【技术实现步骤摘要】
本专利技术涉及潮汐河段潮位预报，特别是涉及一种多因素相互作用的潮汐河段多重修正及预报方法。
技术介绍
1、潮汐河段的水位变化收到上游来水、下游天文潮、风暴潮等多种因素的共同影响，汛期常承接上游由暴雨形成的洪水，洪峰与台风风暴潮及天文大潮“三碰头”，致使沿线水位暴涨，加剧了台风暴潮致灾风险，给沿线各地的防汛安全构成了严重威胁。在极端因素共同影响下的潮汐河段潮位预报对防汛决策、水利枢纽设计参考等具有重要意义。
2、随着沿江经济发展，潮汐河段潮位预报需求不再局限于有长期观测资料的关键站点，对预报准确性的需求也不断提高。传统的调和分析预报方法通常只能提供河口关键站点的天文潮预报，非稳态调和分析可提供上游径流及外海天文潮影响下关键站点的潮位预报。水动力数学模型可以提供径流、天文潮、风暴潮综合影响下潮汐河段全场的潮位预报，将潮位预报的范围由关键站点拓展至整个潮汐河段，更适应对潮位预报覆盖范围的需求。
3、由于潮汐河段耦合动力的非线性作用强烈，且地形条件复杂，模型参数、边界条件有一定概化，潮位预报模型计算的结果总会与实测数据存在一定的误差。而基于集合卡尔曼滤波的潮汐预报模型初始状态修正方法则可以通过实测数据与模拟结果的对比，进而不断调整模型参数以将误差最小化。与此同时，基于自回归算法二次校正潮位预报结果可进一步提升预报精度，更好满足对潮汐预报准确性的要求。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的是提供一种多因素相互作用的潮汐河段多重修正及预报方法。p>
2、为实现上述目的，本专利技术提供了如下方案：
3、一种多因素相互作用的潮汐河段多重修正及预报方法，包括：
4、获取模型构建数据；所述模型构建数据包括：上游径流影响参数、开边界天文潮影响参数、台风影响参数、模型地形数据和潮汐河段潮位数据；
5、根据所述台风影响参数将背景风压气象资料与梯度风场按照权重系数叠加，重构模型风速、气压场；
6、根据所述上游径流影响参数对来流传播时间进行推算，预估未来条件下的模型进口流量；
7、基于调和分析方法，根据所述天文潮影响参数确定模型开边界潮位序列；
8、根据所述模型风速、气压场、所述模型进口流量、所述模型开边界潮位序列和模型地形数据构建上游径流、风暴潮、天文潮影响下的潮汐河段潮位预报二维水动力数学模型；
9、将基于相关系数的集合卡尔曼滤波算法与所述潮汐河段潮位预报二维水动力数学模型进行耦合嵌套，并根据实测的潮汐河段潮位数据动态修正所述潮汐河段潮位预报二维水动力数学模型的初始状态，得到一次校正后的预报模型；
10、采用自回归的方法修正潮汐河段关键站点潮位预报结果，并重构预报模型的预报潮位场，二次校正模型预报成果。
11、优选地，所述上游径流影响参数包括：上游多源站点、模型上游边界历史和实测流量序列；所述开边界天文潮影响参数包括开边界附近调和常数和历史潮位序列；所述台风影响参数包括大范围风速、气压场资料及实测及预报台风中心气压、最大风速资料；所述模型地形数据包括覆盖模型范围的岸线、水下地形数据；所述潮汐河段潮位数据包括潮汐河段关键站点历史、实时潮位序列。
12、优选地，根据所述台风影响参数将背景风压气象资料与梯度风场按照权重系数叠加，重构模型风速、气压场，包括：
13、由台风圆形梯度风场和移行风场叠加合成台风模型风场；
14、将台风模型风场与背景风速、气压场按照权重系数进行合成；
15、所述台风模型风场的表达式为：其中，vg为梯度风风场；vt为移行风场；c1和c2是订正系数；θ是计算点与台风中心的连线与正东方向的夹角；β为流入角修正；
16、将台风模型风场与背景风速、气压场按照权重系数进行合成的表达式为：vc＝(1-e)vm+evq；
17、其中，vq为背景风场；vm为台风模型风场；e为权重系数。
18、优选地，所述调和分析方法的表达式为：
19、
20、其中，为t时刻的潮位预报值；a0为从某基准面算起的平均海平面高度；fi为第i个分潮的交点因子；hi为第i个分潮的振幅；σi为分潮角速度；(v0+u)i为分潮的天文初相角；gi为分潮迟角；i为分潮编号；n为分潮总数。
21、优选地，构建得到的上游径流、风暴潮、天文潮影响下的潮汐河段潮位预报二维水动力数学模型的方程如下：
22、
23、动量方程为：
24、
25、
26、式中，t表示时间，x和y表示水平面内互相垂直的两个方向上的坐标，ζ为从平均海平面起算的水位高度，u和v分别表示x和y两个方向上的垂向积分平均流速，h为总水深，f为科氏力系数，ρ0为水的密度，dx和dy以代表紊动扩散项在x和y方向的分量，ps为大气压力项，τsx和τsy表示表面风应力的x和y分量，其中风应力的计算公式为：
27、τ＝ρacd|u10|u10；
28、
29、式中，ρa为大气的密度，cd为风拖曳系数，u10为海表10m风速。
30、优选地，所述相关系数的公式为：其中，下标j为时间序列编号；上标s和ob分别表示模拟值和观测值，和分别为cs和cob的平均值。
31、优选地，根据所述采用自回归的方法修正潮汐河段关键站点潮位预报结果，并重构预报模型的预报潮位场，二次校正潮汐河段潮位预报成果，包括：
32、假设水动力模型模拟水位相对于实测水位的模型误差序列为δη(t)，并采用自回归模型对模型误差序列δη(t)进行建模；所述模型误差序列的表达式为：其中，εt为白噪声扰动；p为模型阶数；φi为自回归系数；
33、获得修正后的潮汐河段沿线关键站点误差序列后，根据与站点距离分段插值至全场，得到二次校正后的多因素条件下潮汐河段潮位预报成果场。
34、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
35、本专利技术提供了一种多因素相互作用的潮汐河段多重修正及预报方法，包括：获取模型构建数据；所述模型构建数据包括：上游径流影响参数、开边界天文潮影响参数、台风影响参数、模型地形数据和潮汐河段潮位数据；根据所述台风影响参数将背景风压气象资料与梯度风场按照权重系数叠加，重构模型风速、气压场；根据所述上游径流影响参数对来流传播时间进行推算，预估未来条件下的模型进口流量；基于调和分析方法，根据所述天文潮影响参数确定模型开边界潮位序列；根据所述模型风速、气压场、所述模型进口流量、所述模型开边界潮位序列和模型地形数据构建上游径流、风暴潮、天文潮影响下的潮汐河段潮位预报二维水动力数学模型；将基于相关系数的集合卡尔曼滤波算法与所述潮汐河段潮位预报二维水动力数学模型进行耦合嵌套，并根据潮汐河段实测潮位数据动态修正所述潮汐河段潮位预报二维水动力数学模型的初始状态，得到一次校正后的预报模型；采用自回归的方法修正潮汐河段关键站点潮位预报本文档来自技高网...
【技术保护点】
1.一种多因素相互作用的潮汐河段多重修正及预报方法，其特征在于，包括：
2.根据权利要求1所述的多因素相互作用的潮汐河段多重修正及预报方法，其特征在于，所述上游径流影响参数包括：上游多源站点、模型上游边界历史和实测流量序列；所述开边界天文潮影响参数包括开边界附近调和常数和历史潮位序列；所述台风影响参数包括大范围风速、气压场资料及实测及预报台风中心气压、最大风速资料；所述地形资料包括覆盖模型范围的岸线、水下地形数据；所述潮汐河段潮位资料包括潮汐河段关键站点历史、实时潮位序列。
3.根据权利要求2所述的多因素相互作用的潮汐河段多重修正及预报方法，其特征在于，根据所述台风影响参数将背景风压气象资料与梯度风场按照权重系数叠加，重构模型风速、气压场，包括：
4.根据权利要求2所述的多因素相互作用的潮汐河段多重修正及预报方法，其特征在于，所述调和分析方法的表达式为：
5.根据权利要求2所述的多因素相互作用的潮汐河段多重修正及预报方法，其特征在于，构建得到的上游径流、风暴潮、天文潮影响下的潮汐河段潮位预报二维水动力数学模型的方程如下：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。