[发明专利]基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法

说明书

本发明公开了一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法，属于海洋科学及海洋工程技术领域。包括以下步骤：S1，对区域内收集水文地形资料，建立Delft3D水动力模型并验证；S2，建立主要历史台风数据库，罗列风暴潮驱动要素集；S3，基于Monte Carlo重组风暴潮驱动要素；S4，选取合适的台风场模型并验证；S5，基于典型历史台风的风暴潮模拟并预测极端高水位。本发明综合考虑了气候变化以及海平面上升对极端水位值的影响，可用于预测不同重现期的极端水位，以及风暴潮涌浪的数值预报，有利于防灾减灾以减轻沿海脆弱地区的灾难损失，有助于合理的规划与设计。

技术领域

本发明属于海洋科学及海洋工程技术领域，主要涉及到一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法。

背景技术

风暴潮灾害居海洋灾害之首位，世界上绝大多数因强风暴引起的特大海岸灾害都是由风暴潮造成的。风暴潮作用下的气旋风速大都在17米/秒以上，甚至在60米/秒以上，气旋大风及其引起的海浪会摧毁巨轮，飓风级的风力能损坏甚至摧毁陆地上的建筑、桥梁、车辆等。气旋暴雨造成的洪涝灾害，来势凶猛，破坏性极大，也是最具危险性的灾害。当气旋移向陆地时，由于气旋的强风和低气压的作用，使海水向海岸方向强力堆积，潮位猛涨，强气旋的风暴潮能使沿海水位上升5-6米。如果风暴潮与天文大潮高潮位相遇，能产生更高的水位，导致潮水漫溢，海堤溃决，冲毁房屋和各类建筑设施，淹没城镇和农田，造成大量人员伤亡和财产损失。

因此，准确、及时地进行涌浪的数值预报，是防灾减灾的关键任务。日益加剧的威胁已经促使研究者通过一种建模方法来开发准确及时的预测风暴潮极端水位，以减轻沿海脆弱地区的灾难。

发明内容

本发明所要解决的技术问题在于，针对及时准确预测风暴潮极端水位的需求，提供了一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法，可用于对预测不同重现期的极端水位，可用于风暴潮涌浪的数值预报，有利于防灾减灾以减轻沿海脆弱地区的灾难损失。

为解决上述技术问题，本发明采用了如下技术手段：

本发明提出一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法，包括以下步骤：

S1，对区域内收集水文地形资料，建立Delft3D水动力模型并验证；

S2，建立主要历史台风数据库，罗列风暴潮驱动要素集；

S3，基于蒙特卡罗方法重组风暴潮驱动要素；

S4，选取合适的台风场模型并验证；

S5，基于典型历史台风的风暴潮模拟并预测极端高水位。

进一步的，本发明提出的一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法，所述步骤S1对区域内收集水文地形资料，建立正交化曲线网格，划定区域边界，对研究区域进行局部加密；其中外海开边界的位置应远离研究区域，采用通过ADCIRC模型的调和分析模块得到水位时间序列。

进一步的，本发明提出的一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法，所述步骤S1建立Delft3D水动力模型并验证，是利用潮位观测资料进行模拟潮位验证。

进一步的，本发明提出的一种基于随机统计模型与水动力模型耦合的风暴潮极端水位预测方法，所述步骤S2建立主要历史台风数据库，是采用模拟圆法，具体是：提取在一定时期内途径以要模拟的地点为模拟中心，以设定的距离为半径的圆的所有气旋，以这些气旋的记录作为研究对象；

所述罗列风暴潮驱动要素集，是罗列典型气旋参数，包括：中心气压、最大风速半径、移动速度、流入角及登陆或近岸特征。