深圳大鹏湾波浪数值预报研究

《深圳大鹏湾波浪数值预报研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、深圳大鹏湾波浪数值预报研究(申请清华大学工学硕士学位论文)培养单位：清华大学环境学院学科：环境科学与工程研究生：方莹指导教师：毛献忠副教授二○一五年十二月NumericalforecastingofwaveinMirsBayofShenzhenThesisSubmittedtoTsinghuaUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinEnvironmentalScienceandEngineeringbyFangYingThesisSupervis

2、or:AssociateProfessorMaoXianzhongDecember,2015摘要摘要深圳大鹏湾位于南海北部，西邻珠江口，东接大鹏半岛，沿岸建有港口、海水泳场、浅海养殖区、以及深水航道，人工作业繁忙。因此湾内波浪的准确预报对于大鹏湾内作业安全、以及海洋灾害预警具有十分重要的意义。同时深圳市为社会经济发展以及公众安全，在深圳周边海域建立了全面的海洋环境浮标监测网络。本文在该监测网络的基础上开展了波浪在线预报模型的研究，该模型包括两部分：基于数据驱动模式的浮标在线预报模型，以及基于海-气耦合数值模式的波浪场区域预报模型。首先基于大鹏湾波浪浮标在线监

3、测数据，采用了数据驱动模式实现大鹏湾单点波浪的在线实时预报。采用两种非线性自回归人工神经网络NAR、NARX对大鹏湾内湾口、大梅沙与东涌浮标站分别进行了3h、6h以及12h的有效波高预报。结果显示大梅沙与湾口站点3h与6h预报的平均误差在0.1m以内；东涌3h、6h与12h预报误差均在0.1m以内，预报相关系数在0.904以上。基于大气中尺度模式WRF与浅水波浪数值模式SWAN的耦合模型WRF_SWAN建立了大鹏湾波浪场区域预报模式。并研究了WRF模式中不同参数如垂直层数、顶部气压、微物理过程对模拟结果的影响，以及采用地理信息管理GIS空间分析模型研究了土地

4、覆被的变化对大鹏湾风场的影响；此外，研究了SWAN模式中白冠破碎速率对波浪场的影响。模型参数率定后大鹏湾内浮标站点的有效波高计算结果平均误差在0.29m以内。为验证WRF_SWAN耦合模式的适应性，将其应用于2014年第15号台风“海鸥”袭击大鹏湾期间的波浪场进行后报验证；验证结果表明在台风“海鸥”期间大鹏湾的有效波高后报平均误差在0.32m以内。最后采用NOAA的全球预报系统GFS提供的气象预报数据作为SWAN_WRF模式的预报初始与边界条件对大鹏湾波浪进行72h预报。湾口波浪预报绝对误差为0.23m，精度满足日常预报要求。计算结果说明本文所建的WRF_S

5、WAN耦合模式适用于深圳大鹏湾的波浪预报。关键词：非线性自回归神经网络；WRF大气模式；SWAN波浪模式；波浪预报IAbstractAbstractMirsBayofShenzhenissituatedinthenorthoftheSouthChinaSea,theeastofthePearlRiverestuary,andthewestofDapengPeninsula.Thereareports,swimmingresorts,marineaquiculturezonesanddeep-waterchannelsalongthecoastinthebay

6、.Marineactivitiesareverybusy,thereforeaccurateforecastingofwavesisofgreatsignificanceforthesafetyofoperationandmarinedisasterwarning.ThegovernmentofShenzhensetsupthebuoysnetworkformarineenvironmentmonitoringintheShenzhenwaters.Basedonthemonitoringnetwork,thispapertriedtosetupthewav

7、eforecastingmodelinginMirsBay,whichincludes:data-drivenwaveforecastingmodel,andregionalwaveforecastingbasedonatmosphere-oceancoupledmodel.Firstly,thedata-drivenmodelwasdevelopedforon-linewaveforecastingusingthebuoyon-linemonitoringdata,inwhichnonlinearautoregressivenetwork(NAR)andn

8、on-linearautoregressivenet