CN115619045B - 一种河口潮差预报方法和系统 - Google Patents
一种河口潮差预报方法和系统 Download PDFInfo
- Publication number
- CN115619045B CN115619045B CN202211507957.6A CN202211507957A CN115619045B CN 115619045 B CN115619045 B CN 115619045B CN 202211507957 A CN202211507957 A CN 202211507957A CN 115619045 B CN115619045 B CN 115619045B
- Authority
- CN
- China
- Prior art keywords
- tidal range
- river
- estuary
- volume
- tidal
- 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
- 238000013277 forecasting method Methods 0.000 title claims abstract description 18
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 55
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 12
- 230000003628 erosive effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008021 deposition Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000009991 scouring Methods 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及潮汐预报技术领域中的一种河口潮差预报方法和系统,包括以下步骤:计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中第一潮差值为上游潮位站的潮差,第二潮差值为外海潮位站的潮差;判断河口预测参考期内是否发生洪水事件,并建立江道容积预测模型;基于第一潮差值、第二潮差值以及江道容积预测模型,建立潮差预测模型;基于潮差预测模型,预测上游潮位的潮差值,解决了对洪水频发河口的潮差预测准确度低的问题。
Description
技术领域
本发明涉及潮汐预报技术领域,具体涉及一种河口潮差预报方法和系统。
背景技术
潮差即潮汐河口某处一个潮周期内的高潮位和低潮位之差,是潮汐河口最重要的水文特征之一,对河口水动力的强弱起关键作用,继而影响河口沿程的、泥沙输移、污染物扩散、盐水入侵、初级生产力的时空分布等,因此,潮差预报的精度对于河口生态环境、防护排涝等诸多方面具有重要的现实意义。
由于大部分河口河床冲淤是较为稳定的,因此潮差的预报主要需要考虑外海潮汐和陆域径流量的大小即可,但是对于洪水频发的河口,这些河口泥沙颗粒细,抗冲性弱,易于在洪水和强潮作用下发生冲刷或淤积,而河床的剧烈冲淤变化,往往导致潮汐特性的高度不稳定特性,相对于使用传统的预测方法,无法更准确地获取洪水频发河口的潮差。
发明内容
本发明针对现有技术中的缺点,提供了一种河口潮差预报方法和系统,解决了对洪水频发河口的潮差预测准确度低的问题。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种河口潮差预报方法,包括以下步骤:
计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中所述第一潮差值为上游潮位站的潮差,所述第二潮差值为外海潮位站的潮差;
判断河口预测参考期内是否发生洪水事件,并建立江道容积预测模型;
基于所述第一潮差值、第二潮差值以及江道容积预测模型,建立潮差预测模型;
基于所述潮差预测模型,预测上游潮位的潮差值。
可选的,判断河口预测参考期内是否发生洪水事件,包括以下步骤:
获取河口的历年平均径流量,并设定时间阈值;
若所述月均径流量大于或等于历年平均径流量的两倍,且持续时间大于或等于时间阈值,则判定为发生洪水事件,反之,则未发生洪水事件。
可选的,建立江道容积预测模型,包括以下步骤:
若河口预测参考期内发生洪水事件,则建立江道容积关于月均径流量的江道容积预测模型;
若河口预测参考期内未发生洪水事件,则建立江道容积关于月均径流量以及测量容积的江道容积预测模型。
可选的,计算河口预测参考期内的第一潮差值,包括以下步骤:
采集河口预测参考期内,上游潮位站的逐时潮位数据一;
提取所述逐时潮位数据一中的上游高潮位和上游低潮位;
计算第一潮差值,且所述第一潮差值计算公式为:第一潮差值=上游高潮位-上游低潮位。
可选的,计算河口预测参考期内的第二潮差值,包括以下步骤:
采集河口预测参考期内,外海潮位站的逐时潮位数据二;
提取所述逐时潮位数据二中的外海高潮位和外海低潮位;
计算第二潮差值,且所述第二潮差值计算公式为:第二潮差值=外海高潮位-外海低潮位。
可选的,计算河口水电站处的月均径流量,包括以下步骤:
采集河口预测参考期内,每日的日均径流量;
基于所述日均径流量和河口预测参考期,计算河口预测参考期内的月均径流量。
一种河口潮差预报系统,包括计算单元、事件分析单元、第一模型构建单元、第二模型构建单元和预测单元;
所述计算单元用于计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中所述第一潮差值为上游潮位站的潮差,所述第二潮差值为外海潮位站的潮差;
所述事件分析单元用于判断河口预测参考期内是否发生洪水事件;
所述第一模型构建单元用于建立江道容积预测模型;
所述第二构建单元用于基于所述第一潮差值、第二潮差值以及江道容积预测模型,建立潮差预测模型;
所述预测单元用于基于所述潮差预测模型,预测上游潮位的潮差值。
可选的,所述事件分析单元包括数据处理单元和判断单元;
所述数据处理单元用于获取河口的历年平均径流量,并设定时间阈值;
所述判断单元用于,当所述月均径流量大于或等于历年平均径流量的两倍,且持续时间大于或等于时间阈值,则判定为发生洪水事件,反之,则判定为未发生洪水事件。
可选的,第一模型构建单元包括模型构建子单元一和模型构建子单元二;
所述模型构建子单元一用于,当河口预测参考期内发生洪水事件时,建立江道容积关于月均径流量的江道容积预测模型;
所述模型构建子单元二用于,当河口预测参考期内未发生洪水事件时,建立江道容积关于月均径流量以及测量容积的江道容积预测模型。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,执行上述任意一项所述的河口潮差预报方法。
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
1、通过设置河口洪水事件的判断,建立有洪水发生和无洪水发生两种情况下,江道容积预测的定量关系,从而在潮差预报模型中充分考虑河床冲淤变化的影响因素,使得潮差预测模型更加完善,有效提高潮差的预报精准度;
2、通过参考河口环境中影响潮差变化的各项主要因素,包括外海潮位站的潮差、河口水电站的月均径流量、体现河口内部的地形特征的江道容积等,既适用于河床相对稳定的河口,也适用于河床冲淤变化十分剧烈的河口,具有较强的适用性;
3、在使用潮差预报模型进行预测潮差时,只需要输入外海潮差、月均径流量和江道容积等测量值,即可快速预报上游河道在今后一段时间内的潮差变化,具有显著的简便性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本实施例一提出的其中一种地质特征的河口地形图;
图2为本实施例一提出的基于图1的河口实际测量的江道容积时间序列图;
图3为本实施例一提出的基于图1的河口测量的不同月份的潮差时间序列图;
图4为本实施例一提出的当河口发生洪水事件时,江道容积预测模型与实测值的比较图;
图5为本实施例一提出的当河口未发生洪水事件时,江道容积预测模型与实测值的比较图;
图6为本实施例一提出的上游潮位站潮差的计算值与实测值的比较图;
图7为本实施例一提出的潮差预测值与潮差实际值的时间序列图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例一
一种河口潮差预报方法,包括以下步骤:计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中第一潮差值为上游潮位站的潮差,第二潮差值为外海潮位站的潮差。
其中,计算河口预测参考期内的第一潮差值,包括以下步骤:采集河口预测参考期内,上游潮位站的逐时潮位数据一;提取逐时潮位数据一中的上游高潮位和上游低潮位;计算第一潮差值,且第一潮差值计算公式为:第一潮差值=上游高潮位-上游低潮位。
具体地,在冲淤剧烈河口的水电站、上游潮位站、外海潮位站处均设置数据采集器件,用于监测相关站点的潮位数据,首先,潮差的预测需基于实测数据进行预测,因此需设定河口预测参考期,河口预测参考期靠近预测潮差的时间点设置,且该河口预测参考期需根据实际河口的地形、地质、天气等因素进行设定,可进行人工调整,在本实施例中,以设定河口预测参考期为预测潮差时间的前三个月为例,需要说明的是,此河口预测参考期适用于东亚季风,降雨存在明显季节性变化的地区,而此处所说的降雨存在明显季节性变化特征指的是夏季雨流量最大,春秋季次之,冬季最小的变化特征,此时,需采集前三个月内的位于上游潮位站的逐时潮位数据一,然后从逐时潮位数据一内提取这三个月中,上游的高潮位ζHu以及低潮位ζLu,并通过公式:Au=ζHu-ζLu,计算得到第一潮差值Au。
同样的,计算河口预测参考期内的第二潮差值,包括以下步骤:采集河口预测参考期内,外海潮位站的逐时潮位数据二;提取逐时潮位数据二中的外海高潮位和外海低潮位;计算第二潮差值,且第二潮差值计算公式为:第二潮差值=外海高潮位-外海低潮位,与第一潮差值的计算方式相同,通过采集前三个月内的位于外海潮位站的逐时潮位数据二,然后从逐时潮位数据二内提取这三个月中,外海的高潮位ζHs以及低潮位ζLs,并通过公式:As=ζHs-ζLs,计算得到第二潮差值As,其中第一潮差、第二潮差的单位均为米。
进一步地,计算河口水电站处的月均径流量,包括以下步骤:采集河口预测参考期
内,每日的日均径流量;基于日均径流量和河口预测参考期,计算河口预测参考期内的月均
径流量,具体地,采集前三个月内,河口水电站处的日径流量,其中,在本实施例中,日径流
量指的是通过采集器实时采集河口水电站处的径流量,可以以一个小时为单位采集一次径
流量,也可以以两个小时为单位采集一次径流量,具体采集次数可根据实际情况进行调节,
但至少需保证采集次数两次以上,然后将一日内所有所采集的径流量相加后取平均值即得
到日均径流量q,从而进一步计算在前三个月内的月均径流量,其计算公式为:,其
中,Q为月均径流量,指的是预测参考期内日均流量的平均值,单位为m3/s,n为河口预测参
考期的总天数,在本实施例中即为前三个月的总天数。
完成第一潮差值、第二潮差值和月均径流量的计算后,需判断河口预测参考期内是否发生洪水事件,并建立江道容积预测模型,具体地,判断河口预测参考期内是否发生洪水事件,包括以下步骤:获取河口的历年平均径流量,并设定时间阈值;若月均径流量大于或等于历年平均径流量的两倍,且持续时间大于或等于时间阈值,则判定为发生洪水事件,反之,则未发生洪水事件。
由于洪水事件的发生对于河床冲淤的影响极大,进而影响河口的潮差,因此须在预测潮差的时间前判断其预测参考期内是否发生洪水冲淤,具体地,获取历史记载的河口水电站处的径流量数据,并计算历年平均径流量,在本实施例中,设定时间阈值为三天,此时,判断是否连续三天以上月均径流量大于或等于两倍的历年平均径流量,若是,则表示在此前三个月内发生过洪水事件,反之则表示在此前三个月,没有发生过洪水冲淤事件。
进一步地,建立江道容积预测模型,包括以下步骤:若河口预测参考期内发生洪水事件,则建立江道容积关于月均径流量的江道容积预测模型;若河口预测参考期内未发生洪水事件,则建立江道容积关于月均径流量以及测量容积的江道容积预测模型。
具体地,由于在有洪水事件发生的情况下,对于河床的冲淤,洪水占主导作用,因
此,建立江道容积预测模型时,江道容积预测模型中的江道容积与月均径流量成定量关系,
此时,江道容积预测模型为:,其中,V为上游潮位站的江道容积,a1、b1均为系
数,且a1、b1可通过存储在数据库中实测所得的,上游潮位站的江道容积和对应的月均径流
量进行多组实测数据拟合得到。
而在无洪水事件发生的情况下,河口流量较小,不能站主导作用,此时江道的测量
容积的影响增大,因此建立江道容积预测模型时,江道容积预测模型中的江道容积与月均
径流量以及测量容积两个参数成定量关系,此时,江道容积预测模型为:,其
中,V0为江道的测量容积,即潮差预测时间前实测所得的江道容积,且实测所得的江道容积
为周期性测得的数值,例如,每三个月测量一次实际的江道容积,a2、b2、c均为系数,且a2、
b2、c可通过存储在数据库中实测所得的,上游潮位站的江道容积和对应的月均径流量进行
多组实测数据拟合得到,而本实施例所提及的江道容积预测模型的计算公式为通过计算机
对历史数据中包含的各项实测数据进行分析得到的公式模型,历史数据包括月均径流量、
江道容积等。
更进一步地,可基于第一潮差值、第二潮差值以及江道容积预测模型,建立潮差预
测模型,建立的潮差预测模型为,其中,均为系数,可通过存
储在数据库中实测所得的第一潮差值、第二潮差值以及江道容积进行多组实测数据拟合得
到。
最后,基于潮差预测模型,预测上游潮位的潮差值,具体地,首先判断此前三个月
内是否发生洪水事件,若有,则潮差预测模型为:,若无洪水事
件发生,则潮差预测模型为:,从而通过外海潮位站得到的第二潮
差值,预测处上游潮位站的第一潮差值,需要说明的是,本实施例所提及的潮差预测模型的
计算公式为通过计算机对历史数据中包含的各项实测数据进行分析得到的公式模型,历史
数据包括第二潮差值、月均径流量、江道容积等。
本实施例以如图1所示的水文地形的河口为例,对本实施例所提出的河口潮差预报方法的准确性进行验证说明,其中,A点表示河口水电站的位置,B为上游潮位站的位置,D为外海潮位站的位置,BC段的河流即为江道位置,上述所求的江道容积即为BC段容积。
具体地,图1所示的河口的基本情况为,B处的河宽约为2km,平均水深约为5m,该河口受到径流和潮汐的共同作用,泥沙中值粒径介于0.02~0.04mm之间,以粉砂和粘土为主,抗冲蚀性差,在强劲动力条件下易冲易淤,在洪水作用数天内,河床即可被冲刷数米,洪水过后,潮汐将泥沙向上游输运,河床逐渐淤积恢复,因此年际年内上游河道多年平均高潮位以下的江道容积变化幅度可达2×106 m3以上,历次地形测验中最大容积与最小容积可相差2.5倍以上,相应地,不同月份的潮差数据也存在很大差异。
基于上述河口情况,在进行河口潮差预报时,基于如图2所示的测量所得的江道容
积的时间序列图和图3所示的不同月份的潮差时间序列图,依次计算第一潮差值、第二潮差
值以及月均径流量,并根据实测数据拟合后,得到当该河口此前发生过洪水事件时,江道容
积预测模型为:,且经过基于该江道容积预测模型所得到的江道容
积与实测值相比,可得到如图4所示的比较图,由图4可知,当图4中的各个分布点越接近于
直线,则代表江道容积预测模型越准确。
当该河道此前未发生过洪水事件时,江道容积预测模型为:,而经过基于该江道容积预测模型所得到的江道容积与实测值相
比,可得到如图5所示的比较图,由图5可知,当图5中的各个分布点越接近于直线,则代表江
道容积预测模型越准确。
进一步地,可得到潮差预测模型为:,而
根据此潮差预测模型,对该河口进行预测,可得到如图6所示的上游潮位站潮差的计算值与
实测值的比较情况,由图6可知,当各个分布点越接近于直线,则代表潮差预测模型越准确,
另一方面,如图7所示,为根据上述潮差预测模型进行每日预测的预测值与实际测量的潮位
值所绘制的潮差时间序列图,且在该潮差时间序列图中,预测值与实际情况的误差保持在
0.1m以内,因此,本实施例所述的河口潮差预报方法具有较高的准确度。
实施例二
一种河口潮差预报系统,计算单元、事件分析单元、第一模型构建单元、第二模型构建单元和预测单元;计算单元用于计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中第一潮差值为上游潮位站的潮差,第二潮差值为外海潮位站的潮差。
其中,计算河口预测参考期内的第一潮差值,包括以下步骤:采集河口预测参考期内,上游潮位站的逐时潮位数据一;提取逐时潮位数据一中的上游高潮位和上游低潮位;计算第一潮差值,且第一潮差值计算公式为:第一潮差值=上游高潮位-上游低潮位。
具体地,在冲淤剧烈河口的水电站、上游潮位站、外海潮位站处均设置数据采集器件,用于监测相关站点的潮位数据,首先,潮差的预测需基于实测数据进行预测,因此需设定河口预测参考期,河口预测参考期靠近预测潮差的时间点设置,且该河口预测参考期需根据实际河口的地形、地质、天气等因素进行设定,可进行人工调整,在本实施例中,以设定河口预测参考期为预测潮差时间的前三个月为例,需要说明的是,此河口预测参考期适用于东亚季风,降雨存在明显季节性变化的地区,而此处所说的降雨存在明显季节性变化特征指的是夏季雨流量最大,春秋季次之,冬季最小的变化特征,此时,需采集前三个月内的位于上游潮位站的逐时潮位数据一,然后从逐时潮位数据一内提取这三个月中,上游的高潮位ζHu以及低潮位ζLu,并通过公式:Au=ζHu-ζLu,计算得到第一潮差值Au。
同样的,计算河口预测参考期内的第二潮差值,包括以下步骤:采集河口预测参考期内,外海潮位站的逐时潮位数据二;提取逐时潮位数据二中的外海高潮位和外海低潮位;计算第二潮差值,且第二潮差值计算公式为:第二潮差值=外海高潮位-外海低潮位,与第一潮差值的计算方式相同,通过采集前三个月内的位于外海潮位站的逐时潮位数据二,然后从逐时潮位数据二内提取这三个月中,外海的高潮位ζHs以及低潮位ζLs,并通过公式:As=ζHs-ζLs,计算得到第二潮差值As,其中第一潮差、第二潮差的单位均为米。
进一步地,计算河口水电站处的月均径流量,包括以下步骤:采集河口预测参考期
内,每日的日均径流量;基于日均径流量和河口预测参考期,计算河口预测参考期内的月均
径流量,具体地,采集前三个月内,河口水电站处的日径流量,其中,在本实施例中,日径流
量指的是通过采集器实时采集河口水电站处的径流量,可以以一个小时为单位采集一次径
流量,也可以以两个小时为单位采集一次径流量,具体采集次数可根据实际情况进行调节,
但至少需保证采集次数两次以上,然后将一日内所有所采集的径流量相加后取平均值即得
到日径流量q,从而进一步计算在前三个月内的月均径流量,其计算公式为:,其中,
Q为月均径流量,指的是预测参考期内日均流量的平均值,单位为m3/s,n为河口预测参考期
的总天数,在本实施例中即为前三个月的总天数。
完成第一潮差值、第二潮差值和月均径流量的计算后,事件分析单元需判断河口预测参考期内是否发生洪水事件,并建立江道容积预测模型,具体地,事件分析单元包括数据处理单元和判断单元;数据处理单元用于获取河口的历年平均径流量,并设定时间阈值;判断单元用于,若月均径流量大于或等于历年平均径流量的两倍,且持续时间大于或等于时间阈值,则判定为发生洪水事件,反之,则未发生洪水事件。
由于洪水事件的发生对于河床冲淤的影响极大,进而影响河口的潮差,因此须在预测潮差的时间前判断其预测参考期内是否发生洪水冲淤,具体地,获取历史记载的河口水电站处的径流量数据,并计算历年平均径流量,在本实施例中,设定时间阈值为三天,此时,判断是否连续三天以上月均径流量大于或等于两倍的历年平均径流量,若是,则表示在此前三个月内发生过洪水事件,反之则表示在此前三个月,没有发生过洪水冲淤事件。
进一步地,第一模型构建单元用于建立江道容积预测模型,第一模型构建单元包括模型构建子单元一和模型构建子单元二;模型构建子单元一用于若河口预测参考期内发生洪水事件,则建立江道容积关于月均径流量的江道容积预测模型;模型构建子单元二用于若河口预测参考期内未发生洪水事件,则建立江道容积关于月均径流量以及测量容积的江道容积预测模型。
具体地,由于在有洪水事件发生的情况下,对于河床的冲淤,洪水占主导作用,因
此,建立江道容积预测模型时,江道容积预测模型中的江道容积与月均径流量成定量关系,
此时,江道容积预测模型为:,其中,V为上游潮位站的江道容积,a1、b1均为系
数,且a1、b1可通过存储在数据库中实测所得的,上游潮位站的江道容积和对应的月均径流
量进行多组实测数据拟合得到。
而在无洪水事件发生的情况下,河口流量较小,不能站主导作用,此时江道的测量
容积的影响增大,因此建立江道容积预测模型时,江道容积预测模型中的江道容积与月均
径流量以及测量容积两个参数成定量关系,此时,江道容积预测模型为:,其
中,V0为江道的测量容积,即潮差预测时间前实测所得的江道容积,且实测所得的江道容积
为周期性测得的数值,例如,每三个月测量一次实际的江道容积,a2、b2、c均为系数,且a2、
b2、c可通过存储在数据库中实测所得的,上游潮位站的江道容积和对应的月均径流量进行
多组实测数据拟合得到。
更进一步地,第二构建单元用于基于第一潮差值、第二潮差值以及江道容积预测
模型,建立潮差预测模型,建立的潮差预测模型为,其中,均为系数,可
通过存储在数据库中实测所得的第一潮差值、第二潮差值以及江道容积进行多组实测数据
拟合得到。
最后,预测单元用于基于潮差预测模型,预测上游潮位的潮差值,具体地,首先判
断此前三个月内是否发生洪水事件,若有,则潮差预测模型为:,若无
洪水事件发生,则潮差预测模型为:,从而通过外海潮位站得到的第二
潮差值,预测处上游潮位站的第一潮差值。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时,执行实施例一任意一项所述的河口潮差预报方法。
计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线段、电线段、光缆、RF等等,或者上述的任意合适的组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块、模组或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元、模组或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。
所述单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件,或者任意以上的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何在本发明揭露的技术范围内的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种河口潮差预报方法,其特征在于,包括以下步骤:
计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中所述第一潮差值为上游潮位站的潮差,所述第二潮差值为外海潮位站的潮差;
判断河口预测参考期内是否发生洪水事件,并建立江道容积预测模型,其中,所述江道容积预测模型为:,且式(1)为有洪水事件发生时的江道容积预测模型,式(2)为无洪水事件发生时的江道容积预测模型,a1、b1、a2、b2、c均为系数,可通过存储在数据库中实测得到,V为上游潮位站的江道容积,Q为月均径流量,V0为江道的测量容积;
基于所述第一潮差值、第二潮差值以及江道容积预测模型,建立潮差预测模型,其中,所述潮差预测模型为:,且式(3)为有洪水事件发生时的潮差预测模型,式(4)为无洪水事件发生时的潮差预测模型,均为系数,为第一潮差值,为第二潮差值;
基于所述潮差预测模型,预测上游潮位的潮差值。
2.根据权利要求1所述的一种河口潮差预报方法,其特征在于,判断河口预测参考期内是否发生洪水事件,包括以下步骤:
获取河口的历年平均径流量,并设定时间阈值;
若所述月均径流量大于或等于历年平均径流量的两倍,且持续时间大于或等于时间阈值,则判定为发生洪水事件,反之,则未发生洪水事件。
3.根据权利要求1所述的一种河口潮差预报方法,其特征在于,建立江道容积预测模型,包括以下步骤:
若河口预测参考期内发生洪水事件,则建立江道容积关于月均径流量的江道容积预测模型;
若河口预测参考期内未发生洪水事件,则建立江道容积关于月均径流量以及测量容积的江道容积预测模型。
4.根据权利要求1所述的一种河口潮差预报方法,其特征在于,计算河口预测参考期内的第一潮差值,包括以下步骤:
采集河口预测参考期内,上游潮位站的逐时潮位数据一;
提取所述逐时潮位数据一中的上游高潮位和上游低潮位;
计算第一潮差值,且所述第一潮差值计算公式为:第一潮差值=上游高潮位-上游低潮位。
5.根据权利要求1所述的一种河口潮差预报方法,其特征在于,计算河口预测参考期内的第二潮差值,包括以下步骤:
采集河口预测参考期内,外海潮位站的逐时潮位数据二;
提取所述逐时潮位数据二中的外海高潮位和外海低潮位;
计算第二潮差值,且所述第二潮差值计算公式为:第二潮差值=外海高潮位-外海低潮位。
6.根据权利要求1所述的一种河口潮差预报方法,其特征在于,计算河口水电站处的月均径流量,包括以下步骤:
采集河口预测参考期内,每日的日均径流量;
基于所述日均径流量和河口预测参考期,计算河口预测参考期内的月均径流量。
7.一种河口潮差预报系统,其特征在于,包括计算单元、事件分析单元、第一模型构建单元、第二模型构建单元和预测单元;
所述计算单元用于计算河口预测参考期内的第一潮差值、第二潮差值以及河口水电站处的月均径流量,其中所述第一潮差值为上游潮位站的潮差,所述第二潮差值为外海潮位站的潮差;
所述事件分析单元用于判断河口预测参考期内是否发生洪水事件;
所述第一模型构建单元用于建立江道容积预测模型,其中,所述江道容积预测模型为:,且式(1)为有洪水事件发生时的江道容积预测模型,式(2)为无洪水事件发生时的江道容积预测模型,a1、b1、a2、b2、c均为系数,可通过存储在数据库中实测得到,V为上游潮位站的江道容积,Q为月均径流量,V0为江道的测量容积;
所述第二模型构建单元用于基于所述第一潮差值、第二潮差值以及江道容积预测模型,建立潮差预测模型,其中,所述潮差预测模型为:,且式(3)为有洪水事件发生时的潮差预测模型,式(4)为无洪水事件发生时的潮差预测模型,均为系数,为第一潮差值,为第二潮差值;
所述预测单元用于基于所述潮差预测模型,预测上游潮位的潮差值。
8.根据权利要求7所述的一种河口潮差预报系统,其特征在于,所述事件分析单元包括数据处理单元和判断单元;
所述数据处理单元用于获取河口的历年平均径流量,并设定时间阈值;
所述判断单元用于,当所述月均径流量大于或等于历年平均径流量的两倍,且持续时间大于或等于时间阈值,则判定为发生洪水事件,反之,则判定为未发生洪水事件。
9.根据权利要求7所述的一种河口潮差预报系统,其特征在于,第一模型构建单元包括模型构建子单元一和模型构建子单元二;
所述模型构建子单元一用于,当河口预测参考期内发生洪水事件时,建立江道容积关于月均径流量的江道容积预测模型;
所述模型构建子单元二用于,当河口预测参考期内未发生洪水事件时,建立江道容积关于月均径流量以及测量容积的江道容积预测模型。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,执行权利要求1-6任意一项所述的河口潮差预报方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211507957.6A CN115619045B (zh) | 2022-11-29 | 2022-11-29 | 一种河口潮差预报方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211507957.6A CN115619045B (zh) | 2022-11-29 | 2022-11-29 | 一种河口潮差预报方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115619045A CN115619045A (zh) | 2023-01-17 |
CN115619045B true CN115619045B (zh) | 2023-03-17 |
Family
ID=84880138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211507957.6A Active CN115619045B (zh) | 2022-11-29 | 2022-11-29 | 一种河口潮差预报方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619045B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10204966A (ja) * | 1997-01-22 | 1998-08-04 | Ebara Corp | 潮位予測方法及び河川水位シミュレーション方法 |
CN105701066A (zh) * | 2016-03-08 | 2016-06-22 | 广东省水利水电科学研究院 | 一种河口潮差快速预报方法 |
CN111307122B (zh) * | 2020-03-19 | 2021-12-14 | 广东景泽生态环境股份有限公司 | 一种潮水变化的预测方法及装置 |
CN113312690B (zh) * | 2021-05-10 | 2022-06-14 | 福建省水利水电勘测设计研究院有限公司 | 河口叶脉状河网潮界确定方法 |
-
2022
- 2022-11-29 CN CN202211507957.6A patent/CN115619045B/zh active Active
Non-Patent Citations (1)
Title |
---|
李国芳 ; 王伟杰 ; 谭亚 ; 吴洁 ; .长江河口段潮位预报及实时校正模型.2009,(第02期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115619045A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428586B (zh) | 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法 | |
Li et al. | Streamflow forecast and reservoir operation performance assessment under climate change | |
Ran et al. | Cumulative sediment trapping by reservoirs in large river basins: A case study of the Yellow River basin | |
CN107316095B (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
Sproles et al. | Climate change impacts on maritime mountain snowpack in the Oregon Cascades | |
Tang et al. | Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization | |
CN113505471B (zh) | 一种河流断面污染物浓度预测计算方法 | |
Huang et al. | Cumulative impact of dam constructions on streamflow and sediment regime in lower reaches of the Jinsha River, China | |
Dayal et al. | Development of ARIMA model for monthly rainfall forecasting over an Indian River Basin | |
CN115619045B (zh) | 一种河口潮差预报方法和系统 | |
CN102855392A (zh) | 一种基于遗传算法的Kriging插值的地面沉降空间监控方法 | |
CN104732104A (zh) | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 | |
KR101947753B1 (ko) | L-thia acn-wq 모델을 이용한 유역 오염부하량 평가 장치 및 그 방법 | |
CN104462863A (zh) | 一种推求河道区间入流的计算方法 | |
KR20220080463A (ko) | 도시 돌발홍수 예경보 시스템 및 그 방법 | |
CN114819322B (zh) | 湖泊入湖流量的预报方法 | |
He et al. | Hydrologic sensitivity of the Upper San Joaquin River Watershed in California to climate change scenarios | |
Viero | Comment on “Can assimilation of crowdsourced data in hydrological modelling improve flood prediction?” by Mazzoleni et al.(2017) | |
KR101703809B1 (ko) | 기지 유량 전이를 이용한 미계측 유역 장기유출량 산정방법 | |
CN114840989B (zh) | 一种栅格尺度考虑水利工程拦蓄的河道汇流演算方法 | |
Teng et al. | Early warning index of flash flood disaster: a case study of Shuyuan watershed in Qufu City | |
Siregar | Land cover change impact on urban flood modeling (case study: Upper Citarum watershed) | |
CN115994602A (zh) | 水库汛期水位动态控制方法及水库汛期水位动态控制设备 | |
Javadinejad et al. | Modeling the effects of climate change on probability of maximum rainfall and on variations in storm water in the Zayandeh Rud River | |
Green et al. | Comparing the new design rainfalls to at-site rainfall frequency curves |
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 |