CN114581043A - 跨网络模块化多源多要素海浪实况分析系统 - Google Patents
跨网络模块化多源多要素海浪实况分析系统 Download PDFInfo
- Publication number
- CN114581043A CN114581043A CN202210157982.XA CN202210157982A CN114581043A CN 114581043 A CN114581043 A CN 114581043A CN 202210157982 A CN202210157982 A CN 202210157982A CN 114581043 A CN114581043 A CN 114581043A
- Authority
- CN
- China
- Prior art keywords
- data
- wave
- module
- field
- cross
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 90
- 230000004927 fusion Effects 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000003908 quality control method Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 238000010223 real-time analysis Methods 0.000 abstract description 6
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/20—Arrangements in telecontrol or telemetry systems using a distributed architecture
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Primary Health Care (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
Abstract
本发明公开了一种跨网络模块化多源多要素海浪实况分析系统,包括:数据采集模块,用于从不同局域网收集海浪实况分析所需的多要素数据;数据预处理模块,用于采用客观方法进行质量控制,并根据观测终端的性能以及大量历史数据实测对比结果得到数据可信度等级;风场多级融合模块,用于根据数据可信度等级对风场进行多次融合得到融合风场;海浪模拟计算模块,用于以融合风场为驱动模拟计算产生海浪数值分析场;浪场多级融合模块,用于根据数据可信度等级对浪场进行多次融合得到海浪实况分析场并生成产品;有效降低了系统的刚性,为关键算法的升级改进带来了便利,且允许系统获得多源资料,有效扩展了数据的丰富程度。
Description
技术领域
本发明涉及海浪要素实况分析技术领域,具体涉及一种跨网络模块化多源多要素海浪实况分析系统。
背景技术
海浪要素的实况分析是气象和海洋预报中非常重要的工作。该工作的主要任务是利用现场观测、卫星遥感及数值分析等途径获取的气象-水文资料对近实时(分析操作的最近6小时以内)海浪要素的空间分布状况进行分析。分析结果通常为实况分析图,具体包括有效波高、波向及周期等要素的空间分布信息。
该工作最早几乎全部靠人力完成:人工抄送、收集和整理各类气象和海洋观测报文,预报员结合气象-海洋知识综合判断并手工绘出实况分析图,产品通常为纸质图。目前该工作普遍采用人机交互方式完成:计算机收集和整理各类报文以及数值分析结果等,预报员综合判断各种数据形成分析意见再借助人机交互系统提供的绘图功能完成实况分析图,产品通常为要素等高线和其它标记的矢量文件。
靠人力完成海浪的实况分析不仅费时费力,最重要的是存在以下缺点:分析精度仍停留在定性级别;手工绘图存在较大任意性;产品不满足数字化应用需求。人机交互式系统的应用大大降低了人力成本,提高了产品精度,实现了产品的数字化。然而人机交互系统仍然存在以下缺点:产品制作过程仍然存在较大主观性;产品为矢量化曲线不支持网格化应用;系统刚性较强不利于新技术整合应用。
发明内容
为此,本发明实施例提供一种跨网络模块化多源多要素海浪实况分析系统,以解决现有技术存在的产品制作过程仍然存在较大主观性;产品为矢量化曲线不支持网格化应用;系统刚性较强不利于新技术整合应用的问题。
为了实现上述目的,本发明实施例提供如下技术方案:
一种跨网络模块化多源多要素海浪实况分析系统,所述系统为框架式结构运行于分布式环境上,包括:
数据采集模块,用于从不同局域网收集海浪实况分析所需的多要素数据;
数据预处理模块,用于采用客观方法进行质量控制,并根据观测终端的性能以及大量历史数据实测对比结果得到数据可信度等级;
风场多级融合模块,用于根据所述数据可信度等级对风场进行多次融合得到融合风场;
海浪模拟计算模块,用于以所述融合风场为驱动模拟计算产生海浪数值分析场;
浪场多级融合模块,用于根据所述数据可信度等级对浪场进行多次融合得到海浪实况分析场并生成产品;
其中,所述风场多级融合模块、所述海浪模拟计算模块和所述海浪模拟计算模块部署在主节点上,所述数据采集模块根据实际需求部署在多个副节点上。
作为优选,所述数据采集模块支持FTP网络接入协议、CIFS网络接入协议、NFS网络接入协议和网络爬虫。
作为优选,所述数据预处理模块包括解析分类模块、质量控制模块和数据分级模块,所述解析分类模块用于将收集到的所述多要素数据文件解码并按要素分类;所述质量控制模块用于检查所述多要素数据文件完整性、内容质量控制旗和要素量程的合理性;所述数据分级模块用于给不同来源和不同传感器分配优先级。
作为优选,所述质量控制模块在进行质量控制时针对传感器零点漂移的数据异常情况采用水文气象资料通过偏离守恒律程度综合判断。
作为优选,所述数据预处理模块还包括人工干预模块,用于修改数据传输设置、屏蔽异常数据和补算。
作为优选,所述风场多级融合模块在融合风场时采用双辛格函数插值法。
作为优选,所述数据预处理模块在数据可信度等级分级时,数值分析资料 <卫星遥感资料<开源观测资料<自主观测资料。
作为优选,所述海浪模拟计算模块在产生海浪数值分析场时采用逐步订正法。
作为优选,所述海浪模拟计算模块采用第三代海浪谱模式 WAVEWATCHIII。
作为优选,所述海浪模拟计算模块在模拟远场涌浪生成和传播过程时采用全球至中国近海多重嵌套网格和热启动技术。
本发明至少具有以下有益效果:本发明提供一种跨网络模块化多源多要素海浪实况分析系统,系统为框架式结构运行于分布式环境上,包括:数据采集模块,用于从不同局域网收集海浪实况分析所需的多要素数据;数据预处理模块,用于采用客观方法进行质量控制,并根据观测终端的性能以及大量历史数据实测对比结果得到数据可信度等级;风场多级融合模块,用于根据数据可信度等级对风场进行多次融合得到融合风场;海浪模拟计算模块,用于以融合风场为驱动模拟计算产生海浪数值分析场;浪场多级融合模块,用于根据数据可信度等级对浪场进行多次融合得到海浪实况分析场并生成产品;其中,风场多级融合模块、海浪模拟计算模块和海浪模拟计算模块部署在主节点上,数据采集模块根据实际需求部署在多个副节点上,有效降低了系统的刚性,为关键算法的升级改进带来了便利,将数据获取模块与融合算法模块分离,允许系统获得多源资料,有效扩展了数据的丰富程度。
附图说明
为了更清楚地说明现有技术以及本发明,下面将对现有技术以及本发明实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例提供的一种跨网络模块化多源多要素海浪实况分析系统结构示意图;
图2为本发明实施例提供的各类数据有限使用的分布范围示意图;
图3为本发明实施例提供的计算和网络的拓扑结构示意图;
图4为本发明实施例提供的海浪客观分析系统业务流程图;
图5为本发明实施例提供的实况分析效果评价分区。
附图标记说明:
1-自主观测数据和韩国气象厅数据;2-日本气象厅和中国台湾地区气象事务主管机构数据;3-卫星遥感数据。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)旨在区别指代的对象。对于具有时序流程的方案,这种术语表述方式不必理解为描述特定的顺序或先后次序,对于装置结构的方案,这种术语表述方式也不存在对重要程度、位置关系的区分等。
此外,术语“包括”、“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包括了一系列步骤或单元的过程、方法、系统、产品或设备不必限于已明确列出的那些步骤或单元,而是还可包含虽然并未明确列出的但对于这些过程、方法、产品或设备固有的其它步骤或单元,或者基于本发明构思进一步的优化方案所增加的步骤或单元。
本发明提供的跨网络模块化多源多要素海浪实况分析系统是建立在海洋遥感-观测网和数值模拟系统基础上,根据分级数据融合策略,采用客观手段对多种来源的多种气象-水文观测和数值分析要素进行融合,得到海浪要素实况的客观分析产品。系统采用框架式设计,多种客观融合手段和订正算法作为功能模块可嵌入系统。系统运行于分布式环境上,客观分析的融合计算和数据获取分别运行于主节点(数据融合计算节点)和副节点(数据服务节点),根据网络管理要求主-副节点之间通过网闸链接。
请参阅图1,本发明提供的跨网络模块化多源多要素海浪实况分析系统,具体包括:
数据采集模块,用于从不同局域网收集海浪实况分析所需的多要素数据;
具体的,多源是指不同局域网,多要素是指海面风、海浪、气温和水温等;数据采集模块支持FTP、CIFS、NFS网络接入协议以及网络爬虫以应对不同协议的数据源,模块数个数根据数据源多少来确定。
数据预处理模块,用于采用客观方法进行质量控制,并根据观测终端的性能以及大量历史数据实测对比结果得到数据可信度等级;
具体的,数据预处理模块包含数据解析分类模块、质量控制模块和数据分级模块,其中,解析分类模块负责将收集到的数据文件解码并按要素分类;质量控制模块负责检查文件完整性、内容质量控制旗、要素量程合理性;数据分级模块负责给不同来源和不同传感器分配优先级。
质量控制:
因为系统收集到的观测和遥感数据均为原始数据使用前需要进行质量控制(简称:质控)。本发明为业务应用中的常见的数据质量问题制定了相应的控制策略。观测资料由于来自接触式传感器,受恶劣的海况环境影响存在较多的质量问题。遥感资料来自非接触传感器受环境影响较小,质量问题相对较少且使用手册提供了完善的质控算法。本发明着重解决观测数据质量问题。
海上气象和水文要素通常采用资料浮标测定。浮标数据常见问题可归结为以下三类:观测问题、传输问题、数据异常问题。观测问题包括浮标站点移动、浮标/传感器损毁、维护状态发送无用信息。传输问题包括:数据服务器变更、文件路径变更、文件名变更、文件缺报、文件损坏、文件内要素丢失等。数据异常问题包括:极端大值/小值和传感器零点漂移。其中第一类、第二类问题相对容易排查并纠错,第三类问题最棘手,由于海上环境恶劣,传感器经常输出一些极端大/小值难以分辨其可靠性,极个别时段传感器会产生短时的零点漂移。仅凭观测记录即便是有经验的预报员也不容易准确识别问题数据,需采用水文气象资料通过偏离守恒律程度综合判断。遥感资料质量问题较容易控制。
针对上述数据质量问题系统建立了一套基本的质控策略如表一所示。从表一可以看出仅依靠质控算法不能完全清除所有问题数据,必须由人工监督数据质控过程。系统为易出问题的环节专门设置了人工干预窗口,预报员可以通过控制文件方便的对系统进行控制,包括修改数据传输设置、屏蔽异常数据、补算等。
表一:数据质量问题及应对策略
数据分级:
本发明提出了数据分级策略作为数据融合的指导依据。根据常识,现场观测、卫星遥感、数值分析均可作为实况分析数据的来源。然而,各种资料在分析过程中的价值却不相等。根据业务实践经验和大量观测对比结果,对数据在实况分析中的价值有以下排序:
数值分析资料<卫星遥感资料<开源观测资料<自主观测资料
其中,四类资料的优缺点和分类等级如表二所示:
表二:四类资料的优缺点和分类等级表
请参阅图2,图2为各类数据有限使用的分布范围。
本发明中数据可靠性排序是根据观测终端的性能以及大量历史资料实测对比结果得到的,可靠性越高的数据在最终的融合中权重越大。数据分级策略有助于降低预报员主观评判数据可靠性的随意性。
风场多级融合模块,用于根据所述数据可信度等级对风场进行多次融合得到融合风场;
具体的,风场多级融合模块包含遥感风场融合、开源观测融合、观测风场融合模块。该模块以数值分析风场为初猜场,依次融合遥感风场、开源观测风场、国内观测风场。融合风场时采用了Cressmann插值的默认算法。
具体的,分析场空间分辨率与本系统网格分辨率不一致需要空间插值后才能使用。本系统没有采用常用的双线性插值法而是采用了频率空间响应更好的双辛格函数插值法,令τ(i,j)表示纬向和经向风速分量,网格的纬向和经向步长分别为Δx和Δy。引入零填充风速
其中,M,N为任意正整数,Z定义为整数集。将τ(i,j)插值到更细的网格步长为(Δx/M,Δy/N)可以表示二维卷积:
其中g称为脉冲响应函数,该函数由插值方法唯一决定。这里g采用双辛格函数
gs(x,y)=gs(x)gs(y)
其中,
gs(x)=sinc(x)
海浪模拟计算模块,用于以所述融合风场为驱动模拟计算产生海浪数值分析场;
海浪模拟计算模块负责对浪场进行模拟产生海浪分析场,为后续数据融合提供初猜场。本系统提供数值模式默认算法和深度神经网络模式可选算法。本专利中仅介绍数值模式默认算法。
具体的,本系统默认采用逐步订正法实现实测-数值分析数据的融合。逐步订正首先要求给出网格点的初始值(通常由数值模拟场提供),然后从每个观测中减去对该观测点的估计值得到观测增量,通过将分析格点周围影响区域内的观测增量进行加权组合得到分析增量,再将分析增量加到背景场上得到最终的分析场,并进行逐步迭代,直到分析值达到某种预期的精度。其迭代公式为:
另外,在风场的处理中仅对海面风场的速率作逐步订正而不对风向作订正。计算中将数值模拟风速的的u,v分量转化速度U风向θ,利用浮标观测风速速率对数值风场速率U作逐步订正,模式风向θ维持不变;将订正后的速度U和风向θ换算回u、v分量。
本统默认包含一个独立的浪场数值后报模拟模块用于提供海浪分析初猜场。该模块数值模式采用NOAA开发的第三代海浪谱模式WAVEWATCHIII (4.18版)。模块的源函数项采用了模拟精度较高的ST4方案(Ardhuin etal. 2012)。为使模块能更好地刻画中国近海短风区海浪演化特征,对其中控制风浪成长的关键参数进行了优化。模块的驱动风场为逐步订正后的中国近海10 米高度分析风场。系统还采用全球至中国近海多重嵌套网格以及热启动技术以便更好地模拟远场涌浪生成和传播过程。系统模拟要素包括:有效波高等。WAVEWATCHIII模式设置如表三所示。
表三:WAVEWATCHIII模式设置
浪场多级融合模块,用于根据所述数据可信度等级对浪场进行多次融合得到海浪实况分析场并生成产品;
具体的,浪场多级融合子系统包含遥感浪场融合、开源观测融合、观测浪场融合模块。该子系统以模式分析浪场为初猜场,依次融合遥感浪场、开源观测浪场、国内观测浪场。浪场多级融合模块算法与风场多级融合模块类似,仅关键参数等设置有更新,在此不在赘述。
本系统的分级数据融合策略是依据数据可靠性程度逐次进行客观数据融合的策略。客观融合算法产生的分析产品天然具有网格化属性,有效提高了产品的易用性。
分级数据融合及模拟计算部署在主节点上,数据获取任务根据实际需求部署在多个副节点之上。运行时间表根据业务需求设计,通常根据气象标准时次指定4次/天的近实时计算,每次计算最近6个时次的海浪实况分析场。系统产生的分析产品具有较高的精度和较好的时空连续性,既能减轻预报员工作量又能提高产品的规范化和精细化程度。
本系统在应用于陆源性大气强迫的海区时可以选增陆源环境订正算法模块。陆源大气强迫场底部处于不稳定层结状态时海浪成长状态会发生明显的变化。特别是冬季和春秋季在渤海、黄海海域,底层大气层结不稳定性引起的浪高计算误差可达1米(11-25%),因此,陆源环境订正十分必要。
请参阅图3,本发明提出的系统需要部署在分布式计算环境中。该环境为双重嵌套的局域网,外层局域网通过防火墙与因特网和数据专线连接,运行于该层的数据服务节点为副节点,负责收集因特网开源数据和友邻机构专线数据,以及数据整理打包进入内层局域网。内层局域网通过网闸和外层局域网连接,运行于该层的数据服务节点为主节点,负责收集海洋观测网和遥感专线数据,接收外层局域网发来的数据以及数据融合计算。
请参阅图4,系统运行前需根据业务需求设置,设置内容包括:每天系统启动次数、启动时间、产品形式和存档要求等。一般依据气象数值分析产品的起报时间和发布时间制定本系统的启动频次和时间。推荐系统每天运行4次,启动时间分别为北京时01:00、07:00、13:00和19:00,分析计算的时段分别为北京时前一日14:00-20:00(06:00-12:00UTC)、前一日20:00-当日02:00 (12:00-18:00UTC)、02:00-08:00(18:00-00:00UTC)和08:00-14:00(00:00-6:00UTC)。
推荐分析产品空间范围为90°E-165°E,0°-45°N。产品形式包括:海浪场分析数据文件和分析图。数据文件产品格式包括:DAT和Net CDF格式;分析图产品推荐分辨率为1920x1080,采用PNG格式(依据专利申请号为: 202030617198.4,即“带有海浪预报图形用户界面的屏幕面板”绘制)。数据和图形产品均依据分析时间存档。
参考国家海洋环境预报中心西北太平洋海浪实况分析业务情景对本系统进行实际测试。本实验中浮标实测风-浪数据和卫星散射计风速数据作为订正资料,数值分析风场作为初猜资料。其中实测数据包括自然资源部中国近海气象资料,以及韩国气象厅KMA、日本气象厅JMA、中国台湾地区气象事务主管机构数据发布的开源水文气象资料。上述机构提供的现场观测要素包括:10米高度风速、风向、有效波高。根据数据分级结果开源数据中仅韩国气象厅数据与自然资源部数据性能一致可以作为高级别数据使用;日本和中国台湾地区的开源数据在代表性和一致性方面较差,仅作为低级别数据使用。数值分析数据为10米高度分析风场,采用国家海洋环境预报中心生产的业务分析风场。有效波高场由海浪数值后报子系统模拟得到。风-浪数据多层融合采用系统默认的Cressmann插值方法。因系统服务范围为西北太平洋未对面积占比较小的渤海和黄海的浪场进行陆源环境订正。
对本发明的测试系统试运行测试,测试期间共计连续运行376次。运行期间出现各类故障共计21次,故障原因如表四所示。从表中可以看出总故障率为5.6%。其中主要故障原因为资料故障占4.3%,资料故障率偏高是由当前海洋观测网运行水平不高导致的。由于系统程序故障率仅为1.1%,目前系统程序故障问题已通过修改和调整系统设置解决。
表四:系统测试期间出现的故障
请参阅图5,本发明采用预报业务中常用产品对比法来评估产品的精度。对比方法采用分预报区对比法,即对各个预报区域内发生的浪级次数进行对比。对比区域如图5所示,其中主要比较区域为中国近海海域(1-8区),借助区域内浮标观测有效波高资料可准确评判产品分析结果的正确性,其它区域分析准确性仅做一般对比。被评估产品为系统测试运行期间产生的海浪客观分析场数据。系统试运行期间影响中国近海的天气系统包括多次温带过程(冷空气、温带气旋)以及一次台风过程,过程样本数量具有一定代表性。由于没有“真实”的海浪有效波高分布资料作为评价标准,只能选取一种用户评价较高的分析产品作为比较对象。这里选用西北太平洋区域用户普遍认可的日本气象厅海浪分析产品作为比较对象。根据日本产品 (http://www.jma.go.jp/jmh/umiinfo.html)有效波高等值线值选用以下波高对比区间:2-3m、3-4m,4-6m及6m以上。从两种产品统计得出的海浪过程次数列于表五。从统计结果容易看出渤海、黄海北部、台湾海峡及北部湾日本产品存在明显漏报;其它对比区域两种产品分析结果大体一致。
表五:系统实况分析结果于JMA结果对比
本发明提供的系统采用框架式和分布设计。系统配套的算法均封装为模块,用户可根据需求将模块嵌入框架实现系统功能。通过该设计有效降低了系统的刚性,为关键算法的升级改进带来了便利。系统将数据获取模块与融合算法模块分离的设计,允许系统获得多源资料,有效扩展了数据的丰富程度。
以上实施例的各技术特征可以进行任意的组合(只要这些技术特征的组合不存在矛盾),为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述;这些未明确写出的实施例,也都应当认为是本说明书记载的范围。
上文中通过一般性说明及具体实施例对本发明作了较为具体和详细的描述。应当指出的是,在不脱离本发明构思的前提下,显然还可以对这些具体实施例作出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述系统为框架式结构运行于分布式环境上,包括:
数据采集模块,用于从不同局域网收集海浪实况分析所需的多要素数据;
数据预处理模块,用于采用客观方法进行质量控制,并根据观测终端的性能以及大量历史数据实测对比结果得到数据可信度等级;
风场多级融合模块,用于根据所述数据可信度等级对风场进行多次融合得到融合风场;
海浪模拟计算模块,用于以所述融合风场为驱动模拟计算产生海浪数值分析场;
浪场多级融合模块,用于根据所述数据可信度等级对浪场进行多次融合得到海浪实况分析场并生成产品;
其中,所述风场多级融合模块、所述海浪模拟计算模块和所述海浪模拟计算模块部署在主节点上,所述数据采集模块根据实际需求部署在多个副节点上。
2.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述数据采集模块支持FTP网络接入协议、CIFS网络接入协议、NFS网络接入协议和网络爬虫。
3.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述数据预处理模块包括解析分类模块、质量控制模块和数据分级模块,所述解析分类模块用于将收集到的所述多要素数据文件解码并按要素分类;所述质量控制模块用于检查所述多要素数据文件完整性、内容质量控制旗和要素量程的合理性;所述数据分级模块用于给不同来源和不同传感器分配优先级。
4.根据权利要求3所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述质量控制模块在进行质量控制时针对传感器零点漂移的数据异常情况采用水文气象资料通过偏离守恒律程度综合判断。
5.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述数据预处理模块还包括人工干预模块,用于修改数据传输设置、屏蔽异常数据和补算。
6.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述风场多级融合模块在融合风场时采用双辛格函数插值法。
7.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述数据预处理模块在数据可信度等级分级时,数值分析资料<卫星遥感资料<开源观测资料<自主观测资料。
8.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述海浪模拟计算模块在产生海浪数值分析场时采用逐步订正法。
9.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述海浪模拟计算模块采用第三代海浪谱模式WAVEWATCHIII。
10.根据权利要求1所述的跨网络模块化多源多要素海浪实况分析系统,其特征在于,所述海浪模拟计算模块在模拟远场涌浪生成和传播过程时采用全球至中国近海多重嵌套网格和热启动技术。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210157982.XA CN114581043B (zh) | 2022-02-21 | 2022-02-21 | 跨网络模块化多源多要素海浪实况分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210157982.XA CN114581043B (zh) | 2022-02-21 | 2022-02-21 | 跨网络模块化多源多要素海浪实况分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114581043A true CN114581043A (zh) | 2022-06-03 |
CN114581043B CN114581043B (zh) | 2023-01-31 |
Family
ID=81770205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210157982.XA Active CN114581043B (zh) | 2022-02-21 | 2022-02-21 | 跨网络模块化多源多要素海浪实况分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581043B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
CN109299343A (zh) * | 2018-09-05 | 2019-02-01 | 上海彩虹鱼海洋科技股份有限公司 | 一种面向多源全球海洋大数据的动态可视化方法及系统 |
CN112672299A (zh) * | 2020-12-09 | 2021-04-16 | 电子科技大学 | 一种基于多源异构信息融合的传感器数据可信度评估方法 |
CN112949140A (zh) * | 2021-03-26 | 2021-06-11 | 海博泰科技(青岛)有限公司 | 一种基于动态条件的大型船舶安全乘潮入港的方法 |
KR20210085266A (ko) * | 2019-12-30 | 2021-07-08 | 빅픽쳐스 주식회사 | 국가직무능력표준(ncs) 기반 건설기계 로우더 실습교육 시스템 및 이를 이용한 실습방법 |
CN113468773A (zh) * | 2021-04-27 | 2021-10-01 | 交通运输部天津水运工程科学研究所 | 全球台风浪数值模拟方法及系统 |
CN113556360A (zh) * | 2021-08-10 | 2021-10-26 | 杭州民润科技有限公司 | 基于多源攻击融合的工业互联网安全动态度量方法、装置及存储介质 |
CN113673181A (zh) * | 2021-08-13 | 2021-11-19 | 中国人民解放军国防科技大学 | 一种基于多源风场数据的机场区域风切变智能识别方法 |
CN113868970A (zh) * | 2021-08-13 | 2021-12-31 | 中国人民解放军国防科技大学 | 一种基于数值仿真模型及中尺度气象模式的机场区域多源风场融合方法 |
-
2022
- 2022-02-21 CN CN202210157982.XA patent/CN114581043B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
CN109299343A (zh) * | 2018-09-05 | 2019-02-01 | 上海彩虹鱼海洋科技股份有限公司 | 一种面向多源全球海洋大数据的动态可视化方法及系统 |
KR20210085266A (ko) * | 2019-12-30 | 2021-07-08 | 빅픽쳐스 주식회사 | 국가직무능력표준(ncs) 기반 건설기계 로우더 실습교육 시스템 및 이를 이용한 실습방법 |
CN112672299A (zh) * | 2020-12-09 | 2021-04-16 | 电子科技大学 | 一种基于多源异构信息融合的传感器数据可信度评估方法 |
CN112949140A (zh) * | 2021-03-26 | 2021-06-11 | 海博泰科技(青岛)有限公司 | 一种基于动态条件的大型船舶安全乘潮入港的方法 |
CN113468773A (zh) * | 2021-04-27 | 2021-10-01 | 交通运输部天津水运工程科学研究所 | 全球台风浪数值模拟方法及系统 |
CN113556360A (zh) * | 2021-08-10 | 2021-10-26 | 杭州民润科技有限公司 | 基于多源攻击融合的工业互联网安全动态度量方法、装置及存储介质 |
CN113673181A (zh) * | 2021-08-13 | 2021-11-19 | 中国人民解放军国防科技大学 | 一种基于多源风场数据的机场区域风切变智能识别方法 |
CN113868970A (zh) * | 2021-08-13 | 2021-12-31 | 中国人民解放军国防科技大学 | 一种基于数值仿真模型及中尺度气象模式的机场区域多源风场融合方法 |
Non-Patent Citations (6)
Title |
---|
吴佳敏等: "基于WRF-3DVAR同化多源融合数据对近海风模拟的改进试验", 《气象科学》 * |
张凯峰等: "基于变分多参数正则化方法融合卫星散射计资料", 《海洋学报》 * |
张洪生等: "利用WAVEWATCH和SWAN嵌套计算珠江口附近海域的风浪场"", 《热带海洋学报》 * |
张鹏等: "基于CCMP卫星遥感海面风场数据的渤海风浪模拟研究", 《海洋通报》 * |
许遐祯等: "基于多源数据的中国近海风场融合方法研究", 《杭州师范大学学报(自然科学版)》 * |
马志等: "多传感器信息融合技术在粮情测控中的应用", 《粮食加工》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114581043B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dullaart et al. | Advancing global storm surge modelling using the new ERA5 climate reanalysis | |
CN112905560B (zh) | 一种多源时空大数据深度融合的空气污染预测方法 | |
Morin et al. | Application of physical snowpack models in support of operational avalanche hazard forecasting: A status report on current implementations and prospects for the future | |
Cyriac et al. | Variability in Coastal Flooding predictions due to forecast errors during Hurricane Arthur | |
Körner et al. | Introducing Gradient Boosting as a universal gap filling tool for meteorological time series | |
CN111210483B (zh) | 基于生成对抗网络和数值模式产品的仿真卫星云图生成方法 | |
Kim et al. | Evaluation and characterization of offshore wind resources with long-term met mast data corrected by wind lidar | |
CN114049545B (zh) | 一种基于点云体素的台风定强方法、系统、设备及介质 | |
CN113128758B (zh) | 基于近海浮标海浪观测数据构建的最大浪高预报系统 | |
CN113704693B (zh) | 一种高精度的有效波高数据估计方法 | |
CN113283155A (zh) | 一种近地表气温估算方法、系统、存储介质及设备 | |
Andrée et al. | Simulating major storm surge events in a complex coastal region | |
Li et al. | Extreme wind climate of the Arabian Peninsula characterized by using WRF simulation | |
Bajamgnigni Gbambie et al. | Added value of alternative information in interpolated precipitation datasets for hydrology | |
Gallo et al. | Exploring convection-allowing model evaluation strategies for severe local storms using the finite-volume cubed-sphere (FV3) model core | |
CN114819264A (zh) | 一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质 | |
Asiri et al. | Day-ahead prediction of distributed regional-scale photovoltaic power | |
Yang et al. | Evaluating WRF-Solar EPS cloud mask forecast using the NSRDB | |
Harpham et al. | A Bayesian method for improving probabilistic wave forecasts by weighting ensemble members | |
Tyndall et al. | Sensitivity of surface air temperature analyses to background and observation errors | |
CN114581043B (zh) | 跨网络模块化多源多要素海浪实况分析系统 | |
Oloyede et al. | Data-driven techniques for temperature data prediction: big data analytics approach | |
CN114169215B (zh) | 一种耦合遥感与区域气象模式的地表温度反演方法 | |
CN115600047A (zh) | 一种基于栅格分析的小流域面平均降雨量测算方法和系统 | |
Khedhaouiria et al. | Daily precipitation fields modeling across the great lakes region (Canada) by Using the CFSR reanalysis |
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 |