共查询到18条相似文献，搜索用时 164 毫秒
1.
对在浙江省温岭登陆的“９７１１”号台风的风暴潮预报过程作了回顾,总结了预报成功的经验,探讨了对海门站预报误差较大的原因。预报实践证明,正确的气象预报是台风暴潮预报的基础,密切关注风暴的增水变化,随时调整预报值是风暴潮预报的关键。 相似文献
2.
对在浙江省温岭登陆的“9711”号台风的风暴潮预报过程作了回顾, 总结了预报成功的经验, 探讨了对海门站预报误差较大的原因。预报实践证明, 正确的气象预报是台风暴潮预报的基础,密切关注风暴的增水变化,随时调整预报值是风暴潮预报的关键。与实测资料比较,“9711”号台风高潮位的预报是及时、准确的,它为进一步提高风暴潮的预报精度和时效积累了经验 相似文献
3.
预报台风风暴潮极值的人工神经网络方法 总被引：2，自引：1，他引：2
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。 相似文献
4.
本文将广东省海门测站的多年台风风暴潮资料分为西北型、混合型两大类,分别经过一、二、三元回归分析比较,表明该站台风风暴潮与气压示度、风应力和台风移速的相关性。在变量因子的取值方法上,采用加权法,使之所建立的极值预报公式更客观,并适用各种路经的台风所引起风暴潮的估算,经预报检验效果良好。 相似文献
5.
6.
2004年14号台风“云娜”在浙江省温岭市石塘镇登陆,此次台风引起的大风、巨浪以及连续暴雨给浙江南部沿海构成极大威胁,台风风暴潮造成的沿岸高潮增水呈北面大南面小的趋势。本文通过对浙南沿海潮位站资料的分析,目的在于总结预报经验,提高台风风暴潮的预报精度。 相似文献
7.
8.
本文对2002第16号台风“森拉克”的风暴潮灾害过程做了回顾，总结预报经验，分析本次过程浙江沿海各岸段风暴潮特征及成因，提出特殊河口、湾口地形的风暴增水和天文潮相互作用的问题。预报实践证明，及时地根据最新的气象预报和实况观测资料来调整潮位和风暴增水预报值是本次风暴潮预报取得成功的关键。预报和实况的对比结果说明，本次对浙江沿岸各岸段的增水和高潮的过程预报是及时、准确的。台风在登陆前几个小时移动速度突然急剧加快，是本次风暴高潮位预报出现误差的主要原因。 相似文献
9.
10.
《应用海洋学学报》2015,(4)
在准直角坐标下建立了粗细矩形网格嵌套的宁波市台风暴潮数值模式,模式细网格空间分辨率为2',对影响宁波市1949~2007年间的41次台风过程的风暴潮增水进行了后报模拟,将模拟的94个站次的风暴潮增水峰值前后2 d的数据与实测值进行了对比和误差统计,平均绝对误差为23.6 cm,平均相对误差27.6%,说明模式是成功的.进而,引入福建省风暴潮漫堤预警辅助决策模式"一种基于台风路径预报概率圆的风暴潮集合预报模式和基于假想台风增水数据库的风暴潮增水快速预报算法",并集成地理信息系统,建立了宁波市风暴潮漫堤预警辅助决策系统,系统可对宁波市的海塘在台风期间进行风暴潮漫堤预警报.系统于2012年在宁波市水文气象站投入试运行,1209号台风"苏拉"和1211号台风"海葵"的预报结果表明,集合预报结果比单一路径预报结果有不同程度的改善,该集合预报技术可以有效的解决由于台风路径预报偏差引起的风暴潮预报漏报和误报问题,证明模式在宁波市的应用是成功的,为其在更多区域的推广应用提供参考. 相似文献
11.
主要针对2010年度的1014号台风“暹芭”和本年度的首次全国性的强冷空气共同影响下的风暴潮进行分析,结合天气形势,分析其特征,总结浙北海域出现超警戒水位的风暴潮原因,并从调和分析着手,具体分析风暴潮的非线形耦合作用,解释风暴潮具有周期性特征和出现最大增水出现时刻,并简单介绍此次过程我台的监测预报服务工作和灾情的调查等... 相似文献
12.
To avoid property loss and reduce risk caused by typhoon surges, accurate prediction of surge deviation is an important task. Many conventional numerical methods and experimental methods for typhoon surge forecasting have been investigated, but it is still a complex ocean engineering problem. In this paper, support vector regression (SVR), an emerging artificial intelligence tool in forecasting storm surges is applied. The original data of Longdong station at Taiwan ‘invaded directly by the Aere typhoon’ are considered to verify the present model. Comparisons with the numerical methods and neural network indicate that storm surges and surge deviations can be efficiently predicted using SVR. 相似文献
13.
1949—2009年登陆和影响浙江的热带气旋分析 总被引：1，自引：0，他引：1
通过对1949—2009年61年间登陆和影响浙江的热带气旋的时空分布特征、主要影响路径等的分析,发现在7—9月份登陆浙江的热带气旋占登陆总数的92.5%,7—9月份影响浙江的热带气旋占影响总数的82%。影响浙江的热带气旋中登陆福建或在台湾海峡消失的热带气旋占的比重最多。虽然西北太平洋上热带气旋生成个数近年来大幅减少,但登陆浙江的强台风有明显增多的趋势。随着气候的变暖,海水温度的增高,热带气旋生成的时间提早,结束的时间偏迟。另外通过对热带气旋影响时各海岛、沿海和内陆站的大风、暴雨的分析,发现热带气旋影响期间容易引起大风天气的是大陈和嵊山站;容易引起暴雨天气的是温岭、临海和温州站。本文还分析了验潮站最大增水超过1m、2m、3m的时空分布特征。 相似文献
14.
15.
广东沿海台风风暴潮可视化预报系统 总被引：5，自引：0，他引：5
广东省地处南海北部,风暴潮灾害严重。为快速准确做好风暴潮预报并将预报结果应用于防灾减灾中,根据南海预报中心多年来在风暴潮数值预报、经验统计方法预报和潮汐预报的实践,研制了可视化软件。此软件可显示广东省28个沿海主要港口的逐时风暴增水与天文潮位的综合潮位曲线与数值,以动态或静态显示广东沿海海面的增水等值线图,成为业务化预报软件。多年的风暴潮数值预报的实践证明,国家海洋环境预报中心王喜年等在八·五攻关项目中推广应用的台风风暴潮模式,在广东沿岸的风暴潮数值预报中效果较好,可视化预报软件采用这一模式是合适的。 相似文献
16.
2003年广东风暴潮分析和预报总结 总被引：1，自引：0，他引：1
2003年登陆广东的3个台风(0307号伊布都、0312号科罗旺、0313号杜鹃)，中心气压及风力都十分强，分别造成全省沿海较高的风暴潮位，甚至部分沿海破了或平了历史记录。3个强台风同一年登陆广东且分别造成珠江口、粤西、粤东较严重风暴潮的情况十分罕见。本文从台风特性、台风增水、台风风暴高潮位、重现期等方面进行分析，并从中分别总结出我省沿海各岸段台风风暴潮的主要特点及作业预报经验。 相似文献
17.
以实验室二维温带风暴潮数值模型为基础,综合考虑海洋潮波动力与风应力联合作用,建立温带风暴潮三维数值计算模型.模型从推导三维风暴潮基本控制方程出发,并应用交替方向隐格式(ADI)方法对方程进行离散求解.对于浅水动边界,模型采取局部深槽、缩小水域的活动边界处理方法.利用拟三维数值计算方法,并提出了非平面水深等分模式和平面等水深分布模式,应用这两种计算模式分别对渤海湾2009年5月8～10日发生的风暴潮过程进行了数值模拟.将风暴潮位计算结果和增水位计算结果与塘沽验潮站的实际观测数值进行对比验证,结果显示受风应力与潮波联合作用的风暴潮位和增水位与实测数据吻合良好;通过比较得到了平面等水深分布模式的计算成果要比非平面水深等分模式的计算成果更接近观测资料的结论,为风暴潮预报提供了理论依据. 相似文献
18.
Neural network prediction of a storm surge 总被引：4，自引：0，他引：4
The occurrence of storm surge does not only destroy the resident's lives, but also cause the severe flooding in coastal areas. Therefore, accurate prediction of storm surge is an important task during the coming typhoon. Conventional numerical methods and experienced methods for storm surge prediction have been developed in the past, but it is still a complex ocean engineering problem which many factors, including the central pressure of typhoon, the speed of the typhoon, the heavy rainfall, coastal topography and local features influence the variation of storm surge. In fact, this problem is still a complex nonlinear relationship that can not solved efficiently by these two methods. Therefore, this paper presents an application of the neural network for forecasting the storm surge. The original data of Jiangjyun station in Taiwan will be used to test the performance of the present model. The results indicate that the neural network can be efficiently forecasted storm surge using the four input factors, including the wind velocity, wind direction, pressure and harmonic analysis tidal level. 相似文献