CN116564134A - 一种实时潮汐效用下船舶进出港窗口期确定方法和介质 - Google Patents
一种实时潮汐效用下船舶进出港窗口期确定方法和介质 Download PDFInfo
- Publication number
- CN116564134A CN116564134A CN202310458885.9A CN202310458885A CN116564134A CN 116564134 A CN116564134 A CN 116564134A CN 202310458885 A CN202310458885 A CN 202310458885A CN 116564134 A CN116564134 A CN 116564134A
- Authority
- CN
- China
- Prior art keywords
- tidal
- tide
- time
- data
- window 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000000694 effects Effects 0.000 title description 6
- 230000000007 visual effect Effects 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 16
- 238000012800 visualization Methods 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 30
- 230000008859 change Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 101100445834 Drosophila melanogaster E(z) gene Proteins 0.000 description 1
- 241000239366 Euphausiacea Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Ocean & Marine Engineering (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种实时潮汐效用下船舶进出港窗口期确定方法和介质，所述方法包括如下步骤：基于港口的潮汐观测点发布的潮汐表数据，通过预处理获取各个潮汐观测点在时间维度下的潮流矢量，通过插值获取时间维度和空间维度下的潮流预估数据，其中，所述潮流预估数据包括不同时间不同空间位置的潮高、潮流大小和潮流方向信息；基于所述潮流预估数据，获取船舶的进出港窗口期信息；基于所述进出港窗口期信息，获取可视化信号。与现有技术相比，本发明具有潮流数据精度高、数据全面、航海实践指导性强，能有效提高通航效率等优点。
Description
技术领域
本发明涉及潮汐预测领域，尤其是涉及一种实时潮汐效用下船舶进出港窗口期确定方法和介质。
背景技术
船舶进出港航行受到多种因素影响，尤其对环境信息依赖程度较高。最佳的船舶进出港窗口期取决于准确、实时、全面的环境数据。气象和海况等自然条件对于信息数据要求非常突出，包括风、流、浪、能见度和潮汐等。船用《潮汐表》显示的潮汐信息是基于沿海永久潮汐观测站的长期实测数据进行调和分析或拟合后得到年度潮汐预报值。很明显，《潮汐表》无法反映非周期的时变因素，尤其是在水文气象因素变化剧烈的情况下预报误差较大。为了减少基于上述方法或模型的潮汐预测精度低的局限性，航海实践上往往利用预计船位点与潮汐观测点的潮汐数据的相关性进行潮汐推算，进而获得考虑潮高后的航道水深信息。这种经验做法是基于调和分析法，也因为无法反映水文气象等因素对潮汐的影响，推算精度较大。有些船舶根据工作需要，通过临时观测目标点位潮汐数据以及附近其他点位的潮汐及水文气象要素数据，再进行目标点位潮汐拟合。然而对于航道绵长的感潮港口，单船无法实现基于多源数据采集设备的实时潮汐数据拟合。
上述方法依赖的核心技术基础是海洋流场模型，精度高，但是成本也高。利用海洋部门周期性发布的潮汐资料进行潮汐预测以及辅助决策是比较经济便捷的手段，如GIS技术、MSchart控件、Matlab工具集、平方反比空间插值等可视化技术与方法。然而，由于潮汐观测站的潮汐数据均为空间离散数据，当前较多通过潮汐的时间连续性得到不同时刻的潮流数据，较少涉及潮流方向和大小的空间连续。考虑到航道交通繁忙，利用单一潮汐窗口期实施船舶进出港作业越来越难以满足日益增长的港口自动化和船舶大型化的发展态势。绵长航道及其附近的海底地形变化跨度大，潮汐和潮流信息复杂，亟需根据潮高最低限制、潮流最大限制等精确程度确定进出港限制条件。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实时潮汐效用下船舶进出港窗口期确定方法和介质，以实现基于有限潮汐观测点观测数据对船舶进出港窗口期的确定。
本发明的目的可以通过以下技术方案来实现：
本发明提供了一种实时潮汐效用下船舶进出港窗口期确定方法，包括如下步骤：
基于港口的潮汐观测点的潮汐表数据，通过预处理获取各个潮汐观测点在时间维度下的潮流矢量，通过插值获取时间维度和空间维度下的潮流预估数据，其中，所述潮流预估数据包括不同时间不同空间位置的潮高、潮流大小和潮流方向信息；
基于所述潮流预估数据，获取船舶的进出港窗口期信息；
基于所述进出港窗口期信息，获取可视化信号。
作为优选的技术方案，所述的各个潮汐观测点在时间维度下的潮流矢量的获取包括如下步骤：
获取各个潮汐观测点的时间离散潮流数据，通过插值和近似微分，获取各个潮汐观测点的时间连续的潮流矢量。
作为优选的技术方案，通过插值获取时间维度和空间维度下的潮流预估数据具体包括如下步骤：
获取所述潮汐观测点以及港口内若干个未知点的坐标信息，基于所述坐标信息以及各个潮汐观测点在时间维度下的潮流矢量，通过一次插值获取同一时刻不同空间位置的潮流数据进行预估，通过二次插值获取不同时间不同空间位置的潮流预估数据。
作为优选的技术方案，所述的未知点在港口的航路上。
作为优选的技术方案，所述的一次插值为克里金插值。
作为优选的技术方案，所述的一次插值使用下式实现：
式中，是点(x0,y0)处的估计值，n表示潮汐观测点的数量，wi表示第i个潮汐观测点的权重系数，zi表示第i个潮汐观测点的观测值，且满足/> E()表示期望值，min()表示取最小值，Var()表示取方差。
作为优选的技术方案，所述的进出港窗口期信息的获取包括如下步骤：
基于所述潮流预估数据，确定港口内不同空间位置的进出港期状态指标，基于所述出港期状态指标确定对应的通航窗口期，获取所述的进出港窗口期信息。
作为优选的技术方案，预设的时间步长内，通过等高线和时间序列处理，实现周期性的可视化。
作为优选的技术方案，所述的进出港期状态指标为初涨、急涨、初落、急落和末落。
作为优选的技术方案，获取可视化信号的过程包括如下步骤：
使用箭头长短表示潮流速度的大小，是用箭头的方向表示潮流流向，使用不同颜色表示不同的潮高，输出所述可视化信号。
与现有技术相比，本发明具有以下优点：
(1)潮流数据精度高、数据全面，航海实践指导性强，能有效提高通航效率：本发明首先获取有限个潮汐观测站的潮流信息，通过插值的方法将原本数据稀疏的区域插值成高分辨率的网格数据，得到时空上近似连续的潮流预估数据，从而提高数据的分辨率和精度，同时可以将原本空间数据中的误差降低到一定程度，从而提高数据的可靠性和精度，实现了潮汐表数据向多维数据的有效转换，基于潮流预估数据确定出港窗口期并进行可视化，便于一线船长及引航员准确研判航道航行期间潮高和潮流信息，进而决策进港潮汐窗口，为船方航行风险预控和交通组织保障提供技术支撑，提高港口生产效率。
(2)优化了不同空间下潮汐的实时感测：对于潮汐潮流数据，仅能从某些观测站获取定点下的潮汐潮流数据，针对某水域下连续平面的数据缺失问题，通过克里金空间插值算法对空间缺失数据进行修缮，进一步把潮汐算法与可视化数学工具的结合，使得整个空间下不同地理位置的多维潮流数据实现同时呈现，采用可同时兼顾空间位置及相关性的克里金插值法，在修缮空间数据缺失的基础上降低空间数据误差，融合潮汐算法与可视化技术，同时呈现整个空间下不同地理位置的多维潮流数据，实现时间序列下不同空间的潮流可视化，进一步实现潮汐实时信息感知的动态化、差异化。
附图说明
图1为实施例1中实时潮汐效用下船舶进出港窗口期确定方法的流程图；
图2为船舶进出感潮港窗口期的场景描述和模型应用示意图；
图3为上海港潮汐先落后涨分时图；
图4为上海港潮汐先涨后落分时图；
图5为测潮点的潮高、潮流流向示意图。
具体实施方式
下面将结合本发明实施例中的附图，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的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例1
根据船舶进出港作业实时性和全面性的更高要求，本发明提供一种实时潮汐效用下船舶进出港窗口期确定方法，旨在时间和空间维度上为进出港航行船舶提供更加全面实时的潮高、潮流等潮汐保障数据。方便一线船长及引航员准确研判航道航行期间潮高和潮流信息，进而决策进港潮汐窗口，为船方航行风险预控和交通组织保障提供技术支撑，提高港口生产效率。
潮流和潮汐数据有着密不可分的关系，因此采用可视化技术可以将潮汐表中包含的潮时、潮高和潮流等历史信息呈现出来，从而实现对近海潮流的预报。这种预报方式可以提供准确的数据和信息，帮助人们更好地了解近海潮流的变化趋势，做出更好的决策。
本实施例通过建立潮汐和潮流静态数据栅格化可视平台，采用三维插值算法，实现时间和空间两个维度上对潮高和潮流实况及趋势的连续动态呈现；将船舶航行过程与所处场景的潮汐、潮流状况进行深度关联，融合船舶特性与海图水深信息，优化分析船舶进出港作业在潮高和潮流双约束作用下通航窗口期。
本方法首先对所研究水域的潮高、潮流以及船舶航路坐标数据进行采集，从港口潮汐观测站的潮汐表获取所研究水域不同空间以及时间下的潮高、潮流数据，并对数据进行预处理即剔除空缺数据和异常值。其次采用克里金三维插值算法，实现时间和空间两个维度上港口水域潮流的可视化以及港口水域航路的可视化，进而实现对船舶进出港口潮流实时效用分析，实现对船舶作业窗口期的优化。
如图1所述为本方法的流程图，包括如下步骤：
步骤S1：潮流与航路原始数据的获取，从潮汐观测表中获取潮高与流速相关原始数据，同时基于Matlab软件实现所研究水域主要航道坐标数据的提取，并完成航道与所研究水域状况可视化。
步骤S2：假设所研究水域的潮流为往复流，从潮流观测站测得的潮流方向只有涨潮与落潮两个。从港口潮汐观测站的潮汐表中获取不同时间维度下的潮高数据，如图4所示。结合二维插值算法和近似微分算法，可以根据从不同测潮站获得的不同时间维度下的潮高数据计算出相应时间维度下的潮流数据，即通过公式(1)-(4)计算出各测潮站在不同时间维度下的潮流矢量数据。
vy＝v·sinα (2)
vx＝v·cosα (3)
式中：Δt-为时间间隔；v-为潮流瞬时速度；vx-为潮流瞬时速度的水平分量；vy-为潮流瞬时速度的垂直分量，即Δt内的潮高变化量。
第三步：根据克里金插值算法的核心思想，两点属性值差异性与二者间距离在一定距离范围内成正相关，且可以由其一定数量的周围点位置及其属性值推导出。因此可实现由已知有限观测点获取的潮高数据以及计算所得的流向与流速数据，实现对所研究水域全区域的潮流状况即潮高数据、流向、流速数据的值。对于已知若干离散点(xi,yi)的某一属性的观测值zi＝z(xi,yi)的条件下，估计空间上任意一点(x,y)的属性值。其表达式为：
式中，是点(x0,y0)处的估计值，即/>wi表示权重系数，利用所有已知点加权求和估计未知点；zi表示已知点(xi,yi)的观测值。
wi要求满足点(x0,y0)处的估计值与真实值z0之差最小
同时希望估计值与真实值z0之差的方差最小
另外要求具有平稳的空间，即空间任意一点处的值z＝z(x,y)由区域平均值C和随机偏差R(x,y)组成，其中偏差的方差均为常数
z(x,y)＝R(x,y)+C (8)
Var[R(x,y)]＝σ2 (9)
写成期望形式为
E(z)＝C (10)
使用克里金插值可以根据已有的空间数据进行预测，而不需要在整个区域内采集大量的数据，因此可以大大减少数据采集的成本和时间。同时可以实现通过已知的一些空间数据点来推断未知位置的值，将原本数据稀疏的区域插值成高分辨率的网格数据，从而提高数据的分辨率和精度，同时通过插值方法，可以将原本空间数据中的误差降低到一定程度，从而提高数据的可靠性和精度。
步骤S4，基于四维插值算法原理，对多个测潮站的潮高(潮流)数据在空间维度上进行插值，得出不同时刻下连续空间的潮高(潮流)数据，用四维插值算法对潮高(潮流)数据在时间维度上进行插值，得出连续空间下连续时间的潮高(潮流)数据，再将潮高(潮流)数据进行可视化呈现。
基于四维插值算法原理，对多个测潮站的潮高(潮流)数据在空间维度上进行插值，得出不同时刻下连续空间的潮高(潮流)数据，用四维插值算法对潮高(潮流)数据在时间维度上进行插值，得出连续空间下连续时间的潮高(潮流)数据，再将潮高(潮流)数据进行可视化呈现。其中潮流流速的大小通过箭头长短表示，流向通过箭头的方向表示，潮高数据的大小通过颜色的变化表示，进而实现对所研究水域的潮高、潮流(流向与流速)的可视化。
步骤S5，将船舶进出港过程与实时潮汐变化相结合，对船舶通航窗口期航线上不同时间与空间下潮高、潮流动态变化进行分析。对不同时间维度下的潮汐，以设定周期为一个时间步长，引入数学算法、等高线、时间序列等，呈现出目标海域潮汐数据周期性变化的可视化动图。
步骤S6，影响船舶通航窗口期的因素有很多，其中潮汐与水深船舶通航窗口期确定的关键因素，对不同时空维度下的船舶航行过程中的水深与潮汐状况进行对于优化船舶通航窗口期具有重要意义。船舶通航窗口期可以分为初涨、急涨、涨末、初落、急落和落末等不同类型。初涨和急涨时，水位较低，通航窗口期较短，船舶需要在短时间内通过航道。涨末和落末时，水位较高，通航窗口期也较短，船舶也需要抓紧时间通过航道。初落和急落时，水位逐渐下降，通航窗口期较长，船舶可以在较长时间内通航；基于实时潮汐数据，船舶可以进行实时感测进而确定船舶通航窗口期，实现对感潮港口潮汐效用下窗口期效率的优化，这样可以更加准确地确定通航时间，提高通航效率和安全性。
图2中(a)为上海港长江口水域状况以及部分测潮站的位置分布状况。(b)为根据选定的航路对其潮高状况进行时间空间下的状态进行分析，其中横坐标为连续时间，纵坐标是在航路点相对码头的距离。(c)为选取不同的进港时刻的潮高分布，分析出高平潮与低平潮作业时船舶经历的潮高状况。其中横坐标为时间，纵坐标是在航路点相对码头的距离。(d)为相对码头一定距离的航路点潮高随时间变化趋势的三维可视化，其中X轴、Y轴分别表示相对码头的距离与时间，Z轴表示潮高。(c)和(f)中纵坐标是航路点相对码头的距离，横坐标为潮时，根据船舶进港出发时间与进港航速绘制船舶进港时序下进港过程曲线。
另外，在高低潮均满足船舶对水深要求情况下，使船舶进港全程受流影响较小，以高(低)平潮相邻曲线之间即是高(低)平潮作为进港窗口期。根据潮高可视化图可以看到在一个潮汐周期中发生两次高潮和低潮，从而结合航速确定船舶通航时间，画出船舶在低潮与高潮期间作业的航路状况图，从而获得图2中(c)与(f)蓝线所示船舶进港位置坐标的可视化。
对上海港海域下14个测潮站的潮汐数据进行可视化应用。采集《潮汐表》2023年七月初一潮汐数据，通过式1-4的简易计算，得到时空维度下不连续的潮高潮流数据。对14个测潮站的潮高潮流数据进行空间维度插值，得出不同时刻下上海港区连续空间的潮高潮流数据，再次用克里金插值算法对潮高潮流数据在时间维度上进行插值，得出不同空间下连续时间的潮高潮流数据，进而得到时空双维度下连续的潮高潮流的可视化效果，结果如图3-4所示农历七月初一逐时的潮高和潮流状态。图3中，(a)至(l)分别为七月初一00 00时至七月初一11 00时每个小时的潮汐状况示意图。图4中(a)至(l)分别是七月初一07 00至七月初一14 00时落潮状态的每个小时的潮汐状况示意图。
结合上海港区海图水深的空间分布，从水深和潮流要求下的窗口期进行分析。大型集装箱进出上海港外高桥码头为例，以外高桥码头和鸡骨礁附近航道进出口为起始点，以长江口北槽水道为计划航线，进出港、靠离泊过程经验用时为4.5小时。北槽水道海图水深最低处为12.5米(潮高基准面为海图基准面)，且要求船舶在港区航行期间富余水深达到船舶吃水的12％。在船舶进港靠泊期间，满足安全水深的前提下要求靠泊期间潮流尽可能小，且进港过程中尽可能顺流航行，以降低能耗。
结合航道海图水深最小12.5米，进港用时4小时。可得七月初一当日可进港的船舶最大吃水为13.1米，进港窗口期为1020-1420，进港期间受最大顺流约0.83m/s，抵达泊位前沿潮流为开流，流速为0.16m/s。若船舶吃水12.5米，即要求航道水深满足14米，则七月初一当日进港窗口期为0000-0410和0900-1610，0000-0410期间航道落潮流速最大为0.75m/s，0900-1610期间航道涨潮流速最大为0.99m/s，落潮流速最大为0.72m/s。
同理，在船舶出港期间，满足安全水深的要求时出港过程尽可能顺流航行。从数据分析，七月初一落潮窗口期为0000-0800和1200-1900，期间北槽最低水深13.6米。若要求船舶全程顺流出港，则最佳出港窗口期为0000-0400和1200-1600，满足船舶最大吃水分别为12.61米和12.67米，所受顺流最大分别为0.75m/s和0.72m/s。
本发明具有如下的有益效果：
1、实现了潮汐表数据向多维数据的有效转换。通过对各测潮站点潮高信息的分析，进行数学建模、非线性拟合，最终获取到整个港口水域实时的潮高数据、潮流流速数据、潮流流向数据等。通过插值的方法将原本数据稀疏的区域插值成高分辨率的网格数据，从而提高数据的分辨率和精度，同时可以将原本空间数据中的误差降低到一定程度，从而提高数据的可靠性和精度。借助可视化工具实现时间、空间数据连续，实现全区域多时段的潮汐(潮高和潮流)全面信息。
2、基于航路的船舶进出港实时潮汐感测信息化。将进出港过程与潮汐变化相结合，动态呈现潮高、潮流数据，揭示潮汐六个窗口期航线上各时间位置节点下的潮高潮流动态变化的时空一致性。以设定周期为一个时间步长，引入数学算法、等高线、时间序列等，呈现上目标海域潮汐数据周期化可视化。
3、考虑潮汐效用的船舶进出港窗口期优化。潮流大小与方向影响航行过程中船首向稳定性和船舶姿态控制。针对不同时空维度下的船舶航行过程进行研究，呈现初涨、急涨、涨末、初落、急落、落末等不同窗口期船舶对潮汐的实时感测情况；基于船舶进出港航速、航时，优化感潮港口潮汐效用下窗口期效率，整体性地确保船舶安全。
实施例2
本实施例提供了一种电子设备，包括：一个或多个处理器以及存储器，所述存储器内储存有一个或多个程序，所述一个或多个程序包括用于执行如实施例1所述实时潮汐效用下船舶进出港窗口期确定方法的指令。
实施例3
本实施例提供了一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如实施例1所述实时潮汐效用下船舶进出港窗口期确定方法的指令。
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，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。
Claims (10)
1.一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，包括如下步骤：
基于港口的潮汐观测点的潮汐表数据，通过预处理获取各个潮汐观测点在时间维度下的潮流矢量，通过插值获取时间维度和空间维度下的潮流预估数据，其中，所述潮流预估数据包括不同时间不同空间位置的潮高、潮流大小和潮流方向信息；
基于所述潮流预估数据，获取船舶的进出港窗口期信息；
基于所述进出港窗口期信息，获取可视化信号。
2.根据权利要求1所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，所述的各个潮汐观测点在时间维度下的潮流矢量的获取包括如下步骤：
获取各个潮汐观测点的时间离散潮流数据，通过插值和近似微分，获取各个潮汐观测点的时间连续的潮流矢量。
3.根据权利要求1所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，通过插值获取时间维度和空间维度下的潮流预估数据具体包括如下步骤：
获取所述潮汐观测点以及港口内若干个未知点的坐标信息，基于所述坐标信息以及各个潮汐观测点在时间维度下的潮流矢量，通过一次插值获取同一时刻不同空间位置的潮流数据进行预估，通过二次插值获取不同时间不同空间位置的潮流预估数据。
4.根据权利要求3所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，所述的未知点在港口的航路上。
5.根据权利要求3所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，所述的一次插值使用下式实现：
式中，是点(x0,y0)处的估计值，n表示潮汐观测点的数量，wi表示第i个潮汐观测点的权重系数，zi表示第i个潮汐观测点的观测值，且满足/> E()表示期望值，min()表示取最小值，Var()表示取方差。
6.根据权利要求1所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，所述的进出港窗口期信息的获取包括如下步骤：
基于所述潮流预估数据，确定港口内不同空间位置的进出港期状态指标，基于所述出港期状态指标确定对应的通航窗口期，获取所述的进出港窗口期信息。
7.根据权利要求6所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，所述的进出港期状态指标为初涨、急涨、涨末、初落、急落和落末。
8.根据权利要求1所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，预设的时间步长内，通过等高线和时间序列处理，实现周期性的可视化。
9.根据权利要求1所述的一种实时潮汐效用下船舶进出港窗口期确定方法，其特征在于，获取可视化信号的过程包括如下步骤：
使用箭头长短表示潮流速度的大小，是用箭头的方向表示潮流流向，使用不同颜色表示不同的潮高，输出所述可视化信号。
10.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述实时潮汐效用下船舶进出港窗口期确定方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310458885.9A CN116564134A (zh) | 2023-04-26 | 2023-04-26 | 一种实时潮汐效用下船舶进出港窗口期确定方法和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310458885.9A CN116564134A (zh) | 2023-04-26 | 2023-04-26 | 一种实时潮汐效用下船舶进出港窗口期确定方法和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116564134A true CN116564134A (zh) | 2023-08-08 |
Family
ID=87487189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310458885.9A Pending CN116564134A (zh) | 2023-04-26 | 2023-04-26 | 一种实时潮汐效用下船舶进出港窗口期确定方法和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116564134A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117271960A (zh) * | 2023-11-22 | 2023-12-22 | 自然资源部第一海洋研究所 | 联合利用卫星测高和潮汐模型的深度基准面模型构建方法 |
-
2023
- 2023-04-26 CN CN202310458885.9A patent/CN116564134A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117271960A (zh) * | 2023-11-22 | 2023-12-22 | 自然资源部第一海洋研究所 | 联合利用卫星测高和潮汐模型的深度基准面模型构建方法 |
| CN117271960B (zh) * | 2023-11-22 | 2024-02-02 | 自然资源部第一海洋研究所 | 联合利用卫星测高和潮汐模型的深度基准面模型构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nan et al. | Kuroshio intrusion into the South China Sea: A review | |
| CN102221389B (zh) | 结合统计模型与动力模型的乘潮水位预报方法 | |
| Thoppil et al. | The current system east of the Ryukyu Islands as revealed by a global ocean reanalysis | |
| CN116564134A (zh) | 一种实时潮汐效用下船舶进出港窗口期确定方法和介质 | |
| CN110726445A (zh) | 一种感潮河段污染物通量在线监测系统及方法 | |
| LU502873B1 (en) | Method for constructing optimal depth datum geodetic height model based on multi-source data | |
| CN104794267A (zh) | 一种基于ecdis的水深信息显示及应用方法 | |
| CN105761302A (zh) | 三维数字航道系统及其应用 | |
| CN108253934B (zh) | 水下地形测量仿真方法及其仿真器 | |
| CN110136486B (zh) | 一种港区通航能力判断方法及系统 | |
| CN102943451A (zh) | 一种环抱式防波堤口门航道最大横流确定方法 | |
| CN106802172A (zh) | 一种水库库容精确监测及分析的方法 | |
| Wu et al. | Distribution, formation and evolution of sand ridges on the East China Sea shelf | |
| Dai et al. | Three-dimensional structure of an observed cyclonic mesoscale eddy in the Northwest Pacific and its assimilation experiment | |
| Zhang et al. | Capacity analysis for bifurcated estuaries based on ship domain theory and its applications | |
| Ding et al. | Continuous Depth Datum–Based Dynamic Bathymetric Model: Construction and Application | |
| Catarino | Dynamic Draft and Under Keel Clearance: A Hydrographic View | |
| O’Connor et al. | Forecast verification for Eta Model winds using Lake Erie storm surge water levels | |
| Pratomo et al. | A Comparison of Tidal Zoning Model for the Depth Reduction | |
| Liu et al. | Exploring Characteristics and Fundamental Relations of Area-Wide Vessel Traffic Flow | |
| Chen et al. | REAL-TIME VISUALIZATION MODEL AND TECHNIQUE OF NAVIGABLE AREA BASED ON DIGITAL NAUTICAL CHART | |
| Chen et al. | Research on real-time visualization model and technique of navigable area with regard to tide | |
| Pepe et al. | Beach morphology change study using ArcGIS spatial analyst | |
| Zhang | Research on Grid Computing of an Ocean Information Data Processing System Based on the Computer Environment | |
| Coelho et al. | A Methodology to Characterize Internal Solitons in the Ocean |
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 |