马尔代夫海域水位、海流数值预报研究

基于无结构有限体积法海洋模式(FVCOM),建立了马尔代夫双重嵌套的水位、海流预报模式,并实现了业务化运行。利用三角网格提高重点区域(马尔代夫大桥及岛屿附近海域)的分辨率,最高网格分辨率达到45 m。垂向分层采用σ-s混合坐标的方式划分,分为31层,分别在表层和底层进行加密。采用GFS预报的风场、气压场和热通量结果制作模式表面强迫场文件。在开边界处与HYCOM预报结果进行嵌套,在斜压条件下,采用热启动的方式,业务化模拟了马尔代夫海域2020年的水位流场过程。结果表明,模式能够较好地再现计算海域内天文潮和综合水位的预报,模式预报的水位值与潮位站实测值非常接近。     

海流资料可以帮助气候预报

美国家海洋和大气管理局(NOAA)科学家们证实,实时获得的重要的海流资料可以导致更准确的短期气候预报。 西雅图NOAA太平洋海洋环境实验室的一组研究人员开发了一种声学仪器系统能感测从海表到820英尺(1英尺=0.3048米)深的海流。这种下视声学多普勒海流廓线仪已用于赤道太平洋上一个系泊深海浮标上收集和处理海流资料,每天8小时通过卫星把资料发送到西雅图的实验室。赤道海洋海流输送热量,影响全球大气环流,是评价短期气候变化的关键因子。 自1979年以来,使用一系列悬挂在系泊浮标附近不同深度的机械海流表测量赤道太平洋海流。数据储存在仪表中,但几个月才能分析一次,因为调查船巡视浮标需要时日。     

赤潮预报的人工神经网络方法

基于渤海湾赤潮观测数据(2003年5月~9月),对藻类浓度与环境因子进行了相关性分析,选择出影响藻类浓度的主要环境因子,然后对主要环境因子作主成分分析,在主成分分析的基础上,建立了一个用于赤潮预报的人工神经网络模型。     

海流的质量输送分离及其预报的初步研究

本文引入质量输送概念,利用三次实测余流、密度、深度和风的资料,分离出常流质量输送和风海流质量输送两部分的六个要素,归纳了过去的风海流圆和椭圆分离法。以东海北部近岸的A站为例,提出了根据风速、风向查对和计算各层风海流的表格形式,供预报余流之用。实测余流与预报值比较,结果较好,量值正确率平均为78％,方向误差为31°。     

基于高低潮的风暴增水人工神经网络预报模型

针对只有高低潮数据的情况,利用人工神经网络建立起一种预报当前台风时刻后第一个高潮时增水的模型。该模型选取台风在当前时刻、前6 h、前12 h、前18 h的中心经度、纬度、最大风速、中心气压以及当前时刻前第一个高潮时刻的风暴增水为输入单元。台风当前时刻后第一个高潮时刻风暴增水为模型输出单元。利用历史资料形成的规范化后的模式对,对模型进行训练,训练成功后,结合台风因子预报模型,即可用于风暴增水的预报。经过长江口高桥站高低潮实测资料的检验,结果表明该模型提取到了风暴增水效应,说明该模型可用于风暴增水的预报。     

渤海三维海洋温度和海流数值预报

"十·五"期间,我国开展了三维海洋温度和海流数值预报的业务化研究工作.经过3年的努力,渤海三维海洋温度和海流数值预报系统研制完成,并于2003年10月,开始试预报.本文对该预报系统以及运行情况进行了介绍,并分析了所存在的问题和发展方向.     

预报台风风暴潮极值的人工神经网络方法

本文提出预报台风风暴潮极值的人工神经网络方法，并以广东省海门测站为例，进行了具体研究，其拟合相对误差不超过８．１％，预报相对误差不超过９．７％，结果表明，该方法性能良好，可望成为台风风风暴潮极值预后的有效辅助手段。     

基于无人机光学图像的海流观测方法研究

海流信息在海上航行、海洋资源勘探等方面有着重要的应用,传统的现场和遥感观测方式不能满足大面积、实时观测海流的要求。基于无人机平台的光学海洋遥感技术具有机动灵活、成本低、分辨率高的特点,近年来在海洋环境监测中得到应用。然而,由于小型无人机容易受飞行姿态、太阳耀斑等因素的影响,目前在海流观测方面还不成熟。本文提出了利用小型无人机获取高分辨率海面流场的方法,并分析不同因素对观测结果的影响。首先,对无人机获取的光学海面图像做预处理,消除几何成像和图像噪声等因素的影响,并通过分析图像灰度值均值的变化,减小太阳耀斑对图像的影响;然后,基于三维傅里叶变换和海浪的频散关系反演海流,并将反演结果与浮标实测的海流数据进行对比,验证了该方法的可靠性。其次,结合实验数据详细分析了不同因素对海流反演的影响:在本文的实验条件下(有效波高0.2～1.5m,波浪主波周期3.8～5.7s),当图像空间分辨率为0.15m、反演子图尺寸在波浪主波波长的2～3倍时,海流的反演误差较小;增加图像幅数和提高时间分辨率也有利于提高海流的反演精度。现场观测实验的结果表明,本文提出的无人机观测海流技术可以有效获取海流信息。     

人工神经网络在潮汐数值预报中的应用

潮汐数值预报经过了几十年的发展,但是其预报精度并不能让人十分满意,本文试图将传统的潮汐数值预报模式与近年来发展迅速的人工神经网络相结合并改进潮汐数值预报的精度。文章建立了一个神经网络系统,采用潮汐数值模式的输出结果作为网络输入,潮位观测资料作为输出,用建立的神经网络进行训练,结果表明人工神经网络可以明显地改进潮汐数值预报的精度。     

人工神经网络技术在海浪预报中的应用

利用人工神经网络中的BP算法，建立了南海硇洲岛海区风浪的预报方案。结果表明，人工神经网络方法在海浪的定性及定量预报上，均有较好的拟合历史风浪浪高的能力。该方案对风浪浪高的预报也达到一定的精度。文中还针对BP网络容易产生振荡，易发生不收敛的情况，建立了不同的预报方案并进行了对比分析，达到了较好的预报效果。     

基于高频地波雷达的多时间尺度海流研究

近海海流受多种动力过程及岸线岛屿的作用呈现空间和时间尺度上的复杂变化,而地波雷达由于其探测面积广、时间分辨率高的特点成为研究这些变化的有效手段。本文利用舟山海域多年高频地波雷达资料,通过潮流调和分析、低通滤波和相关性分析对该海域海流潮周期、极端事件、季节、年际尺度的动力过程进行了解译。研究表明,舟山海域属于正规半日潮,潮流运动形式以顺时针旋转流为主,流速大小在空间上为东北方向较大,往西南方向逐渐减小,并在近岸处得到增强。余流的年际变化并不显著,但存在着明显的季节变化,例如冬季为南向流,流速减小,空间分布上近岸较外海大,而夏季与之反向,为北向流,流速较大,空间分布较为均匀。进一步分析了风与余流之间的相关性,在大风期间,风与余流的速度相关系数在0.48～0.90之间,方向相关系数在0.55～0.68之间。极端事件发生时,速度、方向的相关系数分别高达0.92与0.91。总体而言,通过分析高频地波雷达数据能够较好地反映舟山海域海流的时空特征,为海洋灾害监测和污染物、藻华的输运研究提供依据。     

海流流速计算的研究

由于大范围同步连续观测海流流速很困难,这才产生建立一定的理论及方法认真计算海流流速的要求.可是,过去沿用至今的动力计算^[1],方法虽简便,但只能计算因密度分布所生的梯度流(或地转流),且存在着既不考虑风力,又不顾及湍流摩擦力,再加无运动面难以确定,即令设法作出浅海订正,其结果又往往与事实不符等根本性缺陷;而如籍Ekman漂流理论计算海流,又仅能计算因风所生的漂流,且还存在着既不考虑海水密度分布,又视海面无倾斜,再加湍流动力粘滞系量难以确定等与实际相差较远的理论依据.近代兴起的一些海流数值计算,又往往都局限于全流或深度平均流速的计算.因此,建立一种既考虑到海洋内部海水分布,又考虑到海面风力外加海面大气压力作用,顾及到海洋中湍流摩擦力,又体现流速随深度变化,而更重要的是应用起来简易的计算海流流速的理论及方法,便成为很需要解决的问题了.     

基于水平轴海流能发电系统的海流流速神经网络软测量

为了解决海流能发电系统中,有效海流流速难以测量的问题,提出将水平轴海流能发电系统当成一个大型流速仪,用于海流流速的软测量研究。分析了水平轴海流能发电系统的工作原理和运行过程,建立了基于BP人工神经网络的软测量数学模型。将叶轮机转速,发电机输出功率和占空比信号作为输入变量,将海流流速作为输出变量。仿真结果表明,所建立的BP神经网络是海流流速软测量的有效方法,能较好地跟踪有效海流流速的变化趋势,并具有较高的估计精度。     

人工神经网络技术在台风浪预报中的应用

利用人工神经网络中的BP算法，结合南海硇洲岛海区近30年的台风及台风浪资料，经预期因子的选择并作对比试验，建立了本海区较为理想的台风浪人工神经网络预报模型。结果表明：人工神经网络方法在台湾浪的预报上，有较好的拟合历史台风浪高的能力，利用该模型对台风浪高的预报也达到了一定的精度。为实际台风浪浪的预报增加了新方法、新思路。     

基于GPRS的网络化实时海流监测系统的研究

针对目前海流监测中存在的种种弊端,提出基于GPRS的网络化实时海流监测系统.介绍了系统的工作原理,设计了具有海流监测功能的多参数水文监测仪器,并给出了远程数据中心监控应用软件和数据中心服务器的实现方法.     

人工神经网络在风暴潮增水预报中的应用

本文根据1967～1982年问影响湛江站增水的热带气旋资料，选取了其中对湛江站增水影响比较显著的因子，运用人工神经网络中的BP算法，建立了湛江站风暴潮增水预报的人工神经网络模型，并使用贝叶斯优化算法提高了BP网络模型的预报能力，结果表明所建BP网络模型的训练拟合效果和预报效果都比较好。表明该网络模型可以用于湛江站风暴潮增水的预报。同时本文也为其它的港口、码头等近岸海洋工程风暴潮增水的预报提供了一个有效可行的方案。     

人工神经网络在成山头风预报中的应用

成山头处于山东半岛最东端,由于其特殊的地理位置,使得成山头站的风对黄海海面风有很好的指示作用。本文使用2005年10月—2010年9月NCEP再分析资料(1o×1o)和实况观测资料,采用动态学习率BP网络(前馈反向传播Back Propagation,简称BP网络)算法的人工神经网络建立模型,在对T639数值预报产品解释释用基础上,针对成山头站进行了24 h和48 h模拟预测。模型预测结果显示,BP网络模型对成山头站的风力预报相对T639模式的平均绝对误差降低了28.2%(24 h)和19.7%(48 h)。对容易致灾的6级以上大风准确率提高显著,尤其是在T639模式对8级以上大风完全漏报情况下,BP模型在24 h仍有25%的预报准确率,48 h能达到50%的准确率。     

污染的海流

加拿大Ｍａｕｒｉｃｅ—Ｌａｍｏｎｔａｇｎｅ研究所的ＣａｒｌｅｓＧｏｂｅｉｌ及其同事对北冰洋几个盆地的沉积物岩心进行了金属铅含量的测定。经研究发现 ,铅来源于人类的活动。在较浅的加拿大盆地 ,铅含量在所有采样深度基本相同。但是 ,在较深的欧亚和格陵兰沿海盆地 ,他们发现最浅层位的铅含量最高。这些地区的污染源极有可能是最近７０ａ以来人类产生的污染物。研究小组测定了地层顶部２～３ｃｍ深度至自然铅出现的较深层位的铅同位素比值。将北极地区几个不同地点的发现结果进行比较 ,对比值出现异常。为确定这些额外的铅的来源 ,他…     

渤海海域三维海流数值模式及预报业务化应用系统

本文详细介绍了渤海海域三维海流数值模式及预报业务化应用系统的组成、主要功能及特点,同时介绍了软件开发中使用的方法、关键技术及创新点。该系统软件具有方便灵活,移植性强和可视化高等特点,可以为海岸建设、海上排污,溢油,赤潮等海洋工程、污染事件提供准确及时的流场分析预报。     

人工神经网络技术在海底沉积物声速预报中的应用

海底沉积物物理力学若干项参数与其声学性质存在着一定的关系.用回归拟合方法获得海底沉积物声速预报方程存在不足,难以获得3参数以上的声速预报方程.采用人工神经网络智能方法,建立了多参数声速预报神经网络模型.研究表明:2参数神经网络模型的预报误差比相应的2参数回归模型小,3参数神经网络模型的预测精度要高于2参数神经网络模型.为海底沉积物的声速预报提供了一条新途径.