波高Hmax计算方法 |
-
2021
- 2021-12-07 CN CN202111485756.6A patent/CN114186194B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009127A (zh) * | 2017-09-12 | 2018-05-08 | 陈柏宇 | 一种台风特征因子对海浪波高影响的分析方法 |
WO2019104897A1 (zh) * | 2017-11-29 | 2019-06-06 | 中国海洋大学 | 一种波高阈值的选取方法 |
CN111611549A (zh) * | 2020-05-25 | 2020-09-01 | 中国海洋大学 | 基于海洋环境参数确定台风影响海域设计波高的方法 |
CN112818512A (zh) * | 2021-01-04 | 2021-05-18 | 上海勘测设计研究院有限公司 | 一种基于风暴模式的最大单波波高Hmax计算方法 |
Non-Patent Citations (5)
Title |
---|
Spatial extreme value analysis of significant wave heights along the French coast;Thomas Bulteau等;International short conference on advances in extreme value analysis and application to natural hazards:EVAN2013;全文 * |
南海海域风浪环境极值要素推算研究;赵战华;匡晓峰;郑文涛;范亚丽;;水动力学研究与进展(A辑)(第01期);全文 * |
历史台风天气图法推算海岸工程设计波要素;李为华;付桂;杨春平;;水运工程(第07期);全文 * |
台风条件下南海海域超长重现期波高推算的研究;程雨佳;庞亮;董胜;;中国海洋大学学报(自然科学版)(第S2期);全文 * |
山东沿海台风浪数值模拟与统计分析;李雪;宋冲;巩艺杰;董胜;;海洋湖沼通报(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114186194A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114186194B (zh) | 一种基于空间风暴过程的设计波高计算方法 | |
CN110032975B (zh) | 一种地震震相的拾取方法 | |
CN113435725B (zh) | 基于farima-lstm预测的电网主机动态阈值设定方法 | |
Caires | Extreme value analysis: wave data | |
CN106897957B (zh) | 一种基于pca和pso-elm的自动气象站实时数据质量控制方法 | |
CN113743013A (zh) | 一种基于XGBoost气温预测数据修正的方法 | |
CN111611549A (zh) | 基于海洋环境参数确定台风影响海域设计波高的方法 | |
CN107831516B (zh) | 融合gnss和地面监测网获取大坝实时高精度位移的方法 | |
CN113704693A (zh) | 一种高精度的有效波高数据估计方法 | |
CN114330120B (zh) | 一种基于深度神经网络预测24小时pm2.5浓度的方法 | |
CN117310118B (zh) | 一种地下水污染可视化监测方法 | |
Maposa et al. | Modelling extreme flood heights in the lower Limpopo River basin of Mozambique using a time-heterogeneous generalised Pareto distribution | |
CN111898089A (zh) | 确定台风影响海域有效波高和增水联合概率的方法 | |
CN116541681A (zh) | 一种基于协同克里金插值的复合灾害空间变异性识别方法 | |
CN108733622A (zh) | 基于自相关不等间隔迭代法的电离层tec单站预报方法 | |
CN115713312A (zh) | 一种水利水电工程环境量不利工况组合识别方法及装置 | |
CN108051676A (zh) | 一种雷电流幅值累积概率分布曲线拟合计算方法 | |
CN110020409B (zh) | 基于自适应核密度估计算法的地面气温观测资料分析方法 | |
You et al. | Minimisation of the uncertainty in estimation of extreme coastal wave heights | |
Callaghan et al. | Comparing extreme water levels using different techniques and impact of climate indices | |
CN113204831B (zh) | 一种船舶系统设备动态基线的设计方法 | |
CN116992781B (zh) | 基于深度学习的多步多要素风浪预报方法 | |
Malcheva et al. | Statistical Assessment of Annual Maximum Daily Precipitation over Bulgaria in the Period 1892-2018 | |
CN117471502B (zh) | 一种定位源参数异常检测和修正方法、系统及电子设备 | |
CN117933316B (zh) | 一种基于可解释贝叶斯卷积网络的地下水位概率预报方法 |
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 |