CN114580283A - 山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法 - Google Patents
山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法 Download PDFInfo
- Publication number
- CN114580283A CN114580283A CN202210215051.0A CN202210215051A CN114580283A CN 114580283 A CN114580283 A CN 114580283A CN 202210215051 A CN202210215051 A CN 202210215051A CN 114580283 A CN114580283 A CN 114580283A
- Authority
- CN
- China
- Prior art keywords
- flow
- tide
- flood
- time
- period
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Fluid Mechanics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法,包括建立二维水沙数学模型,率定糙率等参数;考虑山溪性流量洪枯差异较大的径流特征和强潮河口潮汐特征,确定长周期模拟的特征水文条件;利用差分进化法概化长周期流量过程,根据同比缩放法确定洪水流量过程;获取外海潮位过程边界条件。该方法在保证数值模拟准确性的同时提高数模计算效率,计算结果可反映不同径流流量过程和强潮河口潮流的造床影响。采用本发明的方法可以准确复演山溪性强潮河口的中长期动力地貌演变过程。
Description
技术领域
本发明涉及水文分析和河流海岸数值模拟技术领域,特别是涉及一种山溪性强潮河口分汊河段中长期动力地貌演变数值模拟方法。
背景技术
中长周期动力地貌模型基于短时间尺度的动力过程来模拟和解释长时间尺度的地貌变化,是工程尺度短期冲淤模拟与代际尺度长期地貌变化之间的重要链接。随着生态文明建设和河流保护利用的需要,几十年甚至上百年尺度的中长期数值模拟越来越引起重视,成为国内外河流海岸研究的热点问题之一。数学模型中可以通过使用典型的水文过程设定和地貌加速更新技术来模拟从秒到上百年时间尺度上的水动力及地貌形态变化。厘清中长期动力地貌演变,不仅有利于加深对河流海岸特性的认识,而且对河流海岸的合理保护利用提供有力的工具。中长期动力地貌模拟的困难在于模拟时间长,计算量巨大,且计算时间越长累计误差越大,导致计算无法进行,因此,为了兼顾计算效率和精度,对计算水文过程进行合理概化、选择合适的更新加速方法是关键问题。为提高地貌模型的效率,近二十年来逐渐发展出各种各样的地貌更新加速技术,如潮周期平均、地貌快速诊断、形态倍增因子实时更新和并形计算实时更新。形态倍增因子(morphological acceleration factor,MF)方法应用于一系列河流海岸演变模拟,是通过一个指定的加速因子线性增大每一个水动力时间步长内冲龄变化的幅度,最终得到相当于水动力模型时间加速后的地形演变结果。这个方法中水流和泥沙模块的时间步长相同,而所引入的形态倍增因子MF能够增加地形变化速率,它在水动力的每个时间步长中发挥作用,所以不同于其他方法(例如经典潮平均法),即使MF取值较大,床面高程的变化也是以较小的时间步长来计算。
MF方法的一个重要假设是,在一个潮汐周期内,河床的冲淤变化是有限的,因此MF放大的形态动力演化不会引起不可逆的变化,MF方法已成功地应用于各种环境的中长期形态动力学。形态倍增因子大小的选择取决于模型模拟的时间尺度和系统的相关环境,并且必须根据建模的过程和模型配置共同确定。
由于河床冲淤演变涉及的物理过程众多、时间跨度很大,模型中不可能全部考虑,因此需要对输入水文条件进行合理的概化,输入水文过程概化是指使用代表性的模型边界和初始条件来得到类似的泥沙输运结果。以往概化大多以人工为主,概化效率较低,且受操作者的主观影响较大,参考价值不大。此外,传统中长期动力地貌模拟方法中,MF取值方法采用固定的形态倍增因子。由于典型的山溪性河流洪枯流量差异较大(如瓯江流量洪枯比最大可达2000),且洪峰暴涨暴落,常规的固定MF和平均流量概化无法体现山溪性洪枯差异的特性,如何正确反映山溪性径流和强潮特点是动力地貌演变模拟是否准确的关键问题。因此,需要发明一种适用于山溪性强潮河口的新的中长期动力地貌模拟方法。
发明内容
本发明的目的在于克服上述技术中存在的问题,提供一种基于动态地貌形态倍增因子的山溪性强潮河流中长期地貌演变数值模拟方法。
为解决上述技术问题,本发明采用以下技术方案:
一种山溪性强潮河口分汊河段中长期动力地貌演变数值模拟方法,包括如下步骤:
步骤一:基于水下地形实测资料及相关水文资料在计算区域建立二维水沙数学模型,并根据水文资料率定糙率值和泥沙参数,以确定进口含沙量过程与流量过程的关系;
步骤二:根据河道多年流量过程,确定长周期特征水文条件,包括:
选取典型丰水年、典型平水年、典型枯水年与典型洪水过程;
根据实测外海潮位过程,选择非洪水流量下的大潮潮型与小潮潮型,并确定一个大小潮组合周期;
步骤三:利用差分进化法概化非极端洪水流量下长周期逐日流量过程,极端洪水流量情况下的边界条件结合典型洪水过程的逐时流量过程根据同比缩放法确定;
步骤四,组合步骤三确定的边界条件和步骤二确定的外海潮位过程边界条件;
步骤五,根据差分进化法概化长周期特征水文条件确定的种群及种群的时段数,确定动态地貌形态倍增因子;
步骤六,选定初始地形,进行中长期模拟计算,并基于动态形态倍增因子进行地形更新。
作为一种优选的实施方式,所述典型丰水年、典型平水年、典型枯水年的确定方式为:
获取河道多年年平均流量,利用P-Ⅲ型频率适线法对年平均流量进行频率分析,统计得到枯水年、平水年、丰水年对应的年平均流量;选取与计算得到的枯水年、平水年、丰水年年平均流量接近的三年作为包含典型丰水年、典型平水年、典型枯水年的特征流量年份用于概化。
作为一种优选的实施方式,所述大潮潮型根据累积频率5~10%潮差确定;所述小潮潮型根据累积频率90%潮差确定;一个大小潮组合周期为T。
作为一种优选的实施方式,所述利用差分进化法概化长周期逐日流量过程指:将山溪性流量过程按照时间序列随机划分为若干个时段,每个时段的平均流量即为概化流量。
作为一种优选的实施方式,所述利用差分进化法概化长周期逐日流量过程包括:
式中Q为逐日实测平均流量,ni为该时段天数;
则整体目标函数为:
计算目标函数的适应值,适应值不满足终止条件,进行下一步操作;
(3)根据缩放因子F与杂交概率CR进行交叉与变异,得到中间种群NP*,在原种群和中间种群中选择更优个体,得到新一代种群NP1;
(4)进化代数g=g+1,转步骤(2),重复步骤(2)-(4),直至满足终止条件,根据最优种群得到概化流量过程。
作为一种优选的实施方式,所述步骤三中,当洪水流量大于两年一遇洪水流量时,采用实测每小时流量作为流量边界;
若实测极端洪水流量只记录了洪峰流量,则根据同比缩放法确定洪水流量逐时流量过程,作为极端洪水流量情况下的边界条件;
所述根据同比缩放法确定洪水流量逐时流量过程的方式为:
根据选取的典型洪水过程获取典型洪水过程洪峰流量Q*max;
获取实测极端洪水流量的洪峰流量Qmax;
计算Qmax和Q*max的比值作为比例因子;
基于比例因子对典型洪水过程的每小时流量进行缩放,获取洪水流量逐时流量过程。
作为一种优选的实施方式,所述步骤四中,将步骤三获得的非极端洪水流量下长周期逐日流量过程对应一个外海潮位周期,极端洪水流量下逐时流量过程与外海潮位逐时对应。
作为一种优选的实施方式,所述步骤五中,动态地貌形态倍增因子MFi基于下式计算:
其中ni为差分进化法确定的各时段天数;T为步骤二确定的一个大小潮组合周期;
极端洪水流量过程没有进行日均概化,对应的MFi为1。
作为一种优选的实施方式,所述步骤五还包括验证动态地貌形态倍增因子的合理性,将概化后流量与潮位过程应用于数值模拟计算边界条件,同时采用短时期不概化的实际流量和潮位过程模拟结果进行比较,确定MFi的合理性,若概化计算结果偏差小,则认为MFi选择合理,反之,重复步骤三至步骤五。
作为一种优选的实施方式,基于动态地貌形态倍增因子进行地形更新:
Zi=Zt×MFi
式中Zi为某一时刻考虑形态倍增后的泥沙冲淤厚度,Zt为二维水沙数学模型中通过河床变形方程计算的某一时间步长的泥沙冲淤厚度。
本发明提供一种山溪性强潮河口分汊河段中长期动力地貌演变数值模拟方法,克服了以往技术中平均流量方法或固定形态倍增因子无法体现山溪性洪枯差异的特性,根据特征年份实测水文数据,采用差分进化算法对水文条件概化,反映不同流量级的造床作用,并根据某级流量Qi持续时间与外海潮位周期,提出动态地貌形态倍增因子MF,解决山溪性河流暴涨暴落流量过程和强潮过程作用下河床冲淤长期演变模拟的难题,可达到高效率、高精度动力地貌演变模拟的目的。进行动力地貌模拟时,极端洪水逐时流量过程可反映出山溪性强潮河流洪水流量对河床演变的影响。而一般流量下,动态地貌形态倍增MF值可以较少模型计算所需时间,提高长周期模拟的效率,实现高效率的山溪性强潮河段长期地貌演变数值模拟,为以后类似河口的地貌数值模拟提供借鉴和依据。
附图说明
图1是本发明所述方法的流程图。
图2是差分进化算法概化流量过程流程图。
图3是瓯江河势示意图。
图4是瓯江年平均流量P-Ⅲ型频率分布曲线。
图5是瓯江口典型大、小潮潮位过程。
图6是瓯江概化流量过程。
图7是洪水流量过程结果。
图8是MF取值与泥沙冲淤变化。
图9是瓯江江心屿-龙湾河段1979-2019年冲淤验证图;其中(a)1979-2014实测;(b)1979-2014计算。
具体实施方式
下面结合附图和具体实施方式对本发明进行进一步的详细说明。
实施例1
瓯江属山溪性潮汐河流,源短流急,洪峰骤涨骤落,峰量大,历时短,实测最大洪峰流量22800m3/s,最小流量10.6m3/s,洪枯水之比达2000倍,同时,温州湾海区潮汐属正规半日潮,潮高不等现象较为明显。本海区潮差大,平均潮差大于4m,是我国显著的强潮海区之一。现以瓯江河段为例,说明本发明的具体实施步骤。
步骤一:根据研究河段水下地形实测资料剖分网格,建立二维水沙数学模型。模型进口选择在基本不受潮流影响河段,本实施例中计算区域的上边界定在瓯江上游的青田枢纽,离温洲市约45km,上边界位于潮区界,基本不受潮流影响,海域外边界取在飞云江口~南麂岛~坎门一线(含乐清湾),水域总覆盖面积约4500km2。瓯江口、温州湾及乐清湾形势如图3所示。模型整个计算区域包括458×421个网格点,其中瓯江口内为254×316个网格,乐清湾内为254×41个网格点,口外海域部分为204×421个网格点,除岸边个别点外,网格交角为89~92°。网格间距大部分为100~500m,其中瓯江口内网格间距为100~200m,外海区域网格间距为300~600m。
所述二维水沙数学模型的控制方程如下:
水流连续方程
ξ方向动量方程
η方向动量方程
式中,ξ、η分别表示正交曲线坐标系中二个正交曲线坐标;u、v分别表示沿ξ、η方向的流速;h表示水深;H表示水位;f表示科氏力;n表示糙率;Cξ、Cη表示正交曲线坐标系中的拉梅系数:
xξ、yξ、xη、yη是物理域平面坐标在变换域的坐标;σξξ、σξη、σηξ、σηη表示紊动应力:
νt表示紊动粘性系数,νt=Cμk2/ε,Cμ表示系数;k表示紊动动能;ε表示紊动动能耗散率,可采用k—ε模型计算νt;一般情况下,νt=αu*h,α=0.5~1.0,u*表示摩阻流速;t表示时间;ρ表示水密度;
悬沙不平衡输移方程
非均匀悬移质按其粒径大小可分成n0组,且SL表示第L组粒径含沙量,用PSL表示此粒径悬沙含沙量所占的比值,则
针对非均匀悬移质中第L组粒径的含沙量,二维悬移质不平衡输沙基本方程为:
式中,表示第L组泥沙的挟沙能力,ωL为第L组泥沙的沉速;αL为第L组泥沙的含沙量恢复饱和系数;εξ表示泥沙扩散系数;σs表示普朗特-施密特数。海域泥沙沉速受含氯度影响,含沙量验证计算表明,用式(8)计算沉速,当ωL小于0.015cm/s时,ωL应取絮凝后沉速0.015cm/s,当ωL超过0.015cm/s时,则采用式(8)计算值。
床沙级配方程
此式是将CARICHAR混合层一维模型扩广到二维模型的,Em表示混合层厚度;υ为运动粘性系数,ρs为泥沙密度,DL为第L组床沙粒径;上式中左端第五项的物理意义为混合层下界面在冲刷过程中将不断下切底床以求得底床对混合层的补给,进而保证混合层内有足够的颗粒被冲刷而不至于亏损。当混合层在冲刷过程中波及到原始底床时,ε1=0,否则ε1=1。γs表示床沙容重,PmL0表示原始床沙级配,PmL表示床沙级配。
底床变形方程
式中ZL表示第L组泥沙冲淤厚度。
底床总冲淤厚度
所述步骤六中动态形态倍增因子方法中水流和泥沙模块的时间步长相同,而引入的形态倍增因子MF能够有效增加地形变化速率,增大每一个水动力时间步长内冲淤变化的幅度,最终得到相当于水动力模型时间加速后的地形演变结果。形态倍增因子需要在水动力的每个时间步长中发挥作用,所以即使MF取值较大,床面高程的变化也是以较小的时间步长来计算。
含沙量与挟沙力对比的判别条件为,当S>S*,含沙量大于挟沙能力,底床淤积;当S≤S*,且V≥Vc,含沙量小于挟沙力,且流速大于起动流速Vc,底床冲刷。泥沙起动流速采用唐存本公式:
式中,m=6,C=2.9×10-4g/cm,ρ=1.02×10-3gs2/cm4;γ′0为泥沙的稳定湿容重。
初始条件
给定各计算网格点上水位、流速和含沙量初值:
H(ξ,η)|t=0=H0(ξ,η) u(ξ,η)|t=0=u0(ξ,η)
v(ξ,η)|t=0=v0(ξ,η) SL(ξ,η)|t=0=S0L(ξ,η)
边界条件
上游给定流量过程线Q=Q(t)
开边界给定潮位过程线H=H(t)
开边界给定含沙量过程线S=S(t)
动边界技术
动边界技术即根据水深(水位)结点处河底高程,可以判断该网格单元是否露出水面,若不露出,糙率n取正常值;反之,n取一个接近于无穷大(如1030)的正数。在用动量方程计算露出单元四边流速时,其糙率采用相邻结点糙率的平均值。无论相邻单元是否露出,平均阻力仍然是一个极大值。因而动量方程式中其它各项与阻力项相比仍然为无穷小,计算结果露出单元四周流速一定是趋于零的无穷小量。为使计算进行下去,在露出单元水深点给定微小水深(0.005m)。
搜集相关水文资料,根据实测含沙量与水力因子间的关系回归得到强潮河口段的水流挟沙能力公式:常数k0=2.5~6.5,背景含沙量S0=0.18~0.5kg/m3;V表示断面垂线平均流速;h’表示断面垂线平均水深。由水文资料率定糙率值为0.0182~0.025,根据进口处水文站流量、含沙量关系给定进口流量Q和含沙量S过程,进口含沙量过程与流量过程满足关系:S=1.02×10-5Q1.26。
步骤二:确定长周期模拟的特征水文条件。根据河道多年流量过程,选取丰水年、平水年与枯水年流量过程作为概化流量基础。收集1950-2019年年平均流量,利用P-Ⅲ型频率适线法对年平均流量进行频率分析,年平均流量的实测值与频率曲线具体拟合见图4,统计得到枯水年(P=75%)对应年平均流量370m3/s,平水年(P=50%)对应年平均流量为446m3/s,丰水年(P=25%)对应年平均流量527m3/s。
根据计算所得枯水、平水与丰水年年平均流量,选取2011~2013年作为特征流量年份(特征流量年份不必须连续),其中,2011年年平均流量为303m3/s,为典型枯水年;2012年年平均流量为575m3/s,为典型丰水年;2013年年平均流量为458m3/s,为典型的平水年。典型洪水过程选取2016年9月26日-9月30日洪水过程,其洪峰流量为12600m3/s。
根据实测外海潮位过程,选择非洪水流量下的大潮与小潮潮型,注意选择较为规则的潮型,其中,大潮潮型根据累积频率5~10%潮差确定,潮差为5.2m~5.5m,2011年7月17日大潮潮型基本满足要求,小潮潮型根据累积频率90%潮差确定,潮差约为3.8m,2015年6月11日潮型基本满足要求。潮位过程见图5,设计一个大小潮潮波周期T=24h。
步骤三:考虑山溪性流量洪枯差异显著的特征,概化水文过程。
①非极端洪水流量下长周期逐日流量过程概化;
由于瓯江径流洪枯流量差异明显,最大流量差异可达2000倍,为准确反映瓯江径流山溪性特点,并兼顾计算效率和精度,需对步骤二确定的长周期特征水文条件进行合理概化。
利用差分进化算法(Differential Evolution)对长周期流量过程自动进行概化,提高了概化的效率与精度。该步骤主要概化长周期逐日流量过程,为保留极端流量条件对演变的影响,极端洪水流量则采用更为精细的逐时流量过程(②)。
(1)确定差分进化算法控制参数,一般取缩放因子F=0.5与杂交概率CR∈[0.1,0.6]。种群初始化,确定初始种群规模(NP),即将山溪性流量过程(1096天)按照时间序列随机划分成25个时段,概化流量为每个时段的平均流量
(2)确定演化目标函数与适应值。为保证概化流量过程与实际流量过程的拟合程度,采用目标规划法确定目标函数,即对每个时段流量过程分配该时段的平均流量为期望值,每个时段的概化流量与实测流量过程的方差为该时段目标函数:
式中Q为逐日实测平均流量,ni为该时段天数。
整体目标函数则为:
计算目标函数的适应值,适应值不满足终止条件,进行下一步操作。
(3)新群体的产生。根据缩放因子F=0.5与杂交概率CR∈[0.1,0.6],进行交叉与变异,得到中间种群NP*,在原种群和中间种群中选择个体,得到新一代种群NP1。
(4)进化代数g=g+1,转步骤(2),重复步骤(2)—(4),直至满足终止条件。根据最优种群得到概化流量过程(图6)。
②确定极端流量下边界过程。
为准确反映洪水流量过程对河床演变的影响,流量大于洪水流量8890m3/s(2年一遇)时,采用实测每小时流量作为流量边界,否则采用①中差分演变算法对其进行概化处理。2013年最大洪峰9450m3/s,采用实测每小时流量作为流量边界。
若实测极端洪水流量只记录了洪峰流量Qmax,则根据选取典型洪水每时过程进行等比缩放或扩大,得到比例因子:
Q*max为选取的典型洪水过程洪峰流量。
本实施例中mz=0.75。极端洪水每时过程通过比例因子mz同比缩小或扩大选取的典型洪水流量每时过程获得。结果如图7所示。
步骤四:组合步骤三确定的边界条件和步骤二确定的外海潮位过程边界条件;
组合上游流量边界条件与外海潮位边界。步骤三所得概化逐日流量,每个流量对应一个周期的外海潮位过程;步骤四所得洪水流量为逐时流量过程,可与外海潮位过程逐时对应组合。
步骤五:确定地貌形态倍增因子MF。
中长期地貌演变模拟以几十年到上百年的过程,而计算时间步长为秒量级,如果完全采用实测流量和潮位过程计算量巨大,采用形态倍增因子可实现秒量级的时间步长与年代尺度的动力地貌模拟之间的衔接。根据某级流量Qi持续时间与外海潮位周期,确定某时刻动态地貌形态倍增因子MFi:
极端洪水流量过程没有进行日均概化,对应的MFi为1。
本实施例中,步骤二确定设计外海潮位周期T=24h,则MFi=n,即各个种群中动态地貌形态倍增因子MFi等于该种群的时段数。将概化后流量与潮位过程应用于数值模拟计算边界条件,同时采用短时期(如1年)不概化的实际流量和潮位过程模拟结果进行比较,确定MFi的合理性。分别以实测流量过程(MF=1)、平均流量过程、静态MF=30流量过程与动态MF(MF=1~145)概化流量过程进行冲淤模拟,流量过程与冲淤结果对比如图8所示,概化流量过程的冲淤结果与MF=1结果相似,误差在5%左右,MF=30时结果出现了偏差,误差为32%,而平均流量过程则显示了较大的偏差,误差高达86%。因此,采用动态MF形态倍增因子在保证计算准确的基础上,提高了长周期模拟的效率。
步骤六:选定1979地形为初始地形,根据模拟的时间长度将概化边界条件循环,进行中长期模拟计算。循环上述步骤中的概化流量过程,得到长周期水文边界条件,进行长周期地貌模拟。把概化的洪、中、枯流量过程循环33.3次模拟1979-2014年35年间冲淤发展,表1与图9为瓯江江心岛河段地貌演变模拟结果,河段整体冲淤结果误差约为7.8%。
表1江心屿河段1979-2014年中长周期地貌演变数值模拟与实测比较结果
图9为实测地形与计算结果冲淤量统计与冲淤分布,计算的1979-2014年冲淤结果显示,河段整体实测的冲淤部位基本一致,计算值与实测值也比较接近,水流边界条件概化方法合理。(1)采用概化的水文边界体条件,根据含沙量与挟沙能力对比的判别条件与地形边界动边界技术对河道冲淤发展进行计算。(2)每个时间步长计算的地形变化乘以MFi更新到新的地形,反映地貌变化对水动力的影响。
以上所述仅为本发明的较佳实施例而已,凡在本发明精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法,其特征在于,包括如下步骤:
步骤一:基于水下地形实测资料及相关水文资料在计算区域建立二维水沙数学模型,并根据水文资料率定糙率值和泥沙参数,确定进口含沙量过程与流量过程的关系;
步骤二:根据河道多年流量过程,确定长周期特征水文条件,包括:
选取典型丰水年、典型平水年、典型枯水年与典型洪水过程;
根据实测外海潮位过程,选择非洪水流量下的大潮潮型与小潮潮型,并确定一个大小潮组合周期;
步骤三:利用差分进化法概化非极端洪水流量下长周期逐日流量过程,极端洪水流量情况下的边界条件结合典型洪水过程的逐时流量过程根据同比缩放法确定;
步骤四,组合步骤三确定的边界条件和步骤二确定的外海潮位过程边界条件;
步骤五,根据差分进化法概化长周期特征水文条件确定的种群及种群的时段数,确定动态地貌形态倍增因子;
步骤六,选定初始地形,进行中长期模拟计算,并基于动态形态倍增因子进行地形更新。
2.根据权利要求1所述的方法,其特征在于,所述典型丰水年、典型平水年、典型枯水年的确定方式为:
获取河道多年年平均流量,利用P-Ⅲ型频率适线法对年平均流量进行频率分析,统计得到枯水年、平水年、丰水年对应的年平均流量;选取与计算得到的枯水年、平水年、丰水年年平均流量接近的三年作为包含典型丰水年、典型平水年、典型枯水年的特征流量年份用于概化。
3.根据权利要求1所述的方法,其特征在于,所述大潮潮型根据累积频率5~10%潮差确定;所述小潮潮型根据累积频率90%潮差确定;一个大小潮组合周期为T。
4.根据权利要求1所述的方法,其特征在于,所述利用差分进化法概化长周期逐日流量过程指:将山溪性流量过程按照时间序列随机划分为若干个时段,每个时段的平均流量即为概化流量。
5.根据权利要求1或4所述的方法,其特征在于,所述利用差分进化法概化长周期逐日流量过程包括:
式中Q为逐日实测平均流量,ni为该时段天数;
则整体目标函数为:
计算目标函数的适应值,适应值不满足终止条件,进行下一步操作;
(3)根据缩放因子F与杂交概率CR进行交叉与变异,得到中间种群NP*,在原种群和中间种群中选择更优个体,得到新一代种群NP1;
(4)进化代数g=g+1,转步骤(2),重复步骤(2)-(4),直至满足终止条件,根据最优种群得到概化流量过程。
6.根据权利要求1所述的方法,其特征在于,所述步骤三中,当流量大于两年一遇洪水流量时,采用实测每小时流量作为流量边界;
若实测极端洪水流量只记录了洪峰流量,则根据同比缩放法确定洪水流量逐时流量过程,作为极端洪水流量情况下的边界条件;
所述根据同比缩放法确定洪水流量逐时流量过程的方式为:
根据选取的典型洪水过程获取典型洪水过程洪峰流量Q*max;
获取实测极端洪水流量的洪峰流量Qmax;
计算Qmax和Q*max的比值作为比例因子;
基于比例因子对典型洪水过程的每小时流量进行缩放,获取洪水流量逐时流量过程。
7.根据权利要求1所述的方法,其特征在于,所述步骤四中,将步骤三获得的非极端洪水流量下长周期逐日流量过程对应一个外海潮位周期,极端洪水流量下逐时流量过程与外海潮位逐时对应。
9.根据权利要求1所述的方法,其特征在于,所述步骤五还包括验证动态地貌形态倍增因子的合理性,将概化后流量与潮位过程应用于数值模拟计算边界条件,同时采用短时期不概化的实际流量和潮位过程模拟结果进行比较,确定MFi的合理性,若概化计算结果偏差小,则认为MFi选择合理,反之,重复步骤三至步骤五。
10.根据权利要求1或9所述的方法,其特征在于,基于动态地貌形态倍增因子进行地形更新:
Zi=Zt×MFi
式中Zi为某一时刻考虑形态倍增后的泥沙冲淤厚度,Zt为二维水沙数学模型中通过河床变形方程计算的某一时间步长的泥沙冲淤厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210215051.0A CN114580283B (zh) | 2022-03-07 | 2022-03-07 | 山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210215051.0A CN114580283B (zh) | 2022-03-07 | 2022-03-07 | 山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114580283A true CN114580283A (zh) | 2022-06-03 |
CN114580283B CN114580283B (zh) | 2023-08-01 |
Family
ID=81778421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210215051.0A Active CN114580283B (zh) | 2022-03-07 | 2022-03-07 | 山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114580283B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933960A (zh) * | 2023-08-01 | 2023-10-24 | 江苏省水利科学研究院 | 一种沙坝潟湖型潮汐汊道航槽选线方法 |
CN117668773A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 强涌潮河段洪潮共同作用下古海塘堤脚冲刷高程预测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435397A (zh) * | 2011-09-06 | 2012-05-02 | 中国科学院长春光学精密机械与物理研究所 | 一种sf6泄漏的红外探测显示系统 |
CN103530462A (zh) * | 2013-10-14 | 2014-01-22 | 南京晓庄学院 | 面向山洪演进数值模拟的计算网格流出率的修正方法 |
JP2016120856A (ja) * | 2014-12-25 | 2016-07-07 | 株式会社デンソー | 車両用衝突検出装置 |
CN106018739A (zh) * | 2016-05-18 | 2016-10-12 | 河海大学 | 一种潮滩-潮沟系统地貌演变物理模型试验系统及方法 |
CN106759063A (zh) * | 2016-12-05 | 2017-05-31 | 河海大学 | 一种感潮河段造床流量的计算方法 |
CN106951693A (zh) * | 2017-03-06 | 2017-07-14 | 武汉大学 | 河口径流、潮汐控制河段的判定方法及其应用方法 |
CN108256137A (zh) * | 2017-09-18 | 2018-07-06 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种强潮河口湾人工岛作业区港池航道回淤模拟方法 |
CN112785087A (zh) * | 2021-02-22 | 2021-05-11 | 中国水利水电科学研究院 | 一种考虑水力响应特性的跨流域调水工程旬水量优化调度计划编制方法 |
US20210199846A1 (en) * | 2021-01-20 | 2021-07-01 | Nanjing University | Experimental apparatus and experimental method for physical modeling of tectonic geomorphology |
-
2022
- 2022-03-07 CN CN202210215051.0A patent/CN114580283B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435397A (zh) * | 2011-09-06 | 2012-05-02 | 中国科学院长春光学精密机械与物理研究所 | 一种sf6泄漏的红外探测显示系统 |
CN103530462A (zh) * | 2013-10-14 | 2014-01-22 | 南京晓庄学院 | 面向山洪演进数值模拟的计算网格流出率的修正方法 |
JP2016120856A (ja) * | 2014-12-25 | 2016-07-07 | 株式会社デンソー | 車両用衝突検出装置 |
CN106018739A (zh) * | 2016-05-18 | 2016-10-12 | 河海大学 | 一种潮滩-潮沟系统地貌演变物理模型试验系统及方法 |
CN106759063A (zh) * | 2016-12-05 | 2017-05-31 | 河海大学 | 一种感潮河段造床流量的计算方法 |
CN106951693A (zh) * | 2017-03-06 | 2017-07-14 | 武汉大学 | 河口径流、潮汐控制河段的判定方法及其应用方法 |
CN108256137A (zh) * | 2017-09-18 | 2018-07-06 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种强潮河口湾人工岛作业区港池航道回淤模拟方法 |
US20210199846A1 (en) * | 2021-01-20 | 2021-07-01 | Nanjing University | Experimental apparatus and experimental method for physical modeling of tectonic geomorphology |
CN112785087A (zh) * | 2021-02-22 | 2021-05-11 | 中国水利水电科学研究院 | 一种考虑水力响应特性的跨流域调水工程旬水量优化调度计划编制方法 |
Non-Patent Citations (2)
Title |
---|
JACOB A. MORGAN 等: ""The use of a morphological acceleration factor in the simulation of large-scale fluvial morphodynamics"", 《GEOMORPHOLOGY》, vol. 356, no. 1, pages 1 - 12 * |
刘雪萍 等: ""河流-潮汐耦合控制下河口湾坝体沉积动力学数值模拟"", 《地球科学》, vol. 46, no. 8, pages 2944 - 2957 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933960A (zh) * | 2023-08-01 | 2023-10-24 | 江苏省水利科学研究院 | 一种沙坝潟湖型潮汐汊道航槽选线方法 |
CN116933960B (zh) * | 2023-08-01 | 2024-02-27 | 江苏省水利科学研究院 | 一种沙坝潟湖型潮汐汊道航槽选线方法 |
CN117668773A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 强涌潮河段洪潮共同作用下古海塘堤脚冲刷高程预测方法 |
CN117668773B (zh) * | 2024-02-01 | 2024-04-23 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 强涌潮河段洪潮共同作用下古海塘堤脚冲刷高程预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114580283B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114580283A (zh) | 山溪性强潮河口分汊段中长期动力地貌演变数值模拟方法 | |
CN108021780B (zh) | 一种基于无规则非结构网格模型的山洪动态仿真方法 | |
CN108629055B (zh) | 一种基于饱和输沙原理的沙质内河航道回淤量预报方法 | |
CN112257352A (zh) | 一维水动力模型和二维水动力模型的耦合方法及系统 | |
CN112417573A (zh) | 基于ga-lssvm与nsga-ⅱ盾构下穿既有隧道施工多目标优化的方法 | |
CN112270115B (zh) | 一种基于元胞自动机的复杂地形洪水淹没进程模拟方法 | |
CN114266205B (zh) | 河口水道水沙运动实验模拟及测量系统 | |
Zhang et al. | Analysis of 50-year wind data of the southern Baltic Sea for modelling coastal morphological evolution–a case study from the Darss-Zingst Peninsula | |
CN114329950A (zh) | 基于动态概化的斜坡式潜堤波浪水动力影响数值模拟方法 | |
CN115455867A (zh) | 基于回归分析的坝区流态的推求方法 | |
Dam et al. | Long-term performance of process-based models in estuaries | |
CN113343601A (zh) | 一种复杂水系湖泊水位和污染物迁移的动态模拟方法 | |
CN113158556A (zh) | 一种区域水位短时高精度预报方法 | |
CN117648878A (zh) | 一种基于1d-cnn算法的洪水快速演进及淹没模拟方法 | |
CN112182814A (zh) | 一种基于稀疏断面点据的河道水下地形建模方法 | |
CN106204339A (zh) | 一种含潮汐流能发电场电力系统的发电可靠性评估方法 | |
CN114896909A (zh) | 一种基于水位高度的明渠流量计算方法 | |
CN114282403A (zh) | 一种耦合生境适宜模型的高效高精度栖息地模拟方法 | |
Sharbaty | Two Dimensional simulations of seasonal flow patterns in the Gorgan Bay | |
CN117313425B (zh) | 一种年均含沙量的计算方法 | |
CN116933960B (zh) | 一种沙坝潟湖型潮汐汊道航槽选线方法 | |
Adib et al. | Evaluation of fluvial flow effects on tidal characteristics of tidal rivers by artificial neural networks and genetic algorithm | |
Etri et al. | A Tidal Flow Model of The Western Coast Of Libya | |
Roy et al. | MORPHOLOGICAL RESPONSES OF A TIDAL RIVER DUE TO CLIMATE CHANGE: A CASE STUDY FOR KARNAFULI RIVER, BANGLADESH | |
CN117852850B (zh) | 基于虚拟河道替代闸孔泄流计算的蓄滞洪区洪水调度方法及系统 |
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 |