基于中小尺度模式与神经网络的登陆台风极值风速特性研究.pdf

第 卷第 期 河 南 城 建 学 院 学 报 年 月 收稿日期：基金项目：安徽省高校自然科学研究重点项目（），滁州学院大学生创新创业训练计划资助项目（）作者简介：张春伟（），男，安徽滁州人，博士研究生，讲师，研究方向为风工程与结构抗风。通信作者：顾留碗（），男，江苏南通人，硕士，副教授，研究方向为 数字地形分析。文章编号：（）：基于中小尺度模式与神经网络的登陆台风极值风速特性研究张春伟，罗文生，顾留碗（滁州学院 土木与建筑工程学院，安徽 滁州 ）摘要：针对传统工程经验模型无法准确反映台风登陆过程中风场随时空发展的变异性和复杂性问题，以 年登陆我国浙江省的超强台风“利奇马”为研究对象，基于 中小尺度模式对其登陆全过程进行了高精度风场模拟，研究了台风影响区域极值风速时空特性，建立了预测登陆台风极值风速和发生时刻的 神经网络模型。研究表明：中小尺度模式能有效模拟登陆台风风场；“台风中心影响区域”极值风速整体上高于“台风外围影响区域”，且极值风速基本出现在前眼壁影响阶段；不同区域的极值风速随台风登陆过程呈减小趋势，海上及大部分沿海、陆地区域在台风登陆前产生极值风速，而内陆区域在台风登陆前后均有可能产生极值风速；同时，构建的 神经网络模型对台风中心、外围影响区域的极值风速预测误差分别为 和 ，极值风速发生时刻预测误差分别为 和 。关键词：台风；极值风速；中小尺度模式；神经网络中图分类号：开放科学（资源服务）标识码（）：文献标识码：，（，）：，；，；，：；台风是对我国东南沿海影响最严重的自然灾害之一，在众多台风参数中，极值风速是衡量台风强度、评估台风破坏性的重要指标。年第 号台风“利奇马”在浙江温岭登陆过程中的极值风速高达 ，造成浙江、安徽、山东等地区共 人死亡，人失踪，万人紧急转移安置，直接导致经济损失 亿元。掌握台风登陆过程影响区域的极值风速时空特性，预测其大小和发生时刻，有助于提前做好防御部署，对抗风防灾意义重大。早期台风极值风速研究通常基于实测数据展开，等 、李秋胜等 、肖仪清等 通过分析台风风场实测数据，对台风平均风速和脉动特性等进行了深入研究，重点对比了台风与良态风风场特性的异同，对规范相关内容提出了补充建议。然而现有测量设备仍然难以兼顾强台风风场实测的广度、稳定性和准确性，导致有效实测数据匮乏，极值风速预测误差明显。在该背景下，等 及 等 基于 方法改进的台风工程经验模型逐渐成为一种可替代实测研究的数值模拟方法，并被大量应用于台风极值风速预测研究 。然而台风工程经验模型本质上是基于简化的大气水平运动方程进行风场求解，并采用了区域气候一致性等理想计算假定，过分依赖台风关键参数概率分布模型及实测数据修正，难以真实反映实际大气环境中台风风场随时间和空间变化的演进过程，在一定程度上限制了台风极值风速的预测精度。近年来，随着高性能计算机技术的飞速发展，以 为代表的中尺度气象模式使台风高精度模拟成为可能。相比于工程经验模型，中尺度气象模式考虑了水汽、长短波辐射、积云和下垫面等物理过程影响，对台风路径和强度等特性模拟更加准确，尤其是结合 与 的多尺度嵌套耦合模拟方法，能更好地捕捉台风近地风场湍流的脉动变化规律和高频特性。已有研究证明 模式在近地风场模拟和预报上具有独特优势 。鉴于此，本文基于 中小尺度模式模拟了台风“利奇马”的登陆全过程，在验证了风场有效性的前提下，分析了台风影响区域的极值风速时空特性，并发挥 神经网络的非线性映射能力，建立登陆台风极值风速大小、发生时刻与台风风场特征的关系模型。中小尺度模式台风场模拟 中小尺度模拟方法在 模式中采用地形追随坐标系，其 动力求解器集成了完全可压非静力平衡欧拉方程 ，以通量形式可表达为 ()()()（）()()()（）()()（）河南城建学院学报 年 月式中：为单位体积的质量；、分别为水平方向 向速度分量、水平方向 向速度分量、垂向速度分量；为地形追随坐标系下垂直方向速度；为位势高度场；为大气压；、分别为物理模型、湍流混合、球面投影和地球自转产生的强迫项。上述未知变量的通量形式为（，）（，）。在最内层嵌套区域使用 模式，该模式对大尺度湍涡进行直接模拟，对小尺度湍涡使用 阶三维湍动能闭合 方程计算湍流混合的次网格涡粘系数 。其求解方程为 （）（）（）式中 为湍动能。等号右侧由切边产生项、浮力项和耗散项组成，表达式分别为 （）（）（）式中：为水平涡粘系数；为垂直涡粘系数；为应变张量；为 频率；为水平或竖向长度尺度。中小尺度模拟主要过程为：首先在 模式中基于雷诺平均方程（）对中尺度计算域进行模拟，再利用中尺度输出数据作为初始边界条件和横向边界条件来驱动 ，采用 阶三维湍动能闭合方案进行小尺度计算域湍流场模拟。登陆台风风场模拟与有效性验证 年第 号台风“利奇马”于 年 月 日 时许在菲律宾吕宋岛以东洋面生成，月 日 时许升级为超强台风，并于月 日时 分在浙江省温岭市城南镇沿海登陆，登陆时中心附近最大风力达到 级（）。中小尺度模拟区域以台风登陆点（，）为中心，设计了 层嵌套网格方案，嵌套网格形式及参数设置分别如图 、图 和表 所示，模拟起止时间为 年 月 日 ：至 月 日 ：（共 ）的台风登陆全过程，模拟时距为 。图 模拟嵌套网格示意图图 计算域实测地形示意图表 模式的 层嵌套网格参数设置计算域类型水平分辨率 格点数时间步长 中尺度 中尺度 中尺度 小尺度 第 卷第 期张春伟，等：基于中小尺度模式与神经网络的登陆台风极值风速特性研究为满足小尺度计算域模拟的高精度要求，采用高分辨率 数字高程数据替换 中 计算域的 地形数据集，可充分考虑局部地形对台风近地风场的影响，并在 计算域近地面 高度内将网格加密为 层，计算域中心位置的网格竖向分层高度如表 所示。基于前期研究与调试，采用了包含 行星边界层方案在内的参数化物理方案，如表 所示。表 计算域中心位置 以下的竖向网格分层高度层数海拔高度 层数海拔高度 层数海拔高度 表 参数化物理方案设置类别方案选择行星边界层参数方案 方案（针对 计算域）微物理过程方案 方案积云方案 方案（针对 计算域）长波和短波辐射方案 方案陆面方案 方案图 、图 分别给出了台风“利奇马”登陆过程中不同时刻的海平面气压和速度流场矢量分布模拟结果。如图 所示，海平面气压场围绕台风中心形成了多个闭合低压等势线，台风中心气压差在台风登陆前变化幅度较小，而在台风登陆后明显降低，同时低压影响范围也显著缩小，符合台风登陆过程强度逐渐衰减的规律。如图 所示，台风登陆过程中风速流线整体呈平面漩涡结构，具有一定对称性，但在陆地区域风向和风速大小均体现了较强波动性，说明风场受局部地形地貌影响显著。月 日 时 月 日 时 月 日 时图 不同时刻的海平面气压云图河南城建学院学报 年 月 月 日 时 月 日 时 月 日 时图 不同时刻的风速流场矢量分布图（）进一步将模拟结果与日本气象厅（）的热带气旋实测数据对比（见图 ）。由图 可知，台风模拟移动路径与实际路径走向基本一致，台风中心位置最大偏差不超过 ，较好地呈现了台风移动发展过程。台风底层近中心最大风速模拟结果与实测数据变化趋势一致，最大误差仅为 ，且在后 模拟阶段高度吻合，同时，台风中心最低气压模拟结果与实测数据呈现近似变化趋势，最大误差仅有 。综上所述，采用 中小尺度模式对登陆台风风场模拟结果可信，可用于后续进一步研究极值风速的时空特性。台风移动路径台风强度图 台风模拟结果与实测数据对比图 各模拟点的位置与编号 登陆台风极值风速时空特性研究本文 模拟以台风“利奇马”登陆点为核心区域，布置了 共 个风场模拟点。为方便后续数据的提取和分析，对各模拟点进行编号（见图），台风登陆点为 号模拟点，登陆时间为 年 月 日 ：，即模拟时间段的第 。以下以近地面 高度处顺风向风速为研究对象，分别从空间和时间角度分析各模拟点的极值风速特性。空间分布特性首先研究登陆台风极值风速空间分布特性。分析各模拟点在台风登陆阶段的风速时程，可以发现风速变化分为“单峰”和“双峰”两类，分别如图 、图第 卷第 期张春伟，等：基于中小尺度模式与神经网络的登陆台风极值风速特性研究所示。通过研究台风风场特性可知，台风结构在平面上属于中尺度三维漩涡结构，当台风中心经过某地区时，该地区将会分别经历“前外围影响阶段、前眼壁影响阶段、台风眼阶段、后眼壁影响阶段、后外围影响阶段”，在眼壁影响阶段风场强度大、风速高，而在台风眼阶段风场强度骤然降低，出现微风甚至无风情况，因此该地区风速随时间推移会出现“双峰”现象。当某地区离台风路径较远，在台风移动发展过程中均位于台风中心影响区域以外时，其风场仅受台风外围影响，风速会随着台风中心的接近和远离呈现“单峰”现象。图 “单峰”形式风速时程（号模拟点）图 “双峰”形式风速时程（号模拟点）因此，局部地区台风风速时程特性与该地区是否位于台风中心影响区域具有直接的空间关联性，根据各模拟点的风速时程特性，将其划分为“台风中心影响区域”和“台风外围影响区域”（见图 ）。在图中，绿色区域为“台风中心影响区域”，共 个模拟点，其余为“台风外围影响区域”，共 个模拟点，位于“台风中心影响区域”的模拟点风速时程呈现“双峰”特性，位于“台风外围影响区域”的模拟点风速时程呈现“单峰”特性。根据上述区域划分，分析不同区域模拟点的台风极值风速。图 给出了不同区域各模拟点极值风速的分布区间。“台风中心影响区域”模拟点的极值风速整体上高于“台风外围影响区域”，说明“台风中心影响区域”应是研究登陆台风极值风速的重点区域。图 台风中心和外围影响区域划分图 不同区域模拟点台风极值风速大小分布 时间分布特性进一步研究登陆台风极值风速的时间分布特性。随着台风中心移动，分析不同时间段内出现极值风速模拟点的位置分布变化过程（见图 ）。在图 中，灰色点位表示在近 内出现极值风速模拟点的位置，红色点位表示此时台风中心的位置。从动态角度来看，模拟点位置分布随时间的移动方向基本与台风中心移动方向保持一致，且模拟点位置始终分布在台风中心前进方向的前端，说明模拟点极值风速的发生时刻与台风发展时间具有较强的相关性。同时，对于“台风中心影响区域”而言，模拟点极河南城建学院学报 年 月值风速往往出现在“前眼壁影响阶段”（即“双峰”风速时程的第一个峰值处），这与图 中“台风中心影响区域”各模拟点的风速特性吻合。第 第 第 第 第 第 图 不同时间段内出现极值风速模拟点的位置分布其次，分析各模拟点的极值风速与极值风速发生时刻的关系（见图 ）。由图 可知：从整体上看，在不同时间段内出现极值风速的模拟点，其极值风速随时间推移而不断减小的趋势明显；同时，“台风中心影响区域”模拟点的极值风速在各时间段内分布相对集中，而“台风外围影响区域”模拟点的极值风速在各时间段内分布相对分散。以台风中心登陆时间（年 月 日 ：，即模拟时间段的第 ）为界，将各模拟点的极值风速发生时刻区分为台风中心登陆前和登陆后（见图 ）。在图 中，灰色表示该模拟点的极值风速发生时刻为台风中心登陆后，其余模拟点的极值风速发生时刻为台风中心登陆前。分析可知：对于海上区域，台风极值风速均出现在台风中心登陆前；对于陆地区域，在“台风中心影响区域”内，绝大部分模拟点的极值风速均出现在台风中心登陆前，在台风中心移动路径远端，少量模拟点的极值风速出现在台风中心登陆后；而在“台风外围影响区域”内，极值风速出现在台风中心登陆后的模拟点数量相对较多，从分布位置上看较集中于台风中心移动方向的左前方。一般认为，台风登陆后强度将会减弱，台风中心气压差和风速都会减小，等 、以及 等 采用台风中心的气压差与其登陆时或登陆后向内陆移动距离的相关性描述台风的衰减规律。从台风“利奇马”登陆点（温岭市城南镇）附近地区的地形看，登陆地区地形平坦、地势较低，平均海拔在 以下，而沿着台风中心移动方向向内陆延伸时，地势逐渐升高，地形多为山地、丘陵，平均海拔达到 ，对台风风速的削弱作用愈发显著。模拟点极随风速的发生时刻与台风中心登陆关系如图 所示。“利奇马”登陆前强度高，影响范围大，登陆点附近的海上区域及大部分沿海陆地区域均会在台风登陆前产生极值风速；“利奇马”登陆以后，随着向内陆推移其强度逐渐衰减，“台风中心影响区域”的远端会在“前眼壁影响阶段”产生极值风速，而“台风外围影响区域”受到与台风中心距离及地形的综合影响，极值风速的发生时间段呈现不同的结果，总体来说，靠近海洋的区域极值风速越容易发生在台风登陆前，远离海洋的内陆区域极值风第 卷第 期张春伟，等：基于中小尺度模式与神经网络的登陆台风极值风速特性研究速越容易发生在台风登陆后。图 各模拟点极值风速与发生时刻关系图 模拟点极值风速的发生时刻与台风中心登陆关系 登陆台风极值风速预测模型构建 特征选取与模型建立采用 神经网络对登陆台风的极值风速进行预测，建立了台风极值风速、发生时刻与台风风场特征之间的关系模型。由前述分析可知，台风极值风速、发生时刻具有显著的空间和时间特性，且与台风风场结构相关。为提高 神经网络模型预测效果，初选“与台风路径最近时刻、与台风路径最小距离、阵风因子、湍流度、湍流积分尺度、平均风速”等 个物理量作为输入特征值，并分别计算其与“极值风速发生时刻、极值风速”之间的 相关系数，计算结果如表 所示。表 不同输入特征值与输出目标的 相关系数输入特征值 相关系数台风中心影响区域极值风速发生时刻极值风速台风外围影响区域极值风速发生时刻极值风速与台风路径最近时刻 与台风路径最小距离 阵风因子 湍流度 湍流积分尺度 平均风速大小 根据表 ，综合考虑相关性与特征值数量，筛选相应输入特征值用于 神经网络模型构建，构建的模型信息如表 所示。表 各神经网络模型构建信息模型区域输入输出台风中心影响区域与台风路径最近时刻、平均风速极值风速发生时刻台风中心影响区域与台风路径最近时刻、湍流积分尺度、平均风速极值风速台风外围影响区域与台风路径最近时刻、湍流积分尺度、平均风速极值风速发生时刻台风外围影响区域湍流积分尺度、平均风速极值风速河南城建学院学报 年 月 模型预测效果与分析将数据集进行归一化处理，并通过调整随机算子，按照 、的比例随机划分为训练集、验证集和测试集。设置神经网络隐层层数为 ，隐层神经元个数取 （其中 表示输入特征值的数量），训练算法采用 算法，迭代次数为 ，学习速率为 ，收敛阈值为 。经过训练和参数优化，得到极值风速发生时刻、极值风速的 神经网络预测模型，其预测结果与 模式计算结果对比如图 所示。模型 模型 模型 模型 图 各模型预测值与 模式模拟值对比由图 可知，各神经网络模型输入与输出的相关性均高于表 中的单一输入模型，说明特征值的筛选与组合提升了模型预测效果。模型对极值风速预测准确性高，极值风速与“台风中心影响区域”和“台风外围影响区域”的相关性分别达到 和 ，相对平均绝对误差分别仅有 和 ，说明模型捕捉到了极值风速与风场特征值间的内在关联；“极值风速发生时刻”与“台风中心影响区域”和“台风外围影响区域”的相关性分别为 和 ，相对平均绝对误差分别为 和 ，相关性和预测准确性均较高，但不如对极值风速的预测。结合本文数据及研究方法分析，预测误差可能来源于两个方面：一是数据样本数量仍偏少，未使模型训练效果达到最佳；二是在本文 中小尺度模拟中，模拟点在“台风中心影响区域”和“台风外围影响区域”、“海上区域”和“陆地区域”分布不均匀，数据结构不完善，影响了模型对深层次数据映射关系的学习。结论本文基于 中小尺度模式对台风“利奇马”登陆过程中的近地面风场进行了高精度模拟，第 卷第 期张春伟，等：基于中小尺度模式与神经网络的登陆台风极值风速特性研究研究了台风极值风速的空间和时间分布特性，建立了预测台风极值风速和发生时刻的 神经网络模型，主要结论如下：（）中小尺度模式对台风“利奇马”移动路径与强度的模拟与气象观测数据吻合度较高，台风中心位置最大误差不超过 ，最大风速、近中心最低气压最大误差分别仅有 和 ，证明了 中小尺度模式的有效性。（）从空间角度分析，台风“利奇马”过境时，“台风中心影响区域”风速时程呈现“双峰”特性，且极值风速基本出现在第一个峰值处（即前眼壁影响阶段），而“台风外围影响区域”风速时程呈现“单峰”特性。同时，“台风中心影响区域”极值风速整体上高于“台风外围影响区域”。（）从时间角度分析，在台风“利奇马”登陆过程中的不同时间段出现极值风速的区域，其极值风速随时间推移呈不断减小的趋势。同时，海上区域及大部分沿海陆地区域会在台风登陆前产生极值风速，而内陆区域会受到与台风中心距离、台风强度衰减、地形因素的等的影响，在台风登陆前后均有可能产生极值风速。（）本文构建的 神经网络模型具有良好的预测能力，对台风中心、外围影响区域极值风速预测误差分别为 和 ，极值风速发生时刻预测误差分别为 和 。参考文献 黄铭枫，刘国星，王义凡，等耦合台风天气预报模式和实测数据的神经网络风速预测 建筑结构学报，（）：，：，（）：李秋胜，戴益民，李正农，等强台风“黑格比”登陆过程中近地风场特性 建筑结构学报，（）：肖仪清，李利孝，宋丽莉，等基于近海海面观测的台风黑格比风特性研究 空气动力学学报，（）：，（）：，（）：，（）：，：，：，（）：黄铭枫，孙建平，王义凡，等基于天气预报模式和大涡模拟的台风风场多尺度耦合数值模拟 建筑结构学报，（）：孙学金，李岩，张燕鸿，等基于 的干旱湖区近地面风场模拟与敏感性研究 高原气象，（）：，：，：，（）：，：，（）：河南城建学院学报 年 月