CN115495941B - 一种基于响应面的海底滑坡海啸的快速预报方法 - Google Patents

一种基于响应面的海底滑坡海啸的快速预报方法 Download PDF

Info

Publication number
CN115495941B
CN115495941B CN202211442287.4A CN202211442287A CN115495941B CN 115495941 B CN115495941 B CN 115495941B CN 202211442287 A CN202211442287 A CN 202211442287A CN 115495941 B CN115495941 B CN 115495941B
Authority
CN
China
Prior art keywords
landslide
tsunami
response surface
wave height
depth
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
Application number
CN202211442287.4A
Other languages
English (en)
Other versions
CN115495941A (zh
Inventor
白晔斐
刘金伟
周一帆
房欣
刘英男
魏笑然
支泓欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Institute of Zhejiang University
Original Assignee
Hainan Institute of Zhejiang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainan Institute of Zhejiang University filed Critical Hainan Institute of Zhejiang University
Priority to CN202211442287.4A priority Critical patent/CN115495941B/zh
Publication of CN115495941A publication Critical patent/CN115495941A/zh
Application granted granted Critical
Publication of CN115495941B publication Critical patent/CN115495941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Hydrology & Water Resources (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及滑坡海啸技术领域，具体涉及一种基于响应面的海底滑坡海啸的快速预报方法；本发明使用最小二乘法对滑坡深度、滑坡体体积量和海啸最大波高三个参数进行了曲面拟合，构建了以滑坡深度和滑坡体体积量为自变量，以海啸最大波高为因变量的公式，完成了响应面的构建，使对滑坡海啸的预报能够较为准确且高效的完成，采用构建响应面的方法，只需对特定的数十个滑坡海啸情景进行模拟，便可求得响应面范围内所有情景的海啸最大波高，使得到的滑坡海啸的数据量由点变为面，大大降低了模拟滑坡海啸的计算成本和时间成本。

Description

一种基于响应面的海底滑坡海啸的快速预报方法
技术领域
本发明涉及滑坡海啸技术领域，具体涉及一种基于响应面的海底滑坡海啸的快速预报方法。
背景技术
除海底地震这一引发海啸的最主要因素外，海底滑坡是引发海啸又一重要因素，从近期的记录中发现，在所有的海啸事件中，将近30%的海啸和海底滑坡等海底沉积物运动有关，其中大型的滑坡海啸会对沿岸人类活动和海洋生态造成巨大破坏，也会对人类的海底工程设备造成不可挽回的损失。因为海底滑坡不易观测且海底地质和地形复杂，故人们对海底滑坡的认识较少，随着近几年观测技术的发展，滑坡海啸才逐渐引起人们的重视。
我国陆架宽阔且存在大量富含天然气水合物的区域，极有可能发生海底滑坡，且滑坡位置离我国沿岸较近，迫切需要开展滑坡海啸的评估，构建一种滑坡海啸的快速预报方法，为滑坡海啸的危险性分析和灾害预警工作提供关键的参考和指导。
随着计算机算力与海啸数值模式的发展，预测和评估滑坡海啸变得愈发的可能。
现有技术对滑坡海啸的危险性评估多为使用数值模式对滑坡海啸进行特定的情景式模拟并进行分析，选定的滑坡参数来源于前人对滑坡海啸危险区域的研究，所以进行数值模拟的滑坡海啸情景的数量少且参数固定，还原现实中的滑坡海啸的概率非常小，无法起到对滑坡海啸的预警作用。
综上所述，研发一种基于响应面的海底滑坡海啸的快速预报方法，是滑坡海啸技术领域中急需解决的关键问题。
发明内容
针对现有技术所存在的上述缺点，本发明在于提供一种基于响应面的海底滑坡海啸的快速预报方法，本发明所提供的方法，使用滑坡深度和滑坡体体积量作为自变量，海啸最大波高作为因变量进行曲面拟合，构建响应面，通过构建响应面，降低滑坡海啸模拟次数，且还能准确且高效地对滑坡海啸进行预报。
为实现上述目的，本发明提供了如下技术方案：
本发明提供了一种基于响应面的海底滑坡海啸的快速预报方法，包括以下步骤：
（1）根据研究资料，判断会发生海底滑坡的位置。
（2）获得包含滑坡位置的研究区域的高精度地形文件。在具体操作中，可以采用在GEBCO网站中获得高精度地形文件。
（3）根据海底滑坡所在的深度范围及滑坡体体积量的区间，将深度和滑坡体体积 量进行离散化，离散的区间个数分别为
Figure 589425DEST_PATH_IMAGE001
和
Figure 824097DEST_PATH_IMAGE002
。
（4）建立一个包含所有滑坡参数的目录，优选的，在目录中深度和滑坡体体积量的 大小取值于各区间的中间数，海底滑坡的情景数量为
Figure 323343DEST_PATH_IMAGE003
。
（5）采用Navier-Stokes海啸三维数值模型对
Figure 795913DEST_PATH_IMAGE003
个滑坡情景进行滑坡海啸的模 拟，对
Figure 706100DEST_PATH_IMAGE003
个滑坡情景进行滑坡海啸的模拟，得到
Figure 631331DEST_PATH_IMAGE003
个研究范围内的海啸最大波高数 据。
（6）对研究范围内的所有像素点的最大波高进行统计，每个像素点受到深度
Figure 262163DEST_PATH_IMAGE004
和滑 坡体体积量
Figure 323660DEST_PATH_IMAGE005
两个参数的影响，会产生
Figure 545694DEST_PATH_IMAGE003
个海啸的最大波高
Figure 958221DEST_PATH_IMAGE006
，对这三个变量的数据进 行拟合；
所述拟合公式为：
Figure 986220DEST_PATH_IMAGE007
；
式中，
Figure 105485DEST_PATH_IMAGE008
和
Figure 295158DEST_PATH_IMAGE009
均为待定系数。
（7）构建出每个像素点的滑坡海啸最大波高响应面，具体过程为：计算获得每个像 素点的拟合公式的系数；将系数代入拟合公式，获得每个像素点的海啸最大波高公式，自变 量为滑坡深度
Figure 194981DEST_PATH_IMAGE004
和滑坡体体积量
Figure 698775DEST_PATH_IMAGE005
；构建出每个像素点的滑坡海啸最大波高响应面。
（8）当有海底滑坡发生时，判断该滑坡发生的深度
Figure 443DEST_PATH_IMAGE004
和滑坡体体积量
Figure 361017DEST_PATH_IMAGE005
是否在构建 的响应面内；
若海底滑坡的深度
Figure 685819DEST_PATH_IMAGE004
和滑坡体体积量
Figure 55621DEST_PATH_IMAGE005
在响应面的影响范围内时，则将海底滑坡 的发生的深度
Figure 883900DEST_PATH_IMAGE004
和滑坡体体积量
Figure 680954DEST_PATH_IMAGE005
输入到步骤（7）构建的响应面中，求得整个区域的海啸最 大波高数据。
若海底滑坡的深度
Figure 289790DEST_PATH_IMAGE004
和滑坡体体积量
Figure 400966DEST_PATH_IMAGE005
不在响应面范围内，则使用快速建模的方 法对滑坡海啸进行预报，并扩大响应面滑坡的深度
Figure 942805DEST_PATH_IMAGE004
和滑坡体体积量
Figure 910761DEST_PATH_IMAGE005
的范围，并继续进行 滑坡海啸的情景模拟，将响应面的影响范围进一步扩大。
（9）获取整个区域的海啸最大波高，对海啸波高超过阈值的高风险区域进行快速预警，并对滑坡海啸的最大波高数据进行可视化处理。
有益效果
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
（1）本发明使用最小二乘法对滑坡深度、滑坡体体积量和海啸最大波高三个参数进行了曲面拟合，构建了以滑坡深度和滑坡体体积量为自变量，以海啸最大波高为因变量的公式，完成了响应面的构建，使对滑坡海啸的预报能够较为准确且高效的完成。
（2）本发明采用构建响应面的方法，只需对特定的数十个滑坡海啸情景进行模拟，便可求得响应面范围内所有情景的海啸最大波高，使得到的滑坡海啸的数据量由点变为面，大大降低了模拟滑坡海啸的计算成本和时间成本。
附图说明
图1为本发明一种基于响应面的海底滑坡海啸的快速预报方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合实施例对本发明作进一步的描述。
如图1所示，本发明提供了一种基于响应面的海底滑坡海啸的快速预报方法，包括以下步骤：
（1）根据研究资料，判断会发生海底滑坡的位置。
在本步骤中，需要说明的是，在判断会发生海底滑坡的位置时，通常海底滑坡易发生在富含天然气水合物的区域。根据专家对富含天然气水合物区域位置计算得到的滑坡安全系数分布云图，对安全系数小于1.1的区域绘制轮廓线，轮廓线内的区域即为发生海底滑坡的位置。
（2）获得包含滑坡位置的研究区域的高精度地形文件。
其中，在GEBCO网站中获得高精度地形文件。
在本步骤中，需要说明的是，GEBCO（General Bathymetric Chart of theOceans）网站是由国际海道测量组织和政府间海洋学委员会协调有关国家联合编制的覆盖全球18幅1:1000万（两极为1:600万）的地势图。
（3）根据专家的研究得到海底滑坡所在的深度范围及滑坡体体积量的区间，并将 深度和滑坡体体积量进行离散化，离散的区间个数分别为
Figure 6893DEST_PATH_IMAGE001
和
Figure 656181DEST_PATH_IMAGE002
，建议滑坡发生深度的离散 区间为
Figure 521368DEST_PATH_IMAGE010
，滑坡体体积量离散区间为
Figure 660226DEST_PATH_IMAGE011
，则离散的区间个数分别为：
Figure 181337DEST_PATH_IMAGE012
；
Figure 431053DEST_PATH_IMAGE013
。
在本步骤中，需要说明的是，离散间隔视计算机算力而定，间隔越小，计算量则越庞大，但对滑坡海啸的预报则越准确。
（4）建立一个包含所有滑坡参数的目录。
其中，在目录中深度和滑坡体体积量的大小取值于各区间的中间数，海底滑坡的 情景数量为
Figure 354009DEST_PATH_IMAGE014
。
（5）对
Figure 663768DEST_PATH_IMAGE015
个滑坡情景进行滑坡海啸的模拟，得到
Figure 734492DEST_PATH_IMAGE016
个研究范围内的海啸最 大波高数据。
其中，采用Navier-Stokes海啸三维数值模型对
Figure 725582DEST_PATH_IMAGE016
个滑坡情景进行滑坡海啸的 模拟。
（6）对研究范围内的所有像素点的最大波高进行统计，每个像素点受到深度
Figure 565362DEST_PATH_IMAGE004
和滑 坡体体积量
Figure 46022DEST_PATH_IMAGE017
两个参数的影响，会产生
Figure 276146DEST_PATH_IMAGE016
个海啸的最大波高
Figure 133244DEST_PATH_IMAGE018
，对这三个变量的数据 进行拟合。
其中，拟合公式为：
Figure 827530DEST_PATH_IMAGE019
，式中，
Figure 416774DEST_PATH_IMAGE008
和
Figure 603036DEST_PATH_IMAGE020
均为待定系数。
（7）构建出每个像素点的滑坡海啸最大波高响应面。
其中，构建出每个像素点的滑坡海啸最大波高响应面的过程为：
计算获得每个像素点的拟合公式的系数；将系数代入拟合公式，获得每个像素点 的海啸最大波高公式，自变量为滑坡深度
Figure 998245DEST_PATH_IMAGE004
和滑坡体体积量
Figure 484722DEST_PATH_IMAGE017
；构建出每个像素点的滑坡 海啸最大波高响应面。
（8）当有海底滑坡发生时，判断该滑坡发生的深度
Figure 572763DEST_PATH_IMAGE004
和滑坡体体积量
Figure 43059DEST_PATH_IMAGE017
是否在构建 的响应面内。
其中，若海底滑坡的深度
Figure 241959DEST_PATH_IMAGE004
和滑坡体体积量
Figure 645259DEST_PATH_IMAGE017
不在响应面范围内，则对该次滑坡重 新建模，并在两分的低精度地形数据下进行快速数值模拟，在舍弃精确预测的情况下实现 对响应面范围外滑坡海啸的预报功能，并扩大响应面滑坡的深度
Figure 576306DEST_PATH_IMAGE004
和滑坡体体积量
Figure 330635DEST_PATH_IMAGE017
的范 围，并继续进行滑坡海啸的情景模拟，将响应面的影响范围进一步扩大。
若海底滑坡的深度
Figure 282628DEST_PATH_IMAGE004
和滑坡体体积量
Figure 806013DEST_PATH_IMAGE017
在响应面的影响范围内时，则将海底滑坡 的发生的深度
Figure 907961DEST_PATH_IMAGE004
和滑坡体体积量
Figure 884008DEST_PATH_IMAGE017
输入到步骤（7）构建的响应面中，求得整个区域的海啸 最大波高数据。
（9）获取整个区域的海啸最大波高，对海啸波高超过阈值的高风险区域进行快速预警，其中海啸波高在2米以上的区域，启用一级预警；海啸波高在1.5m-2m之间的区域，启用二级预警；海啸波高在1.0m-1.5m之间的区域，启用三级预警；海啸波高在0.5m-1m之间的区域，启用四级预警。同时对滑坡海啸的最大波高数据进行可视化处理。
具体实施例：
下面对南海的白云滑坡区域内的一处海底滑坡进行实例计算：
（1）在第三步中，中国南海白云滑坡区域中的一处滑坡，滑坡所在的深度范围为- 500~-800米，滑坡体体积量的区间为30~80km3，使用滑坡深度的离散区间为
Figure 424710DEST_PATH_IMAGE021
，滑坡 体体积量的离散区间为
Figure 5864DEST_PATH_IMAGE022
，则滑坡发生深度和滑坡体体积量的离散区间个数分别 为：
Figure 872189DEST_PATH_IMAGE023
；
Figure 601111DEST_PATH_IMAGE024
；
（2）在第四步中，建立应该滑坡海啸的目录，里面的滑坡海啸的情景数量为
Figure 617608DEST_PATH_IMAGE025
，其中滑坡发生深度的具体取值为：-515、-545、-575、-605、635、-665、-695、- 725、-755、-785米；滑坡体体积量的具体取值为：35、45、55、65、75km3。
（3）在对上诉50个滑坡海啸进行数值模拟后，得到50个研究范围内的海啸最大波 高数据，而每个研究区域内每个像素点对应都有50个海啸最大波高，故在第i个像素点上也 有50个最大波高
Figure 115586DEST_PATH_IMAGE026
数据，将滑坡深度
Figure 621653DEST_PATH_IMAGE027
（km）、滑坡体体积量
Figure 41133DEST_PATH_IMAGE028
(km3)作为自变量，最大波 高
Figure 330163DEST_PATH_IMAGE029
作为因变量，对三组数据进行拟合，得到第i个像素点的最大波高的拟合公式如下：
Figure 682647DEST_PATH_IMAGE030
；
（4）使用上面得到的拟合公式后，构建出该点（第i个像素点）处的最大波高响应面，若白云滑坡区域发生了滑坡深度为0.5km,滑坡体体积量为50km3的海底滑坡，则在研究区域范围内的第i个像素点的海啸最大波高为：
Figure 625196DEST_PATH_IMAGE031
；
同理可得整个研究区域范围内所有点处的海啸最大波高。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种基于响应面的海底滑坡海啸的快速预报方法，其特征在于，包括以下步骤：
（1）判断会发生海底滑坡的位置；
（2）获得包含滑坡位置的研究区域的高精度地形文件；
（3）根据海底滑坡所在的深度范围及滑坡体体积量的区间，将深度和滑坡体体积量进 行离散化，离散的区间个数分别为
Figure DEST_PATH_IMAGE001
和
Figure 561673DEST_PATH_IMAGE002
；
（4）建立一个包含所有滑坡参数的目录；
（5）对
Figure DEST_PATH_IMAGE003
个滑坡情景进行滑坡海啸的模拟，得到
Figure 70014DEST_PATH_IMAGE003
个研究范围内的海啸最大波高数 据；
（6）对研究范围内的所有像素点的最大波高进行统计，每个像素点受到深度
Figure 466361DEST_PATH_IMAGE004
和滑坡体 体积量
Figure DEST_PATH_IMAGE005
两个参数的影响，会产生
Figure 166070DEST_PATH_IMAGE003
个海啸的最大波高
Figure 15077DEST_PATH_IMAGE006
，对深度
Figure 795951DEST_PATH_IMAGE004
、滑坡体体积量
Figure 312383DEST_PATH_IMAGE005
以及最大波高
Figure 153300DEST_PATH_IMAGE006
这三个变量的数据进行拟合；
（7）构建出每个像素点的滑坡海啸最大波高响应面，具体过程为：
计算获得每个像素点的拟合公式的系数；将系数代入拟合公式，获得每个像素点的海 啸最大波高公式，自变量为滑坡深度
Figure 755183DEST_PATH_IMAGE004
和滑坡体体积量
Figure 605327DEST_PATH_IMAGE005
；构建出每个像素点的滑坡海啸 最大波高响应面；
（8）当有海底滑坡发生时，判断该滑坡发生的深度
Figure 743310DEST_PATH_IMAGE004
和滑坡体体积量
Figure 755128DEST_PATH_IMAGE005
是否在构建的响 应面内；
当海底滑坡的深度
Figure 313149DEST_PATH_IMAGE004
和滑坡体体积量
Figure 966984DEST_PATH_IMAGE005
在响应面的影响范围内时，将海底滑坡的发生 的深度
Figure 926850DEST_PATH_IMAGE004
和滑坡体体积量
Figure 109569DEST_PATH_IMAGE005
输入到步骤（7）构建的响应面中，求得整个区域的海啸最大波 高数据；
当海底滑坡的深度
Figure 420465DEST_PATH_IMAGE004
和滑坡体体积量
Figure 346833DEST_PATH_IMAGE005
不在响应面范围内，使用快速建模的方法对滑 坡海啸进行预报，并扩大响应面滑坡的深度
Figure 161205DEST_PATH_IMAGE004
和滑坡体体积量
Figure 278940DEST_PATH_IMAGE005
的范围，返回步骤（5）继续 进行滑坡海啸的情景模拟，将响应面的影响范围进一步扩大；
（9）获取整个区域的海啸最大波高，对海啸波高超过阈值的高风险区域进行快速预警，并对滑坡海啸的最大波高数据进行可视化处理。
2.根据权利要求1所述的一种基于响应面的海底滑坡海啸的快速预报方法，其特征在于，在步骤（1）中，判断会发生海底滑坡的位置的具体方法为：根据对富含天然气水合物区域位置计算得到的滑坡安全系数分布云图，对安全系数小于设定阈值的区域绘制轮廓线，轮廓线内的区域即为会发生海底滑坡的位置。
3.根据权利要求1所述的一种基于响应面的海底滑坡海啸的快速预报方法，其特征在于，在步骤（2）中，在GEBCO网站中获得高精度地形文件。
4.根据权利要求1所述的一种基于响应面的海底滑坡海啸的快速预报方法，其特征在 于，在步骤（4）中，在目录中深度和滑坡体体积量的大小取值于各区间的中间数，海底滑坡 的情景数量为
Figure 811553DEST_PATH_IMAGE003
。
5.根据权利要求1所述的一种基于响应面的海底滑坡海啸的快速预报方法，其特征在 于，在步骤（5）中，采用Navier-Stokes海啸三维数值模型对
Figure 541611DEST_PATH_IMAGE003
个滑坡情景进行滑坡海啸的 模拟。
6.根据权利要求1所述的一种基于响应面的海底滑坡海啸的快速预报方法，其特征在于，在步骤（6）中，拟合公式为：
Figure DEST_PATH_IMAGE007
；
式中，
Figure 803965DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
均为待定系数。
CN202211442287.4A 2022-11-18 2022-11-18 一种基于响应面的海底滑坡海啸的快速预报方法 Active CN115495941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211442287.4A CN115495941B (zh) 2022-11-18 2022-11-18 一种基于响应面的海底滑坡海啸的快速预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211442287.4A CN115495941B (zh) 2022-11-18 2022-11-18 一种基于响应面的海底滑坡海啸的快速预报方法

Publications (2)

Publication Number Publication Date
CN115495941A CN115495941A (zh) 2022-12-20
CN115495941B true CN115495941B (zh) 2023-03-28

Family

ID=85116108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211442287.4A Active CN115495941B (zh) 2022-11-18 2022-11-18 一种基于响应面的海底滑坡海啸的快速预报方法

Country Status (1)

Country Link
CN (1) CN115495941B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016223956A (ja) * 2015-06-02 2016-12-28 公益財団法人鉄道総合技術研究所 津波伝播特性を利用した沿岸の早期津波予測方法
CN108492236A (zh) * 2018-02-07 2018-09-04 国家海洋环境预报中心 基于蒙特卡洛随机模拟的多重现期海啸灾害评估方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014192326A1 (ja) * 2013-05-31 2014-12-04 三菱電機株式会社 津波監視システム
CN115187003A (zh) * 2022-06-22 2022-10-14 中国电建集团华东勘测设计研究院有限公司 海底滑坡风险评估方法、装置以及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016223956A (ja) * 2015-06-02 2016-12-28 公益財団法人鉄道総合技術研究所 津波伝播特性を利用した沿岸の早期津波予測方法
CN108492236A (zh) * 2018-02-07 2018-09-04 国家海洋环境预报中心 基于蒙特卡洛随机模拟的多重现期海啸灾害评估方法

Also Published As

Publication number Publication date
CN115495941A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN114707227A (zh) 一种基于数字孪生的大坝安全预警消警方法及系统
CN108805350B (zh) 基于多维蒙特卡洛理论的搜救范围预测方法
Gesch Consideration of vertical uncertainty in elevation-based sea-level rise assessments: Mobile Bay, Alabama case study
CN113283802A (zh) 一种复杂艰险山区滑坡危险性评估方法
Goda et al. Tsunami simulations of mega-thrust earthquakes in the Nankai–Tonankai Trough (Japan) based on stochastic rupture scenarios
CN114049545B (zh) 一种基于点云体素的台风定强方法、系统、设备及介质
Zhang et al. Transition of the coastal and estuarine storm tide model to an operational storm surge forecast model: A case study of the Florida coast
KR101191944B1 (ko) 이안류 경보 발생방법
CN113009553A (zh) 基于NGBoost和SHAP值的可解释地震动参数概率密度分布预测方法
CN110287455A (zh) 一种结合遥感数据与社会感知数据的pm2.5深度学习反演方法
KR20200119732A (ko) 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치
Koshimura Establishing the advanced disaster reduction management system by fusion of real-time disaster simulation and big data assimilation
Mageed Fractal Dimension (D f) of Ismail’s Fourth Entropy (H IV⁽ q, a 1, a 2,.., a k⁾) with Fractal Applications to Algorithms, Haptics, and Transportation
CN115495941B (zh) 一种基于响应面的海底滑坡海啸的快速预报方法
CN111080080B (zh) 一种村镇地质灾害风险预估方法及系统
Sheng et al. A regional testbed for storm surge and coastal inundation models—an overview
López An experiment on the elevation accuracy improvement of photogrammetrically derived DEM
CN116308954A (zh) 一种基于数字孪生技术的海上应急预案推演系统及方法
Kim et al. Urban flood inundation simulation based on high-precision 3D modeling
Smith et al. Map Comparison Methods for Three‐Dimensional Space and Time Voxel Data
CN116540300B (zh) 概率性海啸灾害分析方法
Magdalena et al. A mathematical formulation for estimating maximum run-up height of 2018 Palu tsunami
JP2006039629A (ja) 防災事業計画支援方法とそのシステム
Aniel-Quiroga et al. Tsunami Hazard assessment and Scenarios Database for the Tsunami Warning System for the coast of Oman
KR102406587B1 (ko) 스테레오 영상으로부터 수심 역계산과 파랑 수치모델의 결합을 통한 연안 파랑의 예측 정확도 향상을 위한 장치 및 방법

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