【CAE案例】数据同化在一维水动力洪峰预报模型中的应用

研究背景

我国是世界上水灾频发且影响范围较广泛的国家之一。全国约有35%的耕地、40%的人口和70%的工农业生产经常受到江河洪水的威胁,洪水灾害所造成的财产损失居各种灾害之首。
因此,制定合理防洪调度策略减轻洪涝灾害是我国流域管理的最为紧迫和重要的任务之一。
防洪措施分为工程措施与非工程措施,非工程措施则主要指利用包括建立洪水预报、调度和警报系统。其中,洪水预报与调度一直是颇具挑战性的课题,及时、准确地进行洪水预报并指导流域水库洪水调度,不仅可以有效减少洪水对人类生命和财产造成的损失,还可以在保证上、下游洪水安全的情况下,提高洪水资源利用率。今天将从实时洪水预报的角度切入,讲解数据同化在一维水动力洪峰预报模型中的应用。

案例展示
 
法国的马尔纳河流域属于喀斯特地貌,地形复杂,这大大增加了在模型中准确设置上游流量和横流流量的难度。当地洪水预报中心针对马尔纳流域建立了两个模型,分别为Marne Village model和 Marne Amont Model,见图1。
这两个模型虽然可以达到洪水预测的目的,但是其忽略了支流和地形的影响导致模型结果精度不够。
为了提高预测精度,法国机构CERFACS的工程师将两个模型合成为一个全局模型,并且使用软件OpenPALM与Mascaret耦合,将数据同化的算法应用到一维水动力模型中,以此来对原本忽略的喀斯特地貌和各支流带来的非线性影响进行统一的推演。
注:数据同化(Data Assimilation,下文中以DA表示)是用于减少模型不确定性的方法之一,数据同化能够结合观测数据和数值模拟结果推算出最佳估值,具有预报和降低数值模拟的不确定性这两种优点。
模型概述
 
全局模型中上游流量的边界条件根据五个上游观测站(Marnay, Louvieres, Villiers, La Crete和Humberville)的数据给定,并且设置了五个横流,横流Q1代表Suize河,Q2和Q3代表Rongon流域的Seurre河,Q4代表Mussey河上游支流以及Q5代表Chamouilley河的流量。马尔纳河流域没有对应的水文降雨-径流模型,鉴于该流域河流流量的对海洋降雨事件的齐次响应(homogenous response),全局模型中可以用观测站的监测流量乘以一个系数 Ai( i∈[1,5]) 表示横流流量,达到在模型中包含降雨形成的径流量的目的。

【CAE案例】数据同化在一维水动力洪峰预报模型中的应用的图1

图1:马尔纳流域地形图,其中虚线圈出的为全局模型中包含的两个子模型。黑色三角形代表水利观测站S1, S2, S3和S4。横流(黑色圆点)为Q1, Q2, Q3, Q4和Q5,括号里标注的为横流对应的观测站。
施加在全局模型中的数据同化算法为扩展卡尔曼滤波法(Extended Kalman Filter)。通过这种数据同化算法,结合2001-2010年法国发生的10次洪水事件的数据,可以对横流流量进行精确的时变估计,使模型重现12次洪水事件,从而验证模型的精度。其中,为了防止测量活动中有失误,全局模型中考虑流量观测数据的标准差为5 m3/s。对于每次洪水事件,模型都会进行多次循环推演:在循环k中,前8小时先根据观测数据来预测最佳的Ai值,然后根据预测值Ai计算五个横流流量(Q1, Q2, Q3, Q4和Q5)并进行24小时的洪水预报模拟。
模型结果
 
全局模型分别在无数据同化(free run)和有数据同化(DA)两种情况下运行,得出的结果表明了将数据同化应用到洪水预报中的益处。表1总结对比了10次洪水事件中,无数据同化和有数据同化两个模型在每个观测站的最大预见期(预见期越长,当局开展应急处理的时间越充分)内计算得到的平均纳什系数(Nash-Sutcliffe coefficient)。其中纳什系数是衡量模型结果好坏的标准,当纳什系数的值接近1时,表示模型质量好,结果可信度高;值接近0时,表示模拟结果接近观测值的平均值水平,即总体结果可信,但过程模拟误差大;值远远小于0时,则模型是不可信的。经过对比可以得知,使用数据同化后,模型的质量得到了显著提升。 
表1: 2001-2010 年期间10 次洪水事件每个观测站的最大预见期内无数据同化和有数据同化模型模拟得到的平均纳什系数

观测站

S1

S2

Joinville

S3

S4

最大预见期

+6h

+10h

+13h

+12h

+21h

无数据同化(Free run

0.61

-0.2

0.14

0.01

-1.38

有数据同化 (DA)

0.87

0.8

0.55

0.78

0.47

无数据同化和有数据同化这两个模型模拟的2010年12月的主要洪水事件(预见期12 h)的结果对比如图2所示,相对较粗的线段表示流量数据,对应左边的纵坐标;较细的线段表示水位数据,对应右边的纵坐标。蓝色点线为Mussey观测站的观测数据,总体来说,采用数据同化后模型的预测值(红色虚线)更接近观测值,模型得到的流量结果与观测值的吻合度比水位结果的更高。模型采用的摩擦系数Ks可能是导致此现象的原因。

【CAE案例】数据同化在一维水动力洪峰预报模型中的应用的图2
图2: 2010年12月预见期12h(Mussey观测站)的流量(粗曲线)和水位(细曲线)图:观测数据(蓝色点线),数值模拟无数据同化(free run)(黑色实线),数值模拟有数据同化(DA)(红色虚线)

全局模型中采用的摩擦系数Ks是在校准10次洪水事件的流量数据过程中得到的平均值。Mussey河段对应的摩擦系数为20,漫滩对应的摩擦系数为13。为了解决摩擦系数引起的不确定性,对于数据同化模型结果比观测值更高的部分(见图3,粉色阴影区域),将Mussey河段的摩擦系数改为27,漫滩的摩擦系数改为15;针对数据同化模型结果比观测值更低的部分(见图3,蓝色阴影区域),河段摩擦系数改为16,漫滩摩擦系数改为9。修正摩擦系数后,模型模拟得到的流量数据结果不变,和原模型的结果一致;而修正后的水位数据和观测值吻合度明显提高,峰值相对原模型更接近观测数据。

【CAE案例】数据同化在一维水动力洪峰预报模型中的应用的图3
图3: 2010年12月预见期12h(Mussey观测站)的流量(粗曲线)和水位(细曲线)图:观测数据(蓝色点线),数值模拟有数据同化(DA)(红色虚线),数据同化+调整的摩擦系数(绿点)
研究结论
综上所示,结果表明数据同化可以有效地减少模型不确定性,并能提高模型预测数据的精度。经过10次洪水事件的推演重现,模型的可靠度得到证明,该模型已经被国家洪水预报中心采用并整合到官方的洪水预报平台中。
小结

今天主要讲述将数据同化算法运用到一维水动力模型进行洪水流量和水位预报的案例。防汛工程中,使用洪水预报模型进行洪水演示,预报洪峰流量、出现时间、最高水位及洪水过程,可以为调节泄洪水位、下游洪水预报及防洪调度提供依据。

更多资讯可登录格物CAE官方网站

https://cae.yuansuan.cn/

或关注公众号【远算云学院

远算在bilibili、知乎、技术邻定期发布课程视频等内容

敬请关注

技术邻.png

CAE数值模拟仿真模拟

【CAE案例】数据同化在一维水动力洪峰预报模型中的应用的评论0条

    暂无评论

    【CAE案例】数据同化在一维水动力洪峰预报模型中的应用的相关视频课程

    【CAE案例】数据同化在一维水动力洪峰预报模型中的应用的相关案例教程

    将jnl文件复制一份,重命名后缀为.py的文件,打开abaqus,file-->run script, 运行一遍该py文件。但要注意你原始导入的几何或孤立网格文件还在原来的文件夹位置下。
    引言: 当下,汽车行业面临巨大挑战,各个车企之间的竞争,已经由之前粗暴的增量竞争模式,演变到现在更加残酷的存量竞争模式,这关系到每个车企的生死存亡,也对每个车企提出了更高的要求。一方面,车企需要不断适应市场的需求,加快产品开发的速度;同时,车企还必须提升产品的品质,增强产品竞争力。这也对每个参与其中的汽车工程师提出了更高的要求。 如何对车身、底盘、内外饰等的结构进行快速地优化,提升性能要求的同时,
    摘 要:精铸件在汽车支架类零件中应用十分广泛,其分析精度的准确性对于产品的使用性能以及整车的安全性能有着非常重要的作用,产品CAE分析精度主要影响因素有分析模型的合理性、分析工况的全面性、铸件网格模型的选择、连接单元的建模方法、铸件后处理结果的读取对结果的判定等,本文中采用一实例吊耳支架总成结构来进行验证,该支架在路试中出现裂纹,通过调整分析模型得到分析结果与实物裂纹位置一致,并通过优化手段对结构
    01 案例背景 研究的闸坝始建于1935年,为砖石混凝土结构,高24m,宽17m,有3个闸门。20世纪70年代开始,大坝出现坝体开裂和闸门卡住的现象,初步判断闸门卡住现象由地质运动引起。1990年起,运维单位对坝址处的地质运动进行监测,显示地质运动导致的位移量约为每年3mm。2010年后闸门卡住现象出现频次显著增加。因此,目前考虑通过完全重建或者部分改造,将大坝寿命延长几年或几十年。考虑到经济因素
    本人自毕业就开始从事CAE仿真分析工作,前后有七余载,后由于机缘巧合便转入全职CAE二次开发,至今也将近两年时间。在这总共近十年内始终混迹于CAE仿真行业。工作期间的经历既有成功带来的成就感与喜悦,也有失败带来的失落与困惑;既有来自周围人的信任与鼓励,也不乏严峻的挑战与质疑。回顾过往颇有诸多感悟,现总结于此,以作记录,希望对即将踏入CAE仿真行业或已入行不久仍有疑虑的同行们提供参考意见;同时也愿与
    首席工程师
    影响力
    粉丝
    内容
    获赞
    收藏
      项目客服
      培训客服
      0 0