《Frontiers in Marine Science》:Optimization of typhoon-wave parameterization schemes using the SWAN model coupled with a genetic algorithm
编辑推荐:
针对SWAN(Simulating Waves Nearshore)模型在极端台风条件下参数敏感性强、模拟偏差大的问题,本研究采用遗传算法(Genetic Algorithm, GA)对其关键物理参数进行优化。以南海两次台风事件期间的有效波高(signific
针对SWAN(Simulating Waves Nearshore)模型在极端台风条件下参数敏感性强、模拟偏差大的问题,本研究采用遗传算法(Genetic Algorithm, GA)对其关键物理参数进行优化。以南海两次台风事件期间的有效波高(significant wave height, Hs)和平均波周期(mean wave period, Tm)为研究对象,将数值模拟结果与浮标观测数据进行对比。结果表明,GA优化后的参数能够提高模拟精度,并缓解所研究的两次台风案例中默认参数设置存在的系统性高估。优化方案在有效波高方面取得了令人满意的整体模拟性能,能够较好地再现台风波浪的演变过程和极值特征。然而,平均波周期的模拟精度相对低于有效波高,部分原因可能在于平均波周期对波谱结构精细演变、非线性波浪相互作用及非平稳台风波浪条件的敏感性较高。最优参数组合在本文定义的加权适应度函数下实现了最均衡的综合性能,并在核心工程指标有效波高方面优于其他方案。研究成果可为台风波浪数值模拟中的参数选择以及海洋工程防灾减灾的数值预报提供参考。
**研究背景与问题**
台风是达到一定强度的热带气旋,常伴随暴雨和灾害性巨浪,对沿海地区及海上风电等海洋工程构成严重威胁。南海是全球台风活动最频繁的海域之一,台风引发的极端波浪会直接作用于风机基础与浮式结构,准确模拟台风波浪是结构安全设计与灾害防御的重要前提。第三代波浪模型SWAN已被广泛应用于波浪数值模拟,但其模拟精度高度依赖于物理参数选取。在台风极端海况下,默认参数组合常出现系统性高估,而传统人工调参依赖经验、效率低、主观性强,难以实现多参数全局优化。因此,研究人员引入遗传算法(GA)与SWAN模型耦合,针对南海深水台风特性开展离散参数方案的全维度寻优。
**研究内容与结论**
研究人员以南海两次典型台风事件(Ty201208、Ty201622)为对象,以有效波高(H
s)和平均波周期(T
m)为核心评价指标,基于M1、M2浮标实测资料,利用GA在由风输入—拖曳系数、白帽耗散、四波相互作用、三波相互作用、底摩擦、深度诱导破碎等方案构成的576组离散参数空间中搜索最优组合。结果表明,GA优化后的参数组合能够有效提高SWAN模型在台风条件下的波浪模拟精度,显著纠正默认参数的系统性高估;风输入方案、拖曳系数与白帽耗散是主导台风波浪模拟精度的核心参数。最优组合在有效波高方面具有最佳综合性能,并能合理再现台风波浪的演变趋势与极值特征;平均波周期的模拟精度总体低于有效波高,这可能与其对波谱形状、非线性相互作用及非平稳台风波浪过程更敏感有关。该研究为台风波浪数值模拟与预报中的参数选择提供了科学依据,对海上风电等海洋工程的结构设计、成本控制和安全运维具有重要的理论与应用价值。
**关键技术方法概述**
风场由WRF 4.3双向嵌套(30 km/10 km)模拟,初始边界取自ERA5再分析资料并采用格点nudging同化;SWAN 41.51在D02域(10 km)运行,谱方向36个,频率上限0.515 Hz,以ETOPO1为水深地形;验证数据来自南海M1、M2浮标实测H
s和T
m。GA种群规模20、迭代50代,交叉概率0.75、变异概率0.1;适应度函数由归一化均方根误差(NRMSE)与相关系数(R)加权构成,权重分别为ω
1=0.55、ω
2=0.25、ω
3=0.20。
**主要结果**
**3.1 模型参数设计**
研究人员选取两次典型台风事件,基于W RF输出风场驱动SWAN模型,采用10 km分辨率、10 min时间步长,初始波场设为静水状态,开边界无外部波浪输入。通过组合6类物理参数方案,构建了包含576组离散参数组合的寻优空间。遗传算法采用轮盘赌选择、单点交叉和基本位变异,并对适应度进行线性正向变换以适应最小化优化目标。
**3.2 台风期间有效波高偏差分析**
研究人员对比了最优参数组、SWAN默认参数组、Test Group 1和Test Group 2四种方案。对于Ty201208,最优参数组的偏差(Bias)为0.098 m,相关系数(R)为0.941,均方根误差(RMSE)为0.498 m,峰值偏差为0.06 m;默认参数组和Test Group 1均系统性高估有效波高,Test Group 2则表现为低估。对于Ty201622,最优参数组获得最高的相关系数(R=0.971)和较低的RMSE(0.543 m),峰值偏差仅0.08 m;默认参数组与Test Group 1仍呈现系统性高估。散点对比表明,最优参数组的模拟值整体最接近实测参考线,且在高海况下无明显系统性偏差。结论是,GA优化的参数组合在有效波高模拟精度和极值再现方面均优于默认及其他随机参数组合。
**3.3 台风期间平均波周期偏差分析**
所有参数方案对平均波周期的相关系数均超过0.75,说明整体演变趋势基本可再现。最优参数组在两次台风中的绝对偏差最小,分别为?0.101 s和?0.038 s,未出现明显系统性高估或低估;其RMSE在Ty201208中最小(0.742 s),在Ty201622中为1.133 s,仅略高于默认参数组的1.009 s。Test Group 1和Test Group 2均表现出较大正偏差,即系统性高估平均波周期。模拟曲线呈现典型分阶段误差特征:台风发展阶段低估,衰减阶段高估,这与非平稳台风风场下波谱演变有关。总体而言,最优参数组在加权适应度函数框架下仍具有最佳综合性能。
**讨论与结论**
讨论部分指出,有效波高主要反映波场总体能量,受风输入与白帽耗散的能量平衡控制,SWAN模型对此类过程的参数化较为成熟;而平均波周期对波谱形状、非线性波相互作用以及非平稳台风波浪过程更为敏感,因此模拟难度更大、精度相对较低。该机制分析为基于积分参数的定性推断,尚缺乏连续实测波谱的定量验证。研究局限包括仅基于两次台风案例、未配置多种随机种子进行重复迭代验证、未将更多可调经验系数纳入优化框架。未来将通过多案例、多随机种子和更多可调参数扩展优化系统。
研究结论可概括为:遗传算法优化的参数组合能显著提高SWAN模型在台风条件下的波浪模拟精度,有效纠正默认参数的系统性高估;风输入方案、拖曳系数和白帽耗散是控制台风波浪模拟精度的核心参数;平均波周期的模拟精度总体低于有效波高;基于GA的多目标参数优化方法为复杂台风海况下的波浪数值模拟提供了高效可行的技术途径,可为近海台风波浪数值预报、海洋工程水文设计和沿海灾害预警提供可靠支撑。