[發明專利]一種融合多因素的MOS風暴潮過程災害模擬方法

有效

• 申請號: 201910255562.3
• 申請日: 2019-04-01
• 公開（公告）號: CN109977569B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 張廣平
• 申請（專利權）人: 北部灣大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 李家恒

本發明涉及海洋災害預測領域，一種融合多因素的MOS風暴潮過程災害模擬方法，所述方法包括如下步驟：(1)對熱帶氣旋風暴潮災害歷史過程統計分析，解析出MOS風暴潮模型的特征因素，建立MOS風暴潮模型；(2)確定特征因素矩陣，將特征因素矩陣作為輸入，使用支持向量機學習訓練，實現熱帶氣旋風暴潮增水模擬。本發明能夠優化單純數值預報和潮位站實測值之間的誤差，為后期精細化風暴潮預報業務提供一種新過程模擬思路。

技術領域

本發明涉及海洋災害預測領域，具體涉及一種融合多因素的MOS風暴潮過程災害模擬方法。

背景技術

風暴潮是主要的海洋災害之一，且風暴潮災害是海洋災害中破壞力最大的一種，對國民經濟和生命財產的安全產生具大的破壞。隨著我國沿海經濟的飛速發展、沿海城市建設及基礎設施快速擴張，風暴潮帶來的災害損失日益加重，常常給沿海地區經濟造成幾十甚至上百億的損失。而最新的研究表明，全球變暖背景下極端天氣事件如熱帶氣旋的發生頻率和強度有加強的趨勢。可以預計，隨著熱帶氣旋影響的增加，未來風暴潮所造成的生命財產損失將進一步加大，而我國是受熱帶氣旋影響襲擊最多的國家之一，因此熱帶氣旋引起的風暴潮成為影響我國沿海最主要的海洋災害，這也迫使風暴潮增水預報防災減災研究工作全面展開。

最初，通過歷史觀測資料分析風暴潮增水與臺風中心氣壓和風速之間的關系，并使用經驗統計方法來對風暴潮增水進行預報取得了初步成果，這些風暴潮預報方法大多是基于分析歷史數據的經驗預報，而經驗預報往往針對特定區域，預報結果值偏差不盡人意。后來，數值模擬的預報精度不斷提高，數值模擬預報成為主流的預報方法。風暴潮預報向真三維、高分辨率、多要素分量耦合及資料同化研究也越來越多。利用三維普林斯頓海洋環流模式對美國東海岸風暴潮進行模擬取得較好模擬結果。波浪輻射應力對風暴潮具有影響，特別是對增水極值處的改善最為明顯。通過對強臺風風暴潮進行數值研究和后報檢驗，發現臺風登陸強度影響著珠江口地區風暴潮預報效果。目前已建立了從南海到珠江口風暴潮多重嵌套的數值預報系統，利用水位資料建立四維變分同化系統，實現南海北部風暴潮預報模式。研究表明數值預報1713號“天鴿”風暴潮強度過程弱于實況。由此可見，數值模型預報結果有時候會弱于或強于實際風暴潮強度。在現有熱帶氣旋風暴潮預報技術條件下，如何解決數值模型預報結果在小尺度區域弱于或強于實況的問題，是當前風暴潮預報亟待解決的問題。而基于支持向量機的機器學習在解決非線性回歸模擬方面有著顯著的優勢，并有諸多的實例應用等。如果融合風暴潮數值預報結果為特征因素，并基于支持向量機非線性回歸學習來解決上述問題亦可收到較好效果。因此，有必要提供一種科學的、并能有效的融合多因素的MOS(Model Output Statistics)風暴潮過程災害模擬方法,這種融合多要素風暴潮模擬方法能夠優化單純數值預報和潮位站實測值之間的誤差，這為后期精細化風暴潮預報業務提供一種新過程模擬思路。

發明內容

本發明的目的在于克服上述技術問題的缺點，提供一種融合多因素的MOS風暴潮過程災害模擬方法，能夠優化單純數值預報和潮位站實測值之間的誤差，為后期精細化風暴潮預報業務提供一種新過程模擬思路。

為了解決上述技術問題，本發明采用如下技術方案：

一種融合多因素的MOS風暴潮過程災害模擬方法，所述方法包括如下步驟：

(1)對熱帶氣旋風暴潮災害歷史過程統計分析，解析出MOS風暴潮模型的特征因素，建立MOS風暴潮模型；

(2)確定特征因素矩陣，將特征因素矩陣作為輸入，使用支持向量機學習訓練，實現熱帶氣旋風暴潮增水模擬。

進一步的，所述MOS風暴潮模型包括模型輸入值和模型輸出值，所述模型輸入值包括預報增水Ptide_i、路徑距離d_i、移動方向值cos(a_i)、最大風度s_i、移動速度m_i、中心氣壓p_i和7級風圈半徑r_i；所述模型輸出值為MOS風暴潮增水Ytide_i。