CN116540300B - 概率性海啸灾害分析方法 - Google Patents
概率性海啸灾害分析方法 Download PDFInfo
- Publication number
- CN116540300B CN116540300B CN202310759935.7A CN202310759935A CN116540300B CN 116540300 B CN116540300 B CN 116540300B CN 202310759935 A CN202310759935 A CN 202310759935A CN 116540300 B CN116540300 B CN 116540300B
- Authority
- CN
- China
- Prior art keywords
- wave height
- tsunami
- probability
- analyzed
- area
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 8
- 238000013499 data model Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Theoretical Computer Science (AREA)
- Geology (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Oceanography (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种概率性海啸灾害分析方法,包括:获取待分析区域,以用于所述概率性海啸灾害分析方法;根据所述待分析区域,分别确定海啸源和高精度地形文件;根据所述高精度地形文件,并使用海啸数值模型进行计算,确定海啸最大波高文件,并根据所述海啸最大波高文件计算第一波高超越概率;根据所述第一波高超越概率,获取第一波高发生概率,获取待分析区域的潮汐水位时间序列数据,计算待分析区域的潮汐水位高度发生概率;将所述第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算,获得第二波高发生概率,根据所述第二波高发生概率,确定所述待分析区域的第二波高超越概率。
Description
技术领域
本发明涉及海啸领域,更具体地涉及一种概率性海啸灾害分析方法。
背景技术
海啸是由海底地震、海边地震或者火山爆发所引发的巨浪。有破坏性的海啸通常是由6.5级以上且震源深度小于20~60公里的逆冲型海底地震引发。历史上由海底地震引发的海啸占历史海啸事件的95%,因此如何准确地量化目标地区海啸的危险性变得非常重要。
相关技术中,针对概率性海啸的分析,由于潮汐相关因素的不确定性,诸如潮汐动力学的固有属性、建立潮汐模型的复杂性等,通常忽略潮汐作用用以海啸灾害分析。
发明内容
为解决上述不足,本发明提供了一种概率性海啸灾害分析方法,包括:
获取待分析区域,以用于所述概率性海啸灾害分析方法;根据所述待分析区域,分别确定海啸源和高精度地形文件;根据所述高精度地形文件,并使用海啸数值模型进行计算,确定海啸最大波高文件,并根据所述海啸最大波高文件计算第一波高超越概率;根据所述第一波高超越概率,获取第一波高发生概率;获取待分析区域的潮汐水位时间序列数据,计算待分析区域的潮汐水位高度发生概率;将所述第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算,获得第二波高发生概率,根据所述第二波高发生概率,确定所述待分析区域的第二波高超越概率。
可选地,所述获取待分析区域的潮汐水位时间序列数据,计算待分析区域潮汐水位高度发生概率,包括:所述潮汐水位时间序列数据调用自第一数据库或第二数据库。
可选地,所述第一数据库包括待分析区域的实测数据包,所述第二数据库包括待分析区域的模拟数据包。
可选地,所述模拟数据包经由全球海洋潮汐数据模型计算获得。
可选地,所述将所述第一波高发生概率和所述潮汐水位发生概率进行卷积计算,获得第二波高发生概率,确定所述待分析区域的第二波高超越概率,包括:将各海啸波高和各所述潮汐水位波高相互叠加形成组合波高,并通过对所述第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算获得组合波高发生概率,从而确定组合波高超越概率。
可选地,所述根据所述第一波高超越概率,获取第一波高发生概率,包括:通过将待分析区域的海啸波高进行离散化,计算待分析区域处各海啸波高离散区间的第一波高发生概率。
可选地,所述获取待分析区域的潮汐水位时间序列数据,计算待分析区域潮汐水位发生概率,包括:通过将待分析区域的潮汐水位高度进行离散化,计算待分析区域处各潮汐水位高度区间的潮汐水位高度发生概率。
可选地,所述组合波高的高度为所述波高和所述潮汐水位高度之和,所述组合波高发生概率为所述第一波高发生概率与所述潮汐水位高度发生概率之积。
可选地,所述组合波高超越概率,满足如下公式:
;
;
其中,为组合波高发生概率,/>为组合波高。
可选地,还包括:根据所述组合波高超越概率,确定所述组合波高为正值所对应的组合波高超越概率数据,并将所述组合波高超越概率数据可视化。
附图说明
以下,通过示例的方式示出本发明的示例性实施例的附图,各附图中使用了相同或相似的附图标记来表示相同或相似的元素。附图中:
图1示出了本发明的示例性实施例的概率性海啸灾害分析方法的流程图。
图2示出了本发明的示例性实施例的第一波高超越概率曲线图。
图3示出了本发明的示例性实施例的潮汐水位时间序列数据分布图。
图4示出了本发明的示例性实施例的潮汐水位的连续分布函数图。
图5示出了本发明的示例性实施例的组合波高超越概率曲线图。
图6示出了本发明的另一实施例的概率性海啸灾害分析方法的流程图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
在本发明中,术语“和/或”旨在涵盖所列元素的所有可能组合和子组合,包括单独列出的元素中的任何一个、任何子组合或所有元素,而不必排除其他元素。除非另有说明,否则术语“第一”、“第二”等用于描述各种元素而不意图限定这些元素的位置关系、时序关系或重要性关系,这种术语只是用于区分一个元素与另一个元素。除非另有说明,否则术语“前、后、上、下、左、右”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系,仅是为了便于描述和简化描述,而不能理解为对本发明的保护范围的限制。
概率性海啸灾害评估是一种评估海啸事件发生的可能性及其对特定沿海地区潜在影响的方法,其通常包括:
收集海啸源特征:具体可包括确定可能影响目标区域的海啸源,并描述其特性,如位置、大小和频率。这些信息被用来为未来可能发生的海啸制定情景目录。
数值模拟:计算机模型用于模拟海啸从震源向海岸的传播。这些模型可能考虑诸如海底形状、水深测量和水深分布等因素。
情景生成:数值模拟的结果用于创建描述海啸对沿海地区潜在影响的情景。具体可包括估计最大浪高、淹没程度和海啸到达时间。
概率分析:生成的情景用于估计海啸发生的概率及其对沿海地区的潜在影响。具体可包括使用统计方法来结合多个情景的结果,量化与预测相关的不确定性。
风险评估:概率分析的结果用于评估海啸对沿海地区造成的风险,具体可包括评估不同程度影响的可能性,如洪水发生的概率或受影响的人数,并将结果与用于确定影响程度的标准进行比较所得到的风险。
在概率性海啸灾害评估的相关研究中引入潮汐相关因素具有以下的不确定性:
潮汐动力学固有复杂性:潮汐受到各种因素的影响,如月亮、太阳和海底的地形,准确地模拟这些因素是复杂且困难的。
数据有效性:准确且长时间的实测潮汐数据通常是有限的,特别是在观测受限的地区或偏远地区;
与海啸波的相互作用:潮汐和海啸波以复杂的方式相互作用。
建模中的不确定性:对潮汐和海啸波进行建模涉及很大的不确定性,因此很难做出准确的预测。
总的来说,将潮汐因素引入概率性海啸灾害评估的相关研究具有较大的难度,例如需要全面了解潜在的危险源,获得准确且足够的实测数据,并使用先进的数值模型和概率计算方法。另外,因为目前相关技术关注的是海啸波自身的潜在破坏性影响,所以相关技术通常没有考虑到潮汐的影响。
然后,将潮汐相关因素引入概率性海啸灾害评估的相关研究是必要的,因为潮汐因素可以显著影响海啸波的高度。潮汐因素可以引起波高的增加或减少。在特定地点,海啸波和潮汐因素之间的相互作用可能导致不同程度的淹没和对沿海地区的影响。本发明通过技术性地将潮汐因素整合到概率性海啸灾害分析的相关技术研究中,可以更准确和全面地了解潜在危害,其有助于为风险管理和疏散规划决策提供信息。
图1示意性地示出了本发明的示例性实施例的概率性海啸灾害分析方法的流程图。
S102:获取待分析区域,以用于概率性海啸灾害分析方法。根据需要选择分析的区域或者范围,例如中国澳门、中国香港和汕头等南海沿岸城市。
S104:根据待分析区域,分别确定海啸源和高精度地形文件。
首先确定地震海啸源。在示例性实施例中,优选由PMEL(“Pacific MarineEnvironmental Laboratory”)提供的SIFT系统,将待分析区域的典型的具有影响力的板块作为地震海啸源。
其次,确定该待分析区域的高精度地形文件。在示例性实施例中,优选GEBCO(“General Bathymetric Chart of the Oceans”)提供的该区域的高精度地形文件。
S106:根据所述高精度地形文件,使用海啸数值模型进行计算,确定海啸最大波高文件。在示例性实施例中,使用非静压海啸数值模型在高精度地形文件的区域范围内进行计算,获得海啸最大波高文件。进而,例如参考蒙特卡洛法建立海啸情景目录并确定所述待分析区域的第一波高超越概率。应当理解的是,第一波高超越概率反映的是海啸本身所引起的潜在危害。
S108:根据第一波高超越概率,反推导出与第一波高超越概率对应的第一波高发生概率。
进一步地,通过将待分析区域的海啸波高进行离散化处理,计算待分析区域处各波高离散区间的第一波高发生概率。具体来说,在确定了第一波高超越概率之后,将待分析区域处会出现的最大波高米以/>米的间隔进行离散化,可得到/>个海啸波高(不包括0米波高),进而计算该/>个海啸波高所对应的第一波高超越概率。第一波高超越概率即在固定时期内例如一年内发生海啸并造成在最大波高大于或等于设定波高高度的概率。
进而,结合图2所示,根据对应的数据绘制第一波高超越概率曲线,并拟合得到第一波高超越概率函数。将上述/>个海啸波高各减去/>作为每个间隔区间的平均波高/>,则/>为海啸波高每个离散区间的下限,/>为海啸波高每个离散区间的上限。将每个离散区间上下限对应的第一波高超越概率相减,即得到该离散区间平均波高的发生概率,即第一波高发生概率:
;
S110:获取待分析区域的潮汐水位时间序列数据,计算待分析区域的潮汐水位高度发生概率。
待分析区域的潮汐水位时间序列数据经由多个途径获取以调用。
在一些实施例中,结合图3所示,待分析区域的潮汐水位时间序列数据调用自该区域的实测数据包。例如,调用待分析区域19年及以上(潮汐具有18.61年长周期的变化)的实测潮汐水位时间序列数据,根据实测潮汐水位时间序列数据计算潮汐水位的连续分布函数(如图4所示)。在已知条件下,通常潮汐水位时间序列数据是不完备的,原因是潮位站的站点布置及其投入使用的时间有限,不能提供完整和/或足时的潮汐水位时间序列数据。
在另一些实施例中,待分析区域的潮汐水位时间序列数据调用自该区域的模拟数据包。进一步地,通过创造性地使用潮汐水位时间序列数据模型建立待分析区域的潮汐水位时间序列数据。更进一步地,通过创造性地使用TMD(Tide Model Driver)全球海洋潮汐模型计算获得潮汐水位时间序列数据,从而计算连续分布函数。在本实施例中,通过创造性地使用全球海洋潮汐模型获得19年的潮汐水位时间序列数据,使得本发明的实施例的概率性海啸灾害分析方法可以适用于全球指定的任一区域。这对于为风险管理和疏散规划决策提供信息具有重要的意义。
通过潮汐水位的连续分布函数计算潮汐水位高度发生概率。具体来说,将待分析区域的潮汐最高水位/>和最低水位/>之间水位差以/>米的间隔进行离散化,可得到/>个离散区间的平均水位高度/>作为该离散区间的代表水位高度,/>为潮汐水位每个离散区间的下限,/>为潮汐水位每个离散区间的上限。基于海啸到达时的潮汐水位是未知且随机的,所以将每个离散区间上下限对应的潮汐水位的连续分布函数相减,即得到海啸到达时各潮汐代表水位高度发生概率:
;
S112:将第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算,获得第二波高发生概率,根据第二波高发生概率,确定所述待分析区域的第二波高超越概率。
将海啸波高和潮汐水位高度进行整合计算可得到整合后的波高,根据整合后的波高可计算整合后的第二波高发生概率,进而确定整合后的第二波高超越概率。
在一些实施例中,基于,海啸波高和潮汐水位高度通过叠加而确定的整合后的波高。在一些实施例中,将各海啸波高和各潮汐水位高度/>进行叠加计算,可知得到/>种海啸的组合波高(即已引入潮汐因素的叠加后的波高):
;
通过对各海啸波高和潮汐水位高度对应的发生概率进行乘积计算,获得各组合波高发生概率:
;
最后,计算种海啸的组合波高(即已引入潮汐因素的叠加后的波高)超越概率:
;
;
以上,本发明的实施例通过将第一波高超越概率和潮汐水位的连续分布函数相结合,将海啸波高和潮汐水位高度进行叠加处理的方法得到了组合波高,最后计算得到组合波高超越概率。
S114:除去海啸的组合波高小于或等于零的数据,留下组合波高为正值所对应的组合波高超越概率数据,并将该组合波高超越概率数据可视化,即得到海啸的组合波高超越概率曲线(如图5所示)。
不同于在数值模拟阶段(即获得第一波高超越概率计算结果之前)即引入潮汐相关因素,本发明的一些实施例通过创造性地在获得第一波高超越概率计算结果之后引入潮汐水位高度发生概率,包括潮汐水位高度或者潮汐数据模型,这将大大降低概率性海啸灾害分析研究的复杂性并节约计算资源。
根据本发明的实施例的概率性海啸灾害分析方法,对我国香港、澳门和汕头等多个南海沿岸城市进行了概率性海啸灾害分析,并绘制了组合波高超越概率曲线。结果表明,模拟结果与近几年发生海啸的实测值吻合度较高,组合波高超越概率较为准确。
图6示意性地示出了本发明的另一实施例的概率性海啸灾害分析方法的流程图。相较于图1所示的流程,图6中所示的实施例的步骤S206前置,但第一波高发生概率和潮汐水位高度发生概率进行的卷积计算,仍然是在获得第一波高超越概率的结果之后,具体如下:
S202:获取待分析区域,以用于所述概率性海啸灾害分析方法。
S204:获取待分析区域的潮汐水位时间序列数据,计算待分析区域的潮汐水位高度发生概率。
S206:根据所述待分析区域,分别确定海啸源和高精度地形文件。
S208:根据所述高精度地形文件,并使用海啸数值模型进行计算,确定海啸最大波高文件,并根据所述海啸最大波高文件计算第一波高超越概率。
S210:根据所述第一波高超越概率,获取第一波高发生概率。
S212:将所述第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算,获得第二波高发生概率,根据所述第二波高发生概率,确定所述待分析区域的第二波高超越概率。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (7)
1.一种概率性海啸灾害分析方法,其特征在于,包括:
获取待分析区域,以用于所述概率性海啸灾害分析方法;
根据所述待分析区域,分别确定海啸源和高精度地形文件;
根据所述高精度地形文件,并使用海啸数值模型进行计算,确定海啸最大波高文件,并根据所述海啸最大波高文件计算第一波高超越概率;
根据所述第一波高超越概率,获取第一波高发生概率;
获取待分析区域的潮汐水位时间序列数据,计算待分析区域的潮汐水位高度发生概率;
将所述第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算,获得第二波高发生概率,根据所述第二波高发生概率,确定所述待分析区域的第二波高超越概率,
其中,将各海啸波高和各潮汐水位波高相互叠加形成组合波高,并通过对所述第一波高发生概率和所述潮汐水位高度发生概率进行卷积计算获得组合波高发生概率,从而确定组合波高超越概率;所述组合波高的高度为所述海啸波高和所述潮汐水位高度之和,所述组合波高发生概率为所述第一波高发生概率与所述潮汐水位高度发生概率之积;所述组合波高超越概率,满足如下公式:
其中,/>为组合波高发生概率,/>为组合波高。
2.如权利要求1所述的概率性海啸灾害分析方法,其特征在于,所述获取待分析区域的潮汐水位时间序列数据,计算待分析区域潮汐水位高度发生概率,包括:所述潮汐水位时间序列数据调用自第一数据库或第二数据库。
3.如权利要求2所述的概率性海啸灾害分析方法,其特征在于,所述第一数据库包括待分析区域的实测数据包,所述第二数据库包括待分析区域的模拟数据包。
4.如权利要求3所述的概率性海啸灾害分析方法,其特征在于,所述模拟数据包经由全球海洋潮汐数据模型计算获得。
5.如权利要求4所述的概率性海啸灾害分析方法,其特征在于,所述根据所述第一波高超越概率,获取第一波高发生概率,包括:通过将待分析区域的海啸波高进行离散化,计算待分析区域处各海啸波高离散区间的第一波高发生概率。
6.如权利要求5所述的概率性海啸灾害分析方法,其特征在于,所述获取待分析区域的潮汐水位时间序列数据,计算待分析区域潮汐水位发生概率,包括:通过将待分析区域的潮汐水位高度进行离散化,计算待分析区域处各潮汐水位高度区间的潮汐水位高度发生概率。
7.如权利要求6所述的概率性海啸灾害分析方法,其特征在于,还包括:
根据所述组合波高超越概率,确定所述组合波高为正值所对应的组合波高超越概率数据,并将所述组合波高超越概率数据可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310759935.7A CN116540300B (zh) | 2023-06-27 | 2023-06-27 | 概率性海啸灾害分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310759935.7A CN116540300B (zh) | 2023-06-27 | 2023-06-27 | 概率性海啸灾害分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116540300A CN116540300A (zh) | 2023-08-04 |
CN116540300B true CN116540300B (zh) | 2023-08-29 |
Family
ID=87445599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310759935.7A Active CN116540300B (zh) | 2023-06-27 | 2023-06-27 | 概率性海啸灾害分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116540300B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012058062A (ja) * | 2010-09-08 | 2012-03-22 | Nippon Telegr & Teleph Corp <Ntt> | 津波規模予測装置、方法、およびプログラム |
JP2012167950A (ja) * | 2011-02-10 | 2012-09-06 | Tokyo Electric Power Co Inc:The | 津波高さ算出方法、及び津波高さ算出装置 |
CN104615847A (zh) * | 2014-12-24 | 2015-05-13 | 中交天津港湾工程研究院有限公司 | 一种基于概率方法的南海海啸危险性预测方法 |
CN107369297A (zh) * | 2016-04-27 | 2017-11-21 | 科达海洋传感器有限公司 | 用于海啸检测和预警的系统 |
-
2023
- 2023-06-27 CN CN202310759935.7A patent/CN116540300B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012058062A (ja) * | 2010-09-08 | 2012-03-22 | Nippon Telegr & Teleph Corp <Ntt> | 津波規模予測装置、方法、およびプログラム |
JP2012167950A (ja) * | 2011-02-10 | 2012-09-06 | Tokyo Electric Power Co Inc:The | 津波高さ算出方法、及び津波高さ算出装置 |
CN104615847A (zh) * | 2014-12-24 | 2015-05-13 | 中交天津港湾工程研究院有限公司 | 一种基于概率方法的南海海啸危险性预测方法 |
CN107369297A (zh) * | 2016-04-27 | 2017-11-21 | 科达海洋传感器有限公司 | 用于海啸检测和预警的系统 |
Non-Patent Citations (1)
Title |
---|
Tracking the variation of tidal stature using Kalman filter;Vikram Seshadri et al.;2016 International Conference on Circuit, Power and Computing Technologies (ICCPCT);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116540300A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Timbadiya et al. | A 1D–2D coupled hydrodynamic model for river flood prediction in a coastal urban floodplain | |
Kohno et al. | Recent progress in storm surge forecasting | |
Dai et al. | A scheme for rain gauge network design based on remotely sensed rainfall measurements | |
Zou et al. | Ensemble prediction of coastal flood risk arising from overtopping by linking meteorological, ocean, coastal and surf zone models | |
Shrestha et al. | Verification of GSMaP rainfall estimates over the central Himalayas | |
O'Grady et al. | Extreme water levels for Australian beaches using empirical equations for shoreline wave setup | |
Piman et al. | Prediction of rainfall-runoff in an ungauged basin: case study in the mountainous region of Northern Thailand | |
Callaghan et al. | The impact of various methods of wave transfers from deep water to nearshore when determining extreme beach erosion | |
Wang et al. | Improvement to flooding risk assessment of storm surges by residual interpolation in the coastal areas of Guangdong Province, China | |
Roshan et al. | Tsunami hazard assessment of Indian coast | |
Nogherotto et al. | An integrated hydrological and hydraulic modelling approach for the flood risk assessment over Po river basin | |
Rueda et al. | The use of wave propagation and reduced complexity inundation models and metamodels for coastal flood risk assessment | |
Karamouz et al. | Distributed hydrologic modeling of coastal flood inundation and damage: nonstationary approach | |
Zamora et al. | Probabilistic tsunami hazard assessment for local and regional seismic sources along the Pacific coast of Central America with emphasis on the role of selected uncertainties | |
Bai et al. | Conditional probability modeling of intensity measures for offshore mainshock-aftershock sequences | |
Ji et al. | Historical reconstruction of storm surge activity in the southeastern coastal area of China for the past 60 years | |
CN116540300B (zh) | 概率性海啸灾害分析方法 | |
Rajabi-Kiasari et al. | Forecasting of absolute dynamic topography using deep learning algorithm with application to the Baltic Sea | |
Bannayan et al. | Predicting realizations of daily weather data for climate forecasts using the non‐parametric nearest‐neighbour re‐sampling technique | |
Izaguirre et al. | Coastal flooding risk associated to tropical cyclones in a changing climate. Application to Port of Spain (Trinidad and Tobago) | |
Xu et al. | Effects of sea level rise on frequency analysis of 1% annual maximum water levels in the coast of Florida | |
Hosking | Towards statistical modeling of tsunami occurrence with regional frequency analysis | |
Mickey et al. | Development of a modeling framework for predicting decadal barrier island evolution | |
Wilcox | Evaluating hydrological changes in semi-arid West Africa: Detection of past trends in extremes and framework for modeling the future | |
Aniel-Quiroga et al. | Tsunami Hazard assessment and Scenarios Database for the Tsunami Warning System for the coast of Oman |
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 |