.png){kind=icon}
返回
A systematic framework for automated rip current detection from numerically modeled flow data
.png){kind=icon}
PRE
AI
DOI：10.1002/lom3.70022.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
离岸流是强烈的、指向离岸方向的水流束，对娱乐海滩的游泳者构成严重的安全隐患。尽管数值模拟已越来越多地用于研究离岸流动力学和近岸水动力预测，但自动从模型数据中检测离岸流仍具挑战性，这归因于不同类型离岸流所具有的时空特征多变性和复杂的流动模式。本文开发并验证了一种用于离岸流自动检测的系统化框架，该框架基于Boussinesq模型FUNWAVE模拟数据，在多种水深条件和波浪条件下进行了验证。具体而言，该框架整合了基于物理学的标准，同时考虑了离岸流的运动学和结构特征，并结合了多步识别与追踪程序以涵盖时空动态变化。手动验证显示，该框架在定位不同类型离岸流时准确率超过95%，在检测其发生时间时准确率超过90%。此外，该方法还能有效检测复杂的演化行为，包括多个离岸流近距离共存以及单个离岸流显著的结构变化。进一步地，该方法在珠海市哈彬海滩的真实地形和观测波浪条件下成功实施，展示了其实际应用潜力，期间在5天观测期内检测到了多个地点持续数分钟至数小时的离岸流。总体而言，该系统化、自动化的离岸流检测框架在提升数值模型数据分析方面展现出良好前景，从科学研究和灾害缓解角度均具有潜在益处。
Keyword:
SURF ZONE
ESCAPE STRATEGIES
WAVES
CIRCULATION
BEACH
VARIABILITY
BREAKING
CHANNELS
RESCUES
EDDIES
期刊
L
IF:
1.9
论文数:
74
被引数:
3.8K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏FUNWAVE‐GPU: Multiple‐GPU Acceleration of a Boussinesq‐Type Wave ModelFUNWAVE‐GPU：基于多GPU加速的Boussinesq型波浪模型
OAAI
OAAI分享收藏分享收藏分享收藏
查看更多内容