[发明专利]一种基于再分析数据的海浪波向的长期趋势预测方法

说明书

技术领域

本发明属于海浪参数预报技术领域，特别是涉及一种基于再分析数据的海浪波向的长期趋势预测方法。

背景技术

海浪对人们的生产生活有着不可忽视的影响，如沿海港口建设、航道工程等都与海浪有密切关系。海浪波向就是反映海浪特征的一个重要参数，海岸堤线与海浪波向的夹角，直接影响到海岸侵蚀和演变的特征，因此分析预测海浪波向的趋势可有助于更科学的建设港口和海岸防护工程，具有重要的现实意义。传统的观测手段如浮标等，虽然能够精确的获得海浪波向的变化信息，但它们只能获得海浪在固定点的变化，而且覆盖面也非常有限，目前很难在中国海域得到超过20年的连续的海面波浪的浮标观测数据。随着卫星遥感技术的成熟，卫星数据逐渐被应用，有关海浪波向的卫星数据虽有较广覆盖范围，但最多也只是近20年的资料，这就严重制约了对海浪波向长期趋势研究的可靠性。如何克服现有技术的不足是当今海浪参数预报技术领域中亟待解决的问题之一。

发明内容

发明目的：为克服现有技术的不足而提供一种基于再分析数据的海浪波向的长期趋势预测方法，本发明利用全球先进稳定的再分析数据源，采用Box-Cox变换对原始数据进行修正，再依据修正后的海平面气压梯度、海浪波向等气象数据，采用主成分分析方法和长期波向趋势公式，计算和预测各时次的海浪波向的长期趋势，具有很强的可操作性。

技术方案：提出的一种基于再分析数据的海浪波向的长期趋势预测方法，其特征在于包括如下具体步骤：

步骤一，收集基于格点模式的欧洲中尺度天气预测中心的ERA-Interim再分析数据集的20～30年时间段的各时次气象预报数据，其中各时次气象预报数据是指包括4～8小时一次的海平面气压SLP和海浪波向数据；

步骤二，获取所收集的各时次气象预报数据所标格点的坐标，以该坐标为依据，提取与所述各时次气象预报数据所标格点的坐标相对应的海平面气压梯度矩阵GX和GY，如(1)、(2)式所示，海浪波向矩阵θ，如(3)式所示，其中包括m个空间点，每个空间点含有n次观测数据：

其中，GX_mn是第m个空间点的第n时次的海平面气压梯度在经度坐标方向的值，GY_mn是第m个空间点的第n时次的海平面气压梯度在纬度坐标方向的值，θ_mn是第m个空间点的第n时次的波向，m是空间点的个数，n是观测时次。

步骤三，计算基于基于格点模式的ERA-Interim各时次的海平面气压梯度矩阵GX和GY的均值M_X和M_Y，再用海平面气压梯度矩阵GX和GY的原始值减去均值M_X和M_Y，得到基于格点模式的各时次的海平面气压梯度矩阵GX和GY的距平值P_X和P_Y，并计算出海平面气压梯度矩阵GX和GY距平值P_X和P_Y的标准偏差S_X和S_Y，如(4)、(5)式所示：

上述(4)、(5)式中：其中，n表示观测时次，i表示空间点，i＝1…m，j表示观测数据，j＝1…n；

步骤四，对海平面气压梯度矩阵GX和GY距平值P_X和P_Y分别做EOF分析，得到不同成分及各成分对总方差的贡献率，保留前30个EOF和主成分；其中：

对P_X进行协方差计算，得到实对称矩阵L_m×m，其中：

T表示矩阵的转置；

然后求协方差矩阵L_m×m的特征向量V和特征值Λ，如(6)式所示，以满足LV＝ΛV，其中

其中，λ₁≥λ₂≥,...,≥λ_m(6)，

矩阵V是正交矩阵，矩阵V的第j列元素就是特征值λ_j对应的特征向量，其中j取值从1到m；

根据实对称矩阵L_m×m的特征向量V和特征值Λ，计算每个特征向量的方差贡献率和前几个特征向量的累计方差贡献率；按照特征值从大到小的顺序对L进行排序，排在第一位的为EOF₁，以此类推；