CN117875200A - 基于高斯函数模型的内孤立波预警方法、系统及装置 - Google Patents
基于高斯函数模型的内孤立波预警方法、系统及装置 Download PDFInfo
- Publication number
- CN117875200A CN117875200A CN202311740990.8A CN202311740990A CN117875200A CN 117875200 A CN117875200 A CN 117875200A CN 202311740990 A CN202311740990 A CN 202311740990A CN 117875200 A CN117875200 A CN 117875200A
- Authority
- CN
- China
- Prior art keywords
- wave
- internal
- model
- initial
- simulation
- 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 44
- 238000004088 simulation Methods 0.000 claims abstract description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 53
- 239000013535 sea water Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 230000005428 wave function Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 7
- 238000011065 in-situ storage Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 description 15
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 101150059062 apln gene Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于高斯函数模型的内孤立波预警方法、系统及装置，方法包括：对声学多普勒海流剖面仪的流速数据进行背景流场处理，获取内孤立波实测数据；构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；以初始模拟内波模型最大值的所在深度进行划分，结合高斯函数模型及实时流速数据，得到模拟波模型；基于实时流速数据，得到模拟内波斜压相速度，进而得到波振幅及非线性相速度；设置误差阈值，基于所得数据获取全水深流速剖面，迭代计算全水深流速剖面与内孤立波实测数据之间的误差，直至满足误差阈值，得到流速剖面模拟结果。本方法基于理论模型实现内孤立波的参数计算及预警，具有重要的现实意义。
Description
技术领域
本发明涉及孤立波预测技术领域，尤其涉及一种基于高斯函数模型的内孤立波预警方法、系统及装置。
背景技术
内孤立波是在温度、盐度垂向分层的海洋中产生的一种非线性内波，其振幅可达几十到数百米，在传播过程中波形近似保持不变，有很强的破坏性。内孤立波通常携带大量能量，在传播过程中往往导致部分海面强烈辐聚和突发性强流，会对海洋工程、石油钻井平台、海底石油管道和军事潜艇活动等构成严重威胁。卫星遥感观测和现场调查表明，南海海域、安达曼海附近海域，是孤立内波的高发区，在高发区域进行内孤立波的高效、准确的预警预报具有重要的现实意义。
在海上工程应用中，常通过搭载于浮潜标上的声学多普勒流速仪（ADCP）和温盐深仪（CTD），将实时观测流速和温盐数据传输至海洋或陆地平台，根据一维理论模型计算波的到达时间、强度、方向和深度等信息实现内孤立波的预警预报。内孤立波一维理论模型可分为浅水理论模型、深水理论模型和有限深度理论模型，分别基于浅水（m~m）、深水（m~m）和有限深度三种条件建立了内孤立波运动方程。波函数是一维理论模型的重要变量，与海水的层结状态相关，可以通过海水的温盐数据计算得到。在深海采集实时流速和温盐数据需投入大量ADCP和CTD，设备成本大，并且在恶劣海况下，数据实时传输的稳定性无法保障。
发明内容
本发明针对现有技术中的缺点，提供了一种基于高斯函数模型的内孤立波预警方法、系统及装置。
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：
一种基于高斯函数模型的内孤立波预警方法，包括以下步骤：
获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
作为一种可实施方式，所述获取实时流速数据并进行背景流场处理，得到内孤立波实测数据，包括以下步骤：
获取实时流速数据，并记录流速最大值的最小时间及流速最大值的最大时间，其中，流速表示水平流速；
基于实测水平流速最大值的最小时间和实测水平流速最大值的最大时间，采用背景流场处理，得到内孤立波实测数据；
所述内孤立波实测数据，表示如下：
其中，表示内孤立波实测数据，/>表示实测水平流速最大值的最小时间，/>表示实测水平流速最大值的最大时间，/>表示实时流速数据。
作为一种可实施方式，所述构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值，包括以下步骤：
基于理论流速剖面，构建初始模拟内波模型；
通过分析海域密度剖面，将海水进行简化分层，得到内波斜压相速度初始值及初始波振幅最大值；
所述理论流速剖面，表示如下：
所述初始模拟内波模型，表示如下：
所述内波斜压相速度初始值，表示如下：
所述初始波振幅最大值，表示如下：
其中，，/>表示全剖面的浮力频率，/>表示重力加速度，/>表示各层水体的平均密度，/>表示海水深度，/>表示初始模拟内波模型，/>表示原位观测点水深，/>表示内波斜压相速度初始值，/>表示上层水体密度，/>表示上层水体厚度，/>表示下层水体密度，/>表示下层水体厚度。
作为一种可实施方式，所述以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到模拟波模型，包括以下步骤：
基于初始模拟内波模型最大值所在深度，结合高斯函数模型，将所述初始模拟内波模型划分为第一部分和第二部分，得到初始波模型的第一部分及模拟波模型的第二部分，表示如下：
其中，表示初始波模型的第一部分，/>表示初始波模型的第二部分，/>表示海水深度，/>表示初始模拟内波模型最大值所在深度，/>，/>，/>、/>表示基于实测流速的参数。
作为一种可实施方式，所述得到模拟内波斜压相速度，进而得到波振幅及非线性相速度，表示如下：
其中，，/>，/>表示内孤立波的最大振幅，/>表示相位角，表示非线性参数，/>表示频散参数，/>表示海水深度，/>表示波函数，/>表示内波斜压相速度模拟值，/>表示非线性相速度，/>表示波振幅。
作为一种可实施方式，所述迭代计算全水深流速剖面与内孤立波实测数据之间的误差，包括以下步骤：
结合模拟波模型、内波斜压相速度模拟值、波振幅及非线性相速度，得到全水深流速剖面模型；
将全水深流速剖面模型及孤立波实测数据基于水深维度及时间维度进行划分，得到差值绝对值的平均值；
迭代计算，直至差值绝对值的平均值满足预设误差阈值的条件，得到流速剖面模拟结果。
一种基于高斯函数模型的内孤立波预警系统，包括实测数据获取模块，初始数据计算模块，模拟函数计算模块，模拟数据计算模块及迭代计算模块；
所述实测数据获取模块，获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
所述初始数据计算模块，构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
所述模拟函数计算模块，以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
所述模拟数据计算模块，通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
所述迭代计算模块，基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
作为一种可实施方式，所述模拟函数计算模块，被设置为：
基于初始模拟内波模型最大值所在深度，结合高斯函数模型，将所述初始模拟内波模型划分为第一部分和第二部分，得到初始波模型的第一部分及模拟波模型的第二部分，表示如下：
其中，表示初始波模型的第一部分，/>表示初始波模型的第二部分，/>表示海水深度，/>表示初始模拟内波模型最大值所在深度，/>，/>，/>、/>表示基于实测流速的参数。
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实现如下所述的方法：
获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
一种基于高斯函数模型的内孤立波预警装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述的方法：
获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
本发明由于采用了以上技术方案，具有显著的技术效果：
通过本发明的方法，避免了采集实时温盐数据需要配置全水深温盐观测仪器，设备成本大，且海上环境恶劣，无法保证数据实时稳定传输的问题。
基于本发明的方法，根据实时流速数据构建与温盐无关的波函数，通过计算得到全水深流速剖面与实测流场进行对比，通过迭代计算不断调整波函数形态，实现内孤立波波振幅、非线性相速度及内波斜压相速度，实现内孤立波的预警。
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是本发明方法的流程示意图；
图2是本发明系统的整体示意图；
图3是根据AVISO温盐数据求得的W剖面和最终波函数计算的W剖面的对比示意图；
图4是寻找meanU极小值点示意图；
图5是实测结果与模拟结果对比图。
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1：
一种基于高斯函数模型的内孤立波预警方法，如图1所示，包括以下步骤：
S100、一种基于高斯函数模型的内孤立波预警方法，包括以下步骤：
S200、获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
S300、构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
S400、以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
S500、通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
S600、基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
在本发明中，通过高斯函数模型特性，基于有限深度理论，通过拟合得到模拟波模型，该方法得到模拟波模型的过程与温盐无关，节约了全水深温盐观测仪器的成本，同时避免在恶劣海洋环境中数据难以保障稳定传输的问题。通过将模拟波模型计算得到的波致流流场与实测流场进行对比，基于对比结果进行迭代及调整，最终实现内孤立波的预警。
整个方法大致分为两个模块，首先使用内孤立波理论计算相速度的部分：
在没有遥感图像的前提下，仅使用潜标原位观测数据很难对内孤立波的相速度进行推算，这将导致根据单个潜标研究内孤立波的产生和传播过程非常困难。本节将使用目前广泛应用的浅水KdV理论、深水理论和有限深度理论对2016年12月4日潜标原位观测和卫星遥感同时观测到的内孤立波进行模拟，进而在该海域对3种理论进行评估，并将其计算出的相速度与遥感观测进行对比。根据潜标数据分析该海域的密度剖面，发现海水密度在200m以深变化缓慢，因此将海水简化成上、下2层不同密度的水体（两层模式）。取上层水体厚度h 1=200 m，密度= 1023 kg·m−3（上层水体的平均密度值）；下层水体厚度h 2=2470 m，密度=1031 kg·m−3（下层水体的平均密度值）。内孤立波的最大振幅/>取2016年12月4日实测中17℃等温线的最大起伏38 m。
浅水KdV理论具有如下稳定解：
(1)
其中为波振幅，/>为相位角，/>为双曲正割函数，/>为内孤立波最大振幅。
深水理论中内孤立波的解析解为（Apel et al., 2007）:
(2)
其中为内孤立波最大振幅，c 1为斜压一阶非线性相速度，L为特征半波宽，x为水平方向的距离，t为时间。
由于潜标站附近无精确的实测全剖面温盐数据，采用AVISO（https://www.aviso.altimetry.fr/en/home.html）全球海洋日平均温盐场再分析数据，提取潜标附近的基础温度、盐度数据，作为求解连续层结的有限深度理论的必要资料。
使用有限深度理论求取孤立内波期间理论流速剖面以及一阶斜压非线性相速度的一般步骤如下：
对于有限水深的孤立内波，其振幅满足方程：
（3）
其中c为内波斜压相速度，h为温跃层深度，H 0为原位观测点水深，为双曲余切函数，/>为符号函数，x为水平方向的距离，t为时间，非线性参数/>和频散参数/>的表达式可写作
（4）
（5）
归一化因子Q可表示为
（6）
其中，Z 0是波振幅W最大值所在海水深度。
波振幅W（波函数）的初步求解方法为
（7）
其中，z是海水深度。
浮频率N可从历年再分析温盐密数据中获得初步结果
（8）
其中，为重力加速度，/>为海水密度，z为海深。
对于稳定的下凹型孤立内波，其解析解为
（9）
其中，是孤立内波的最大振幅，/>为双曲余弦函数，/>为双曲正弦函数，/>为相位角，可以表达为/>=a(x-Vt)，a是类似波数的参数，满足如下关系
（10）
且
（11）
其中，为频散参数（公式5），c为内波斜压相速度，/>为非线性参数（公式4），/>为内孤立波最大振幅。
相应的非线性相速度V为
（12）
其中，c为内波斜压相速度，
可求得水平流速u为
（13）
至此可获得孤立内波期间的理论流速剖面。但内波振幅W（波函数）和内波斜压相速度c的计算通常需要提前获得整个水柱的浮频率N剖面，即温盐的垂向结构，在没有全水深温度盐度观测的前提下，实时温盐结构很难获得。使用历年相同月份的温度盐度再分析数据作为补充，但获得的波函数与实测结果相差较大。因此，使用实时流速数据推演波函数W和相速度c，进而获得最接近实测的流速结构是问题的关键。
结合有限深度情况下，内孤立波理论计算相速度来对全水深流速模拟，具体步骤如下：
（1）在已修正的ADCP（Acoustic Doppler Current Profilers，即声学多普勒海流剖面仪）流速数据中寻找孤立内波，将流速绝对值最大值的前10分钟和后10分钟设置为孤立内波的时间区间，其流速减去前40 - 前10分钟的各层平均流速，视为去背景流场处理；
（2）使用温盐资料，通过求解（5-7）式获得粗略的波函数W以及相速度c，作为实测数据的参照。通常内孤立波期间流速方向转变的深度即W最大值所在深度，可以通过此方法重新定义W最大值的深度，结果参见图3所示；
（3）使用经验性的高斯型函数模拟波函数的上、下两个部分（以波函数最大值所在深度划分），其表达式如下：
（14）
（15）
其中L up和L dn是需要根据实测流速调整的参数，它们可以调整波函数的波形；
（4）孤立内波的最大振幅可以赋予初始值50 m，在后文的循环中通过求解
（16）
式重新获得；
（5）结合上述（4）（5）（6）（10）（11）（13）式，以及新生成的波函数W、根据温盐数据获得的相速度c计算出初步的全水深流速剖面，将内孤立波期间的模拟结果和实测结果在水深、时间两个维度上划分出若干一一对应的网格点，假设二者差的绝对值的平均值为meanU，并将其视为流速模拟是否接近实测的检验标准；
（6）假设相速度c在其初始值附近的一定范围内波动，W up和W dn也在合理范围内波动，即设置一个循环，重复计算步骤（5），每次求得模拟流速后均对meanU进行计算，当meanU符合一定标准（<0.1 m/s）或达到极小值点时跳出循环，如均未达到要求，则取meanU为最小时的流速剖面为最佳模拟结果，如图4所示。
参见图5，图5是基于有限深度理论的循环校正法计算的2017年3月4日7：00-10：00内孤立波的实测与模拟流速对照图，从左至右分别为：去背景流场的实测孤立内波流速剖面；模拟0-300 m流速剖面；模拟0-2500 m全水深流速剖面。
根据第以上内容中的计算方法，在浅水KdV理论下，内孤立波的振幅计算结果已远远超过锚系所在海域的最大水深，这显然与事实不符。之前的研究同样显示KdV理论更加适用于浅水的小振幅内孤立波，而深水大振幅内孤立波则很难正确地进行模拟（Sveen etal., 2002）。故未加修正的浅水KdV方程不能正确描述该海域的大振幅内孤立波现象。
实施例2：
一种基于高斯函数模型的内孤立波预警系统，如图2所示，包括实测数据获取模块100，初始数据计算模块200，模拟函数计算模块300，模拟数据计算模块400及迭代计算模块500；
所述实测数据获取模块100，获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
所述初始数据计算模块200，构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
所述模拟函数计算模块300，以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
所述模拟数据计算模块400，通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
所述迭代计算模块500，基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
在一个实施例中，所述模拟函数计算模块300，被设置为：
基于初始模拟内波模型最大值所在深度，结合高斯函数模型，将所述初始模拟内波模型划分为第一部分和第二部分，得到初始波模型的第一部分及模拟波模型的第二部分，表示如下：
其中，表示初始波模型的第一部分，/>表示初始波模型的第二部分，/>表示海水深度，/>表示初始模拟内波模型最大值所在深度，/>，/>，/>、/>表示基于实测流速的参数。
在不脱离本发明的精神和范围的情况下做出的各种变化和变型，所有等同的技术方案也属于本发明的范畴。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同、相似的部分互相参见即可。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (10)
1.一种基于高斯函数模型的内孤立波预警方法，其特征在于，包括以下步骤：
获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
2.根据权利要求1所述的基于高斯函数模型的内孤立波预警方法，其特征在于，所述获取实时流速数据并进行背景流场处理，得到内孤立波实测数据，包括以下步骤：
获取实时流速数据，并记录流速最大值的最小时间及流速最大值的最大时间，其中，流速表示水平流速；
基于实测水平流速最大值的最小时间和实测水平流速最大值的最大时间，采用背景流场处理，得到内孤立波实测数据；
所述内孤立波实测数据，表示如下：
其中，uave表示内孤立波实测数据，tmin表示实测水平流速最大值的最小时间，tmax表示实测水平流速最大值的最大时间，u表示实时流速数据。
3.根据权利要求1所述的基于高斯函数模型的内孤立波预警方法，其特征在于，所述构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值，包括以下步骤：
基于理论流速剖面，构建初始模拟内波模型；
通过分析海域密度剖面，将海水进行简化分层，得到内波斜压相速度初始值及初始波振幅最大值；
所述理论流速剖面，表示如下：
所述初始模拟内波模型，表示如下：
所述内波斜压相速度初始值，表示如下：
所述初始波振幅最大值，表示如下：
W(0)＝0
W(H0)＝0
其中，N表示全剖面的浮力频率，g表示重力加速度，ρ表示各层水体的平均密度，z表示海水深度，W表示初始模拟内波模型，H0表示原位观测点水深，c表示内波斜压相速度初始值，ρ1表示上层水体密度，h1表示上层水体厚度，ρ2表示下层水体密度，h2表示下层水体厚度。
4.根据权利要求1所述的基于高斯函数模型的内孤立波预警方法，其特征在于，所述以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到模拟波模型，包括以下步骤：
基于初始模拟内波模型最大值所在深度，结合高斯函数模型，将所述初始模拟内波模型划分为第一部分和第二部分，得到初始波模型的第一部分及模拟波模型的第二部分，表示如下：
其中，Wup表示初始波模型的第一部分，Wdn表示初始波模型的第二部分，z表示海水深度，Z0表示初始模拟内波模型最大值所在深度，Lup、Ldn表示基于实测流速的参数。
5.根据权利要求1所述的基于高斯函数模型的内孤立波预警方法，其特征在于，所述得到模拟内波斜压相速度，进而得到波振幅及非线性相速度，表示如下：
V＝cm+αη0/3
其中，abtan(aH0)＝1，η0表示内孤立波的最大振幅，φ表示相位角，α表示非线性参数，βF表示频散参数，z表示海水深度，W表示波函数，cm表示内波斜压相速度模拟值，V表示非线性相速度，η表示波振幅。
6.根据权利要求1所述的基于高斯函数模型的内孤立波预警方法，其特征在于，所述迭代计算全水深流速剖面与内孤立波实测数据之间的误差，包括以下步骤：
结合模拟波模型、内波斜压相速度模拟值、波振幅及非线性相速度，得到全水深流速剖面模型；
将全水深流速剖面模型及孤立波实测数据基于水深维度及时间维度进行划分，得到差值绝对值的平均值；
迭代计算，直至差值绝对值的平均值满足预设误差阈值的条件，得到流速剖面模拟结果。
7.一种基于高斯函数模型的内孤立波预警系统，其特征在于，包括实测数据获取模块，初始数据计算模块，模拟函数计算模块，模拟数据计算模块及迭代计算模块；
所述实测数据获取模块，获取实时流速数据并进行背景流场处理，得到内孤立波实测数据；
所述初始数据计算模块，构建初始模拟内波模型，基于初始模拟内波模型得到内波斜压相速度初始值及初始波振幅最大值；
所述模拟函数计算模块，以所述初始模拟内波模型最大值所在深度并结合高斯函数模型及实时流速数据，得到调整后内波模型；
所述模拟数据计算模块，通过实时流速数据对内波斜压相速度初始值进行更新，得到内波斜压相速度模拟值，进而得到波振幅及非线性相速度；
所述迭代计算模块，基于调整后内波模型、内波斜压相速度模拟值、波振幅及非线性相速度，构建初始全水深流速剖面模型，并对全水深流速剖面模型与内孤立波实测数据的误差进行迭代，直至满足预设误差阈值，得到流速剖面模拟结果，基于流速剖面模拟结果进行预警。
8.根据权利要求7所述的基于高斯函数模型的内孤立波预警系统，其特征在于，所述模拟函数计算模块，被设置为：
基于初始模拟内波模型最大值所在深度，结合高斯函数模型，将所述初始模拟内波模型划分为第一部分和第二部分，得到初始波模型的第一部分及模拟波模型的第二部分，表示如下：
其中，Wup表示初始波模型的第一部分，Wdn表示初始波模型的第二部分，z表示海水深度，Z0表示初始模拟内波模型最大值所在深度，Lup、Ldn表示基于实测流速的参数。
9.一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实现如权利要求1至6任意一项所述的方法。
10.一种基于高斯函数模型的内孤立波预警装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311740990.8A CN117875200A (zh) | 2023-12-18 | 2023-12-18 | 基于高斯函数模型的内孤立波预警方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311740990.8A CN117875200A (zh) | 2023-12-18 | 2023-12-18 | 基于高斯函数模型的内孤立波预警方法、系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117875200A true CN117875200A (zh) | 2024-04-12 |
Family
ID=90589280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311740990.8A Pending CN117875200A (zh) | 2023-12-18 | 2023-12-18 | 基于高斯函数模型的内孤立波预警方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117875200A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118067090A (zh) * | 2024-04-25 | 2024-05-24 | 中国海洋大学 | 一种海洋内波三维纹影模拟测量方法和装置 |
| CN118114030A (zh) * | 2024-04-28 | 2024-05-31 | 中国科学院南海海洋研究所 | 一种基于单点单深度海流计数据的内孤立波参数提取算法 |
-
2023
- 2023-12-18 CN CN202311740990.8A patent/CN117875200A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118067090A (zh) * | 2024-04-25 | 2024-05-24 | 中国海洋大学 | 一种海洋内波三维纹影模拟测量方法和装置 |
| CN118114030A (zh) * | 2024-04-28 | 2024-05-31 | 中国科学院南海海洋研究所 | 一种基于单点单深度海流计数据的内孤立波参数提取算法 |
| CN118114030B (zh) * | 2024-04-28 | 2024-07-30 | 中国科学院南海海洋研究所 | 一种基于单点单深度海流计数据的内孤立波参数提取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117875200A (zh) | 基于高斯函数模型的内孤立波预警方法、系统及装置 | |
| US11231519B2 (en) | Method and device for simulating discharge, and computer device | |
| Thomas et al. | Mesoscale evolution of a headland bay: Beach rotation processes | |
| CN113468773B (zh) | 全球台风浪数值模拟方法及系统 | |
| Gusev et al. | Numerical simulation of the world ocean circulation and its climatic variability for 1948–2007 using the INMOM | |
| US20140257700A1 (en) | System and method for estimating uncertainty for geophysical gridding routines lacking inherent uncertainty estimation | |
| Wang et al. | Modeling tides in Monterey Bay, California | |
| Zalesny et al. | Numerical model of the hydrodynamics of the Black Sea and the Sea of Azov with variational initialization of temperature and salinity | |
| Church et al. | Ocean temperature and salinity contributions to global and regional sea-level change | |
| Chang et al. | Simulated wave-driven ANN model for typhoon waves | |
| Fischer et al. | A spatial and seasonal climatology of extreme precipitation return-levels: a case study | |
| CN113189559A (zh) | 一种星载成像高度计遥感数据海底地形反演方法 | |
| Bernier et al. | Mapping the return periods of extreme sea levels: allowing for short sea level records, seasonality, and climate change | |
| Sørensen et al. | Efficient Kalman filter techniques for the assimilation of tide gauge data in three‐dimensional modeling of the North Sea and Baltic Sea system | |
| Barrile et al. | Analysis of hydraulic risk territories: comparison between LIDAR and other different techniques for 3D modeling | |
| Teodoro et al. | Morphological and statistical analysis of the impact of breakwaters under construction on a sand spit area (Douro River estuary) | |
| Yoon et al. | Estimation of storm surge inundation and hazard mapping for the southern coast of Korea | |
| Chu | Two types of absolute dynamic ocean topography | |
| Gachenko et al. | The use of triangulation processing algorithms for the construction of combined model of the underwater and above-water terrain of the bed of the Bratsk Reservoir | |
| CN107063195B (zh) | 一种基于递归位置估计的大规模水下网络定位方法 | |
| Han et al. | An ocean circulation model based on Eulerian forward-backward difference scheme and three-dimensional, primitive equations and its application in regional simulations | |
| Fukumori | What is data assimilation really solving, and how is the calculation actually done? | |
| Yang et al. | Corrections for tidal residuals due to insufficient representation using a single station in shallow water multibeam bathymetric data | |
| Liu et al. | Preliminary study on the correspondence of turning points between global flood occurrences and polar motion | |
| CN111814371B (zh) | 一种基于船载实测数据的海水温度场构建方法 |
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 |