CN114332395A - 一种基于水力学模型与三维渲染技术实现洪水演进模拟的方法 - Google Patents

Abstract

本发明是一种利用三维WebGL技术实现洪水演进模拟的方法，构建基于一二维耦合水动力学模型，接入气象预报和实时监测数据进行模型运算，将计算结果通过三维WebGL技术进行渲染，以数字流场的方式，将地形、时空数据、网格水深流速等数据模拟呈现，表达洪水的整个淹没过程。本发明的洪水模拟方法主要先将水动力模型剖分的不规则网格数据结构利用TIN算法重构成三角网，再利用WebGL顶点渲染技术可视化展示。本发明解决了洪水演进模拟过程中水面波纹的粒子效果逼真，水面淹没水深流速呈现结合实际，并有理论依据，分析结果可靠等优点。

Description

一种基于水力学模型与三维渲染技术实现洪水演进模拟的 方法

技术领域

本发明将水动力学模型不规则多边形网格的计算结果利用WebGL渲染，完成洪水演进模拟技术实现。

背景技术

水动力模型是对研究区域地形数据、河网数据、水文数据等为基础，构建暴雨洪水一二维水动力耦合模型，利用实测资料进行参数率定与模型验证，为研究区域暴雨洪水风险因子模拟研究提供模型支撑。一维水动力模型是用来探究一维水动力河道洪水演进、预报的专业水利模型，在河道、城市管网、蓄滞洪区等各种洪水问题中都有广泛的应用。二维水动力模型是平面二维数值模拟，可以在二维空间模拟计算河流洪水演进、海洋波浪运动以及泥沙迁移和水质环境等相关问题。

一二维水动力耦合模型是把一维和二维水动力模型连接到一起，进行耦合的模型，可以进行洪水演进模拟，分析洪水淹没情况。

TIN是不规则三角网，常用的表面模型，优点是高效率的存储，数据结构简单，与不规则的地面特征和谐一致；可以表示线性特征和迭加任意形状的区域边界，易于更新；TIN模型数据通过WebGL技术能够很好的可视化展示，多应用于三维地形可视化、倾斜摄影底层数据结构就是三角网构成。

WebGL绘图必须依赖于着色器，这是一种新的绘图机制，它可以灵活而且强大的绘制二维和三维图形。在3D渲染的过程中，顶点决定了点、线、面这些要素的位置，同时，也需要在绘制图形时进行着色，使图形具有色彩、光照、阴影等效果。这就需要WebGL提供的顶点着色器，在WebGL中，顶点着色器是可编程的，用户可以根据程序的需要而自行编写顶点着色器源代码。这样，WebGL就可以把顶点着色器源代码加载到创建的顶点着色器对象中，然后编译、链接这个着色器。

噪声是为了把一些随机变量引入到程序中，增强虚拟现实场景的逼真度、增强用户沉浸感，要对场景中物体进行精细的仿真模拟，以期达到模拟现实环境的效果。水面使用Gerstner与Simplex Noise激励源融合算法，形成由高度图扰动的水面模型，二维SimplexNoise作为三维Gerstner波模型的z(高度)方向上的激励源，对三维Gerstner高度值进行扰动，生成水流高度图。

发明内容

发明目的：一二维水动力学耦合模型建模时，会根据地形、下垫面、道路等因素剖分不同规则和大小的网格，经由模型计算后，结果是以不规则网格结构计算的数据，这种数据结构直接三维渲染会存在水面不平整，锯齿，加载性能差等问题；使用WebGL顶点着色渲染技术，可以很大了提高性能和可视化效果，整体流程如图1。

本发明通过以下步骤来实现的：

S1、构建基于水动力学的一二维耦合模型，根据资料与数据确定建模边界，构建一维二维耦合模型，通过设置参数进行模型计算，并进行模型率定验证；

S2、将S1建模的剖分网格数据利用TIN算法进行重建与处理，构建成WebGL所需的数据结构；

S3、一二维水动力模型计算模拟，输入模型计算相关的参数，进行计算；

S4、利用噪声(Simplex Noise)和Gerstner激励源融合算法对模型计算的结果进行插值优化；

S5、结合地理信息系统和顶点渲染技术将优化的水深计算结果，按时间序列进行洪水演进模拟。

与现有技术相比，本发明取得了如下效果：该方法集成了GIS、水动力模型和IOT等技术，实现了二三维一体化、模型构建自动化、水动力模拟结果动态展示，全息真实感知洪水变化，并接入了水文监测站和气象预报数据，提高了洪水的预见期，对洪水预报有重大意义。

附图说明

图1是整体流程示意图；

图2是不规则三角网体系结构图；

图3是Gerstner与Simplex Noise激励源融合算法；

图4激励源融合算法的实现流程图；

图5是水面渲染过程。

具体实施方式

本发明可应用于流域洪水预报模拟演进，对洪水预报模型构建与洪水演进过程包括以下步骤：

1、构建基于水动力学的一二维耦合模型，根据资料与数据确定建模边界，构建一维二维耦合模型，通过设置参数进行模拟计算，并进行模型率定验证。

(1)模型建模边界确定

模型构建主要根据降雨数据、监测数据、历史洪水资料、水文资料、城市排水、工程资料等确定建模边界；构建一维河网模型，一维河道与河道左右岸的二维淹没区通过侧向连接方式实现一二维数学模型的堤防型侧向联解；

(2)模型参数设定

模型构建完成后，需要设定方案计算步长、模拟时间、以及雨量、流量序列等数据；

(3)模型模拟计算

通过设置参数进行模型计算，计算结果能够直观反映淹没范围、淹没水深、洪水到达时间、洪水演进路线等。

(4)模型率定验证

在洪水分析模型中，模型待率定的主要参数为糙率系数，糙率系数的取值直接影响着洪水风险分析模型的计算精度。从其物理上考虑，影响糙率的因素众多，它与底床、岸壁的粗糙程度、河道断面形状、水力半径或水深、水流状态等有关，而在数学模型上，为了便于数值求解，这些复杂的物理因素被参数化为单一的糙率系数而不易确定。

将模拟计算结果跟实测数据进行综合对比，并反复执行2、3步骤，直到对设定的参数评价合理。

2、将建模的剖分网格数据利用TIN重构与处理，构建成WebGL所需的数据结构。

将建模时根据地形与土地利用数据剖分的网格顶点数据，重新按照Delaulay三角网生成算法重构，如图2是不规则三角网体系结构图。

Voronoi图是Delaunay三角网的对偶图，也是不规则表达中的最基本和最重要的几何构造。定义为：假设V＝{V₁,V₂,…,V_n}是欧几里得平面上的一个点集，规定n≥3,并且要求这些点不共线，而且四点不共圆，用

表示点V_i、V_j间的欧几里得距离。设P为平面上的点，则区域:

V_(i)＝{p∈E²|d(x,v_i)≤d(p,v_j),j＝1,2,…,N,j≠i}

称为Voronoi多边形，各点的V-多边形共同组成V-图。

三角网生长算法构网步骤相对简单，当然和凸闭包收缩算法相反。虽然个子的表述大同小异，但是三角网生长法算法的基本步骤是表现如下：

(1)在所有的数据中任意取一点1(一般从几何中心附近开始)，查找距离此点最近的点2，相连后作为初始基线1-2；

(2)在初始基线右边应用Delaunay法则搜寻第三点3，形成第一个Delaunay三角形；

(3)并且以此三角形的两条新边(2-3,3-1)作为新的初始基线；

(4)重复步骤(2)和(3)直到所有数据点处理完毕。

上述过程表明，三角网生长算法主要的工作是在大量数据点中搜寻给定基线符合要求的邻域点。一种简单的方法是通过计算三角形外接圆的圆心和半径来完成对于领域点的搜索。该算法的整体效率为O(N^k+1/k)，k为空间维数。

3、一二维水动力模型计算模拟，输入模型计算相关的参数，实时计算；

上述三角网的顶点跟建模剖分的网格顶点是一一对应的，因此模型计算的结果可以直接映射成三角网的数据；输入模型计算相关的参数完成计算，同时也可以接入气象预报数据做到预警预报。

4、利用噪声(Simplex Noise)和Gerstner激励源融合算法对模型计算的水深结果进行插值优化；

Gerstner与Simplex Noise激励源融合算法的思想是将三维Gerstner波模型与二维的Simplex Noise迭加生成水面灰度图，具体思路如图3。Gerstner波模型形成的水面模型波峰不高，水面相对平稳且形成的水面具有较强的对称性，而Simplex Noise形成的水面波纹过于随机且无方向性。基于Gerstner与Simplex Noise激励源融合算法是将SimplexNoise作为Gerstner波模型在Z(水深)方向上(高度场)的激励源，对每个点的波高实施扰动，来增加水表面的丰富细节。

基于Gerstner与Simplex Noise激励源融合算法，具体实现流程如图4所示。

(1)用一个结构体保存时间和每个波的波长、振幅、方向、频率和起始坐标：

(2)由于Gerstner参数方程对x值有变化，这样会直接增加计算的复杂度。为了尽可能的减小计算量，本文采用两个固定形状的Gerstner波，每个波使用11个点对坐标表示。第一个波峰较尖，用来绘制细小的波纹；第二个波谷较宽，用来绘制波长较长的水波；

(3)将噪声函数经过五次多项式内插函数：f(t)＝6t⁵-15t⁴+10t³得到网格中每个点的噪声值，将不同振幅的噪声值函数叠加生成Simplex_Noise(x,y)；

(4)利用公式P(x,y,t)计算网格点的z值，形成水面高度。

5、结合地理信息系统和顶点渲染技术将修正的水深计算结果，按时间序列进行洪水演进模拟。

水面模型的建立是水面渲染的基础，通过渲染技术对模型处理，生成具有真实感的水流效果。基于凹凸映射与多重纹理映射技术对水流模型进行着色渲染。首先使用凹凸映射技术将灰度图中存储的高度值经过法向贴图生成法向图，然后对法向图任一点周围的四个法向量进行混合叠加生成混合法向量，经过基于WebGL的多重纹理映射技术渲染生成水面波纹流动效果，具体流程如图5。

生成的法向图，通过多重纹理映射技术，在纹理单元0载入这张法向贴图，经过法向量叠加算法形成水面波纹移动效果。具体实现如下：

(1)首先得到每个点周围的分布的四个法向量。

由已知的一个点只能得到一个法向量，为了得到该点周围分布的四个法向量，可以在已知点周围的三个不同方向上进行偏移，从而得到其他三个分块的法向量。假定已知点坐标为S_A(X,Y)，分别在x方向上进行位移，在y方向上进行位移以及沿45°角进行位移就可以得到另外三个点的坐标。

在得到四个已知点后，由顶点着色器根据纹理坐标值得到法向量，Normal为取得坐标点对应法向量的函数。

(2)接下来对以上四个点的法向量进行混合，得到最终的混合法向量，再经过片元着色器渲染，生成流动的水面波纹。

假定一个不变的混合因子f，f是一个二维的向量。由上知B点相对于A点在x方向上发生了偏移，对A点和B点的法向量用混合因子进行一次x方向上的线性的混合生成新的法向量。

NormalAB＝NormalA×f.x+NormalB×(1-f.x)

同理D点相对于C点在x方向上发生了偏移，对C点和D点的法向量用混合因子进行一次x方向上线性的混合生成新的法向量。

NormalCD＝NormalC×f.x+NormalD×(1-f.x)

为了对四个法向量的充分混合，最终生成真实的水波效果，要再一次对NormalAB和NormalCD进行线性混合，C、D两点相对于A、B两点是在y方向上发生了位移，因此，对NormalAB和NormalCD用混合因子进行一次y方向上的线性的混合生成新的法向量。

Normal＝NormalAB×f.y+NormalCD×(1-f.y)

经过一系列的法线混合，就得到了四个点的混合法向量。再将Normal进行归一化得到最终的法向量，经过着色器图形渲染就形成水面的波纹。

myNormal＝(Normal,1-Normal²·x-Normal²·x)

(3)最后保持混合因子不变，引入一个时间变量time，产生波纹的移动现象。由time就可以得到一个二维的偏移变量offset。

offset＝vector2D(time,0)

将其作为一个偏移量去影响纹理坐标的值，这样纹理坐标的纹理映射就会随着时间发生变化，使波纹产生移动。

如果想要形成一种更加随机的波纹，可以使offset乘上一个随机的系数。

经过法向量叠加算法形成的水面波纹效果图更真实，纹理效果较好。

Claims (6)

1.一种基于水力学模型与三维渲染技术实现洪水演进模拟的方法，其特征在于，包括以下步骤：

S1、构建基于水动力学的一二维耦合模型，根据资料与数据确定建模边界，构建一二维耦合模型，通过设置参数进行模型计算，并进行模型率定验证；

S2、将S1建模的剖分网格数据利用TIN算法进行重建与处理，构建成WebGL所需的数据结构；

S3、一二维水动力模型计算模拟，输入模型计算相关的参数，进行计算；

S4、利用噪声(Simplex Noise)和Gerstner激励源融合算法对模型计算的结果进行插值优化；

S5、结合地理信息系统和顶点渲染技术将优化的水深计算结果，按时间序列进行洪水演进模拟。

2.根据权利要求1所述的洪水演进模拟的方法，其特征在于，步骤1构建基于一二维水力耦合模型，建模需要收集资料，确定建模边界，模型参数设定，模拟计算，参数率定，需要反复按流程校核验证。

3.根据权利要求1所述的洪水演进模拟的方法，其特征在于，步骤2将建模时剖分的网格顶点数据，重新按照Delaulay三角网生成算法重构，也就是说建模剖分的网格顶点和三角网TIN的顶点一一对应。

4.根据权利要求1所述的洪水演进模拟的方法，其特征在于，步骤3二维水动力模型每场洪水按时间序列计算的结果都在网格顶点上，这样三角网TIN数据的每个顶点都有一组时间序列的水深、流速数据对应。

5.根据权利要求1所述的洪水演进模拟的方法，其特征在于，步骤4利用利用噪声(Simplex Noise)和Gerstner激励源融合算法在Z(水深)方向上(高度场)的激励源，对每个点的波高实施扰动处理。

6.根据权利要求1所述的洪水演进模拟的方法，其特征在于，步骤5按顶点渲染器利用凹凸映射技术对每场洪水按时间序列进行洪水演进模拟。

Images