【技术实现步骤摘要】
本专利技术基于海洋数值模拟数据结合流体力学相关研究进行海洋数据处理，属于流体拓扑结构分析和物理海洋学交叉学科领域，具体涉及基于拉格朗日拟序结构的漂浮物轨迹预测方法。
技术介绍
1、拉格朗日拟序结构(lagrangian coherent structure，简称lcs)是近年来由haller等一系列学者提出的一种基于流体表面或内部网格化数据分析流体结构的方法。海洋中存在着复杂的海流结构，利用lcs可以区分流场中有不同动力学特征的区域，如中尺度涡边界、锋面等，而这些特征通常无法用速度场、轨迹显现出来。lcs可以解释海洋中物质输送和迁移特征，并用来预测流体中漂浮物的移动轨迹，显现漂浮物的聚集区域。
2、目前，海洋中的对漂浮物的轨迹预测要考虑流场、风、波浪、漂浮物的类型等因素，计算较为复杂，计算结果无法给出漂浮物的聚集区域，而lcs是海洋内部的流体结构，haller等人证明物质在没有强力因素干扰情况下无法穿过该结构，因此可以不考虑风、波浪对漂浮物的影响，从流场中提取出的lcs可以表征漂浮物的移动轨迹和聚集区域。
技术实现思路
1、本专利技术的目的是针对现有轨迹预测计算复杂，通过结合lcs和拉格朗日粒子跟踪算法，提出了一种基于拉格朗日拟序结构的漂浮物轨迹预测方法，该方法可以不考虑风、波浪对漂浮物的影响，从流场中提取出的拉格朗日拟序结构可以表征漂浮物的移动轨迹和聚集区域，在一定程度上可以预测漂浮物的运动轨迹。
2、本专利技术采取的技术方案，一种基于拉格朗日拟序结构的漂
3、步骤1，基于四阶龙格库塔方程的速度场常微分方程求解；
4、步骤2，基于积分结果的张量场计算和拉格朗日拟序结构的提取；
5、步骤3，结合拉格朗日粒子跟踪算法计算漂浮物轨迹。
6、优选地，所述步骤1为读取海洋环境数据的经纬度和流场数据，并将数据初始化为规则网格，将网格数据、积分步长、积分总时长作为参数输入，进行四阶龙格库塔常微分方程求解，获取积分后的网格数据。
7、优选地，所述步骤1具体是指：读入海洋数据中的经度、纬度和水平方向的流场数据u和v分量，根据研究对象及数据本身的分辨率，初始化规则网格，网格加密程度不宜太过稀疏，避免提取到的lcs分辨率不足，网格加密程度也不宜太过密集，分辨率太高会使计算量变大；将细分好的经纬度网格数据转化为以米为单位的笛卡尔坐标系网格数据，与流场分量u和v、积分步长、积分总时长作为参数输入，进行四阶龙格库塔积分，获取网格节点在下一积分步长的新坐标与新流场分量，构成新的经纬度网格数据，循环步骤1，积分结束后获得新的经纬网格数据。
8、优选地，所述步骤2中基于计算所得的新网格数据，计算张量场及其特征向量和特征值，获得有限时间李雅普诺夫指数场，设定有限时间李雅普诺夫指数的阈值，即可提取拉格朗日拟序结构。
9、优选地，所述步骤2具体是指：基于步骤1计算所得的网格数据计算柯西格林应变张量场，计算张量场的特征向量和特征值，根据公式(1)计算有限时间李雅普诺夫指数场，设定有限时间李雅普诺夫指数的阈值，即可提取拉格朗日拟序结构；
10、
11、其中，σ是有限时间李雅普诺夫指数，t是积分总时长，是柯西格林应变张量的最大特征值，是积分t时间后每相邻两个点的距离梯度，是初始时间每相邻两个点的距离梯度。
12、优选地，所述步骤3为在流场中布放漂浮物初始位置，将漂浮物的位置数据、时间、流场数据作为参数输入，进行拉格朗日粒子跟踪计算，获取漂浮物的运动轨迹。
13、优选地，所述步骤3具体是指：布放漂浮物初始位置，所述漂浮物为海洋垃圾、浮标无自主动力漂浮物；将漂浮物的位置数据、时间、流场数据作为参数输入，进行拉格朗日粒子跟踪计算，获取漂浮物的运动轨迹，计算漂浮物与lcs的距离，则距离最近或重合的lcs即为漂浮物的聚集区域，漂浮物将沿着该lcs运动，实现漂浮物轨迹预测。
14、本专利技术的有益效果如下：针对现有轨迹预测计算复杂，通过结合lcs和拉格朗日粒子跟踪算法，可以不考虑风、波浪对漂浮物的影响，从流场中提取出的拉格朗日拟序结构可以表征漂浮物的移动轨迹和聚集区域，在一定程度上可以预测漂浮物的运动轨迹。
本文档来自技高网...【技术保护点】
1.一种基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：包含以下步骤：
2.根据权利要求1所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤1为读取海洋环境数据的经纬度和流场数据，并将数据初始化为规则网格，将网格数据、积分步长、积分总时长作为参数输入，进行四阶龙格库塔常微分方程求解，获取积分后的网格数据。
3.根据权利要求2所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤1具体是指：读入海洋数据中的经度、纬度和水平方向的流场数据u和v分量，根据研究对象及数据本身的分辨率，初始化规则网格，网格加密程度不宜太过稀疏，避免提取到的LCS分辨率不足，网格加密程度也不宜太过密集，分辨率太高会使计算量变大；将细分好的经纬度网格数据转化为以米为单位的笛卡尔坐标系网格数据，与流场分量u和v、积分步长、积分总时长作为参数输入，进行四阶龙格库塔积分，获取网格节点在下一积分步长的新坐标与新流场分量，构成新的经纬度网格数据，循环步骤1，积分结束后获得新的经纬网格数据。
4.根据权利要求1所述的基于拉格朗日拟序结构的漂浮物轨迹
5.根据权利要求4所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤2具体是指：基于步骤1计算所得的网格数据计算柯西格林应变张量场，计算张量场的特征向量和特征值，根据公式(1)计算有限时间李雅普诺夫指数场，设定有限时间李雅普诺夫指数的阈值，即可提取拉格朗日拟序结构；
6.根据权利要求1所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤3为在流场中布放漂浮物初始位置，将漂浮物的位置数据、时间、流场数据作为参数输入，进行拉格朗日粒子跟踪计算，获取漂浮物的运动轨迹。
7.根据权利要求6所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤3具体是指：布放漂浮物初始位置，所述漂浮物为海洋垃圾、浮标无自主动力漂浮物；将漂浮物的位置数据、时间、流场数据作为参数输入，进行拉格朗日粒子跟踪计算，获取漂浮物的运动轨迹，计算漂浮物与LCS的距离，则距离最近或重合的LCS即为漂浮物的聚集区域，漂浮物将沿着该LCS运动，实现漂浮物轨迹预测。
...【技术特征摘要】
1.一种基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：包含以下步骤：
2.根据权利要求1所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤1为读取海洋环境数据的经纬度和流场数据，并将数据初始化为规则网格，将网格数据、积分步长、积分总时长作为参数输入，进行四阶龙格库塔常微分方程求解，获取积分后的网格数据。
3.根据权利要求2所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤1具体是指：读入海洋数据中的经度、纬度和水平方向的流场数据u和v分量，根据研究对象及数据本身的分辨率，初始化规则网格，网格加密程度不宜太过稀疏，避免提取到的lcs分辨率不足，网格加密程度也不宜太过密集，分辨率太高会使计算量变大；将细分好的经纬度网格数据转化为以米为单位的笛卡尔坐标系网格数据，与流场分量u和v、积分步长、积分总时长作为参数输入，进行四阶龙格库塔积分，获取网格节点在下一积分步长的新坐标与新流场分量，构成新的经纬度网格数据，循环步骤1，积分结束后获得新的经纬网格数据。
4.根据权利要求1所述的基于拉格朗日拟序结构的漂浮物轨迹预测方法，其特征在于：所述步骤2中基于计算所得的新网...
【专利技术属性】
技术研发人员：林文欣，王雨萱，王伊铭，徐亚洲，
申请(专利权)人：中国船舶集团有限公司第七一五研究所，
类型：发明
国别省市：
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。