[发明专利]一种融合多因素的MOS风暴潮过程灾害模拟方法

说明书

本发明涉及海洋灾害预测领域，一种融合多因素的MOS风暴潮过程灾害模拟方法，所述方法包括如下步骤：(1)对热带气旋风暴潮灾害历史过程统计分析，解析出MOS风暴潮模型的特征因素，建立MOS风暴潮模型；(2)确定特征因素矩阵，将特征因素矩阵作为输入，使用支持向量机学习训练，实现热带气旋风暴潮增水模拟。本发明能够优化单纯数值预报和潮位站实测值之间的误差，为后期精细化风暴潮预报业务提供一种新过程模拟思路。

技术领域

本发明涉及海洋灾害预测领域，具体涉及一种融合多因素的MOS风暴潮过程灾害模拟方法。

背景技术

风暴潮是主要的海洋灾害之一，且风暴潮灾害是海洋灾害中破坏力最大的一种，对国民经济和生命财产的安全产生具大的破坏。随着我国沿海经济的飞速发展、沿海城市建设及基础设施快速扩张，风暴潮带来的灾害损失日益加重，常常给沿海地区经济造成几十甚至上百亿的损失。而最新的研究表明，全球变暖背景下极端天气事件如热带气旋的发生频率和强度有加强的趋势。可以预计，随着热带气旋影响的增加，未来风暴潮所造成的生命财产损失将进一步加大，而我国是受热带气旋影响袭击最多的国家之一，因此热带气旋引起的风暴潮成为影响我国沿海最主要的海洋灾害，这也迫使风暴潮增水预报防灾减灾研究工作全面展开。

最初，通过历史观测资料分析风暴潮增水与台风中心气压和风速之间的关系，并使用经验统计方法来对风暴潮增水进行预报取得了初步成果，这些风暴潮预报方法大多是基于分析历史数据的经验预报，而经验预报往往针对特定区域，预报结果值偏差不尽人意。后来，数值模拟的预报精度不断提高，数值模拟预报成为主流的预报方法。风暴潮预报向真三维、高分辨率、多要素分量耦合及资料同化研究也越来越多。利用三维普林斯顿海洋环流模式对美国东海岸风暴潮进行模拟取得较好模拟结果。波浪辐射应力对风暴潮具有影响，特别是对增水极值处的改善最为明显。通过对强台风风暴潮进行数值研究和后报检验，发现台风登陆强度影响着珠江口地区风暴潮预报效果。目前已建立了从南海到珠江口风暴潮多重嵌套的数值预报系统，利用水位资料建立四维变分同化系统，实现南海北部风暴潮预报模式。研究表明数值预报1713号“天鸽”风暴潮强度过程弱于实况。由此可见，数值模型预报结果有时候会弱于或强于实际风暴潮强度。在现有热带气旋风暴潮预报技术条件下，如何解决数值模型预报结果在小尺度区域弱于或强于实况的问题，是当前风暴潮预报亟待解决的问题。而基于支持向量机的机器学习在解决非线性回归模拟方面有着显著的优势，并有诸多的实例应用等。如果融合风暴潮数值预报结果为特征因素，并基于支持向量机非线性回归学习来解决上述问题亦可收到较好效果。因此，有必要提供一种科学的、并能有效的融合多因素的MOS(Model Output Statistics)风暴潮过程灾害模拟方法,这种融合多要素风暴潮模拟方法能够优化单纯数值预报和潮位站实测值之间的误差，这为后期精细化风暴潮预报业务提供一种新过程模拟思路。

发明内容

本发明的目的在于克服上述技术问题的缺点，提供一种融合多因素的MOS风暴潮过程灾害模拟方法，能够优化单纯数值预报和潮位站实测值之间的误差，为后期精细化风暴潮预报业务提供一种新过程模拟思路。

为了解决上述技术问题，本发明采用如下技术方案：

一种融合多因素的MOS风暴潮过程灾害模拟方法，所述方法包括如下步骤：

(1)对热带气旋风暴潮灾害历史过程统计分析，解析出MOS风暴潮模型的特征因素，建立MOS风暴潮模型；

(2)确定特征因素矩阵，将特征因素矩阵作为输入，使用支持向量机学习训练，实现热带气旋风暴潮增水模拟。

进一步的，所述MOS风暴潮模型包括模型输入值和模型输出值，所述模型输入值包括预报增水Ptide_i、路径距离d_i、移动方向值cos(a_i)、最大风度s_i、移动速度m_i、中心气压p_i和7级风圈半径r_i；所述模型输出值为MOS风暴潮增水Ytide_i。