邢 浩, 張麗麗, 李華慶, 張旭日, 李 彬, 石洪源, 尤再進(jìn), 4

基于砂質(zhì)海岸剖面形態(tài)數(shù)值模擬的參數(shù)敏感度分析

邢 浩1, 張麗麗1, 李華慶1, 張旭日1, 李 彬2, 石洪源3, 尤再進(jìn)1, 4

(1. 魯東大學(xué) 水利工程學(xué)院, 山東 煙臺(tái) 264025; 2. 大連理工大學(xué) 水利工程學(xué)院, 遼寧 大連 116081; 3. 魯東大學(xué) 港口海岸防災(zāi)減災(zāi)研究院, 山東 煙臺(tái) 264025; 4. 大連海事大學(xué) 港口與航運(yùn)安全協(xié)同創(chuàng)新中心, 遼寧 大連 116026)

為了探究XBeach模型中系統(tǒng)的參數(shù)調(diào)試對(duì)模擬剖面演變的影響, 該文基于波浪水槽實(shí)驗(yàn)通過廣義似然不確定性估計(jì)法(GLUE)對(duì)XBeach模型中的波浪非線性(facua)、沙灘濕崩塌臨界坡度(wetslp)、波能耗散(alpha)等調(diào)試參數(shù)進(jìn)行敏感性分析, 闡述所選參數(shù)的物理意義及控制方程, 選取不同的參數(shù)值觀察岸灘剖面演變過程, 并通過Brier Skill Score評(píng)價(jià)方法對(duì)模擬效果進(jìn)行評(píng)價(jià)。結(jié)果表明改變參數(shù)值大小會(huì)得到不同的岸灘剖面模擬形態(tài)。其中參數(shù)facua控制波形, 波浪由于非線性作用于岸灘會(huì)使剖面發(fā)生不同趨勢的演變, 改變facua參數(shù)值能夠改變模擬剖面演化的趨勢, 使得模擬地形剖面演變產(chǎn)生較大的變化; 參數(shù)wetslp作為濕崩塌臨界斜率, 改變其數(shù)值大小模擬地形改變的首要特征為剖面坡度; 參數(shù)alpha作為波能耗散系數(shù), 改變其值會(huì)影響破波所釋放的能量, 從而影響剖面的侵淤程度。最終選取三者值分別為0.65、0.2、1.3, 與水槽實(shí)驗(yàn)結(jié)果擬合最好。該結(jié)果對(duì)于XBeach的研究及應(yīng)用具有一定的參考意義。

岸灘形態(tài); 數(shù)值模擬; XBeach; 參數(shù)敏感性

近年來, 由于海岸侵蝕的范圍和程度逐漸加重, 導(dǎo)致全球沿海地區(qū)的生態(tài)環(huán)境和生產(chǎn)經(jīng)營受到嚴(yán)重影響, 深入研究海岸動(dòng)力條件對(duì)海灘剖面形態(tài)變化的影響迫在眉睫?，F(xiàn)場觀測由于時(shí)空的限制性及環(huán)境復(fù)雜性使得海灘形態(tài)變化機(jī)理研究受到了限制。數(shù)值計(jì)算受空間尺度的限制較小, 而且時(shí)間周期比較短, 逐漸成為海洋動(dòng)力學(xué)中的一個(gè)重要研究手段[1]。XBeach是基于Fortran 77/90架構(gòu)的平面海岸動(dòng)力學(xué)數(shù)值模型, 模型默認(rèn)海岸低頻波決定地形剖面變化, 通過輸入的邊界條件耦合平面二維方程來計(jì)算波浪傳播及流、地形、泥沙運(yùn)輸?shù)淖兓?。由于其高度的模塊化與并行化、易于與其他模型整合等優(yōu)點(diǎn), 逐漸被廣泛使用于模擬岸灘剖面侵蝕變化以及預(yù)測岸灘沖淤各個(gè)階段的發(fā)展?fàn)顩r[2-3]。

XBeach模型中各模塊可調(diào)試的參數(shù)很多, 不同的參數(shù)代表著不同的物理和數(shù)值意義。改變參數(shù)值大小, 對(duì)模擬以及預(yù)測的岸灘剖面變化幅度、趨勢等都會(huì)產(chǎn)生較大的影響。VAN等[4]通過實(shí)驗(yàn)總結(jié)出XBeach一維模型中較為敏感的參數(shù); NATALIA等[5]使用2009年記錄的重要風(fēng)暴事件對(duì)XBeach模型進(jìn)行參數(shù)校正; KOMBIADOU等[6]通過校正參數(shù)的敏感性分析研究風(fēng)暴潮后的剖面恢復(fù); 李銳[7]通過對(duì)一維XBeach模型中的參數(shù)進(jìn)行敏感性分析來模擬風(fēng)暴潮作用下的剖面變化; 龔玉萌[8]通過調(diào)試一維XBeach模型中的參數(shù)值來進(jìn)行沙灘補(bǔ)沙后的沖淤變化模擬; 張洪艷[9]通過調(diào)試一維XBeach模型中的參數(shù)值來研究植被對(duì)砂質(zhì)海岸剖面演化的影響。前人對(duì)XBeach的調(diào)參工作缺乏深入的物理機(jī)制研究, 缺少系統(tǒng)的選取調(diào)試參數(shù)方法, 調(diào)參導(dǎo)致整個(gè)過程的剖面變化是否與最終變化趨勢一致也缺乏驗(yàn)證。本文基于XBeach模型中應(yīng)用廣泛的Surfbeat模式, 利用廣義似然不確定性估計(jì)法(GLUE)選取關(guān)于波浪非線性、沙灘濕崩塌臨界坡度、波能耗散3個(gè)敏感性高的調(diào)試參數(shù), 通過波浪水槽實(shí)驗(yàn)對(duì)5 h和最終時(shí)刻的模擬剖面演變進(jìn)行參數(shù)敏感性對(duì)比分析, 系統(tǒng)性梳理各參數(shù)的影響, 深入探究各參數(shù)對(duì)岸灘整個(gè)演變過程的物理機(jī)制, 為準(zhǔn)確預(yù)測不同海岸動(dòng)力條件下的岸灘演變提供借鑒。

1 模型簡介及水槽實(shí)驗(yàn)概況

1.1 XBeach模型及重要參數(shù)介紹

XBeach是一種短波平均的波群解析模型, 如今發(fā)展了Stationary wave模式、Surfbeat模式和Non- hydrostatic模式供用戶選擇[10]。Stationary wave模式主要用于解決波浪平均方程, 忽略長重力波的作用; Surfbeat模式定義短波在波群包絡(luò)線內(nèi)變化, 長波與其相關(guān)的部分已經(jīng)分解。該模式采用了波群的耗散模型以及水滾模型來表示破碎后表面所含的勢能, 這些變化通過輻射應(yīng)力梯度對(duì)水體產(chǎn)生的作用形成長周期波浪和紊流并通過求解非線性淺水方程。當(dāng)主要關(guān)心的是破波帶的水動(dòng)力過程而不是時(shí)均的流和波浪增減水時(shí)就需要用這種模式。在耗散性的海灘, 大部分短波在傳向海岸的過程中已完全耗散, 對(duì)于這樣的海岸這種模式是完全適用的; Non-hydrostatic模式結(jié)合了非線性淺水方程和壓力修正系數(shù), 使程序能夠模擬單個(gè)波浪的傳播和衰退。這種模式不需要短波作用平衡, 節(jié)省了計(jì)算時(shí)間。但是在波浪解析模式中需要更高的空間分辨率和更小的時(shí)間步長, 所以計(jì)算時(shí)間比拍岸式模式要大大增加。

根據(jù)VAN[4]和SIMMONS等[11]的研究, 選定XBeach模型計(jì)算波浪爬升和海灘侵蝕過程的幾個(gè)重要參數(shù):

(1) 參數(shù)facua控制波浪偏度和不對(duì)稱度對(duì)輸沙方向的影響程度, 較高的偏度和不對(duì)稱度有利于岸上輸沙; Xbeach 模型考慮了波浪非線性對(duì)泥沙運(yùn)動(dòng)的影響, 對(duì)于波浪的流速振幅進(jìn)行了非線性修正并加入到泥沙計(jì)算中[12]。參數(shù)facuaAs和facuaSk分別代表了由于波浪不對(duì)稱性流動(dòng)和波浪流動(dòng)偏度定義的平均時(shí)間校正因子。波浪的不對(duì)稱性和偏度的影響在對(duì)流擴(kuò)散方程中的體現(xiàn)見下式[13]:

其中,為水平坐標(biāo),表示深度平均的懸沙濃度,D為泥沙擴(kuò)散系數(shù),為當(dāng)?shù)厮?為作用時(shí)間,C是平衡泥沙濃度,θ代表入射波與軸的夾角,u和v分別代表歐拉流速的向和向分量,T是和水深除以沉降速度成比例的時(shí)間尺度。式中流速u在XBeach模型中是由計(jì)算因子S和s、均方根速度us和校準(zhǔn)因子f和f計(jì)算得到:

u= (fS–fA)u, (2)

S A分別代表近岸流速的波偏態(tài)和不對(duì)稱態(tài),f和f參數(shù)作為平均時(shí)間的校正因子來改變u的大小,u的值越大, 模擬的向岸泥沙輸運(yùn)越強(qiáng)。調(diào)整參數(shù)facua是對(duì)參數(shù)f和f進(jìn)行同時(shí)設(shè)置。

(2) 參數(shù)eps表示模型運(yùn)行期間區(qū)分干濕的閾值水深;

(3) 參數(shù)alpha是一階波能耗散系數(shù)。對(duì)于XBeach模型的Surfbeat模式, 所有的能量耗散都是由于波浪破碎產(chǎn)生的:

其中,在模型中以參數(shù)alpha代替。Q為破波系數(shù), 由均方根波高和最大波高值決定。T代表波周期,E是各方向波能的和;

(4) 沙灘侵淤的主要過程是沙灘崩塌, 不同的崩塌臨界斜率會(huì)導(dǎo)致沙灘侵淤量的不同[14]。合理的崩塌臨界斜率對(duì)最終岸灘剖面演化的模擬效果起著非常關(guān)鍵的作用。參數(shù)wetslp為濕崩塌臨界斜率, 表示發(fā)生崩塌發(fā)生前濕面的最大海灘坡度。當(dāng)超過此坡度臨界值時(shí), 底床就會(huì)發(fā)生崩塌滑動(dòng)[15]:

式中,z表示剖面高程,表示剖面水平距離,m表示臨界坡度值

本文將這幾個(gè)推薦參數(shù)為參考, 利用廣義似然不確定性估計(jì)法, 討論各參數(shù)的靈敏度并確定本文的研究參數(shù)。

1.2 水槽實(shí)驗(yàn)概況

選定波浪水槽長60 m、寬2 m、高1 m, 配備主動(dòng)吸收式造波機(jī)和塊體消浪設(shè)施(圖1)。能進(jìn)行波、流共同作用或單獨(dú)作用下的物理模型試驗(yàn)。具備研究港口、海工建筑物在二維規(guī)則波、不規(guī)則波作用下的各種動(dòng)力響應(yīng)機(jī)制及海岸工程中波浪與建筑物相互作用關(guān)鍵技術(shù)和理論問題的能力。實(shí)驗(yàn)水位為0.8 m, 非規(guī)則波采用 Jonswap 譜、其有效波高為0.18 m、特征周期為2 s, 模型岸灘的中值粒徑為 0.3 mm。剖面水平距離、高度、坡度如圖2所示, 坡度采用1︰3+1︰15, 剖面總長度為15.7 m, 采用大靶面高分辨率工業(yè)數(shù)字相機(jī)記錄剖面狀態(tài), 具有高分辨率、高清晰度、低噪聲等特點(diǎn), 為了探究調(diào)試參數(shù)對(duì)模擬剖面演化過程的影響, 實(shí)驗(yàn)剖面需產(chǎn)生明顯的侵淤現(xiàn)象, 記錄總實(shí)驗(yàn)時(shí)間為33 h。

2 方法與分析

2.1 模擬評(píng)價(jià)方法

2.1.1 BSS評(píng)價(jià)方法

BS評(píng)價(jià)方法(Brier Score)定義了一種均方概率誤差, 該評(píng)價(jià)方法綜合考慮了數(shù)據(jù)預(yù)測的可靠性、不確定性和分辨性, BSS評(píng)價(jià)方法(Brier Skill Score)是對(duì)BS評(píng)價(jià)方法的一種改進(jìn), 在BS方法的基礎(chǔ)上將評(píng)價(jià)分?jǐn)?shù)標(biāo)準(zhǔn)化, 從而用計(jì)算數(shù)值大小來判定事件預(yù)測的準(zhǔn)確性[16]。BSS值越大, 預(yù)測效果越好, BSS值的范圍及所代表預(yù)測效果見表1[7]。BSS評(píng)價(jià)方法適用于海岸動(dòng)力模擬, 如今已被廣泛使用[17]。本文用此方法評(píng)價(jià)數(shù)值模擬沙灘剖面演變的準(zhǔn)確性, 其計(jì)算公式如下:

其中,代表著均方誤差值, 一系列值代表著波浪作用后的高程實(shí)際觀測值,值代表著XBeach模型模擬的高程值,值代表著初始地形高程值,表示坐標(biāo)個(gè)數(shù), 也代表模型一維網(wǎng)格數(shù)量。選定模型參數(shù), 計(jì)算采用不同參數(shù)值模擬的地形剖面所對(duì)應(yīng)的BSS值, 對(duì)模擬岸灘過程中參數(shù)的敏感性進(jìn)行分析與探討。

表1 BSS評(píng)價(jià)值范圍及所代表預(yù)測效果

2.1.2 廣義似然不確定性估計(jì)法

廣義似然不確定性估計(jì)法(GLUE)是一種通過抽樣選取一定數(shù)量參數(shù)集評(píng)估不同參數(shù)組合的似然方法。GLUE方法已經(jīng)在哲學(xué)及相關(guān)領(lǐng)域普遍使用, RUESSINK的兩項(xiàng)研究[18-19]開創(chuàng)了CLUE在海岸工程領(lǐng)域的應(yīng)用。由于系統(tǒng)GLUE方法選取最佳參數(shù)集需要進(jìn)行大量參數(shù)集的模擬運(yùn)行, 作者對(duì)1.1節(jié)提及的幾個(gè)基礎(chǔ)參數(shù)隨機(jī)抽樣構(gòu)建200+組合參數(shù)集選取出敏感度較高的參數(shù), 然后對(duì)選取的參數(shù)進(jìn)行手動(dòng)調(diào)試, 既能保證系統(tǒng)選取參數(shù)的嚴(yán)謹(jǐn)性, 也減少了模型模擬計(jì)算量。GLUE方法步驟包括構(gòu)建似然函數(shù)、設(shè)置閾值選取調(diào)試參數(shù)集、分析模擬結(jié)果的不確定性。具體步驟如下:

(1) 構(gòu)建似然函數(shù):

其中，BSS表示每個(gè)參數(shù)集的評(píng)分值,表示模型運(yùn)行計(jì)算超過閾值的總次數(shù)。當(dāng)閾值不小于0時(shí), 此似然函數(shù)成立。

(2) 設(shè)置閾值: 本文用此方法的目的是確定基礎(chǔ)參數(shù)的敏感度而不是選擇最佳參數(shù)集, 因此選擇閾值值為0

(3) 分析模擬結(jié)果: 根據(jù)手冊推薦基礎(chǔ)參數(shù)的數(shù)值范圍見表2。假設(shè)基礎(chǔ)參數(shù)的各數(shù)值區(qū)間似然函數(shù)均勻分布, 將各參數(shù)的模擬累積似然函數(shù)與假設(shè)累積均勻函數(shù)進(jìn)行對(duì)比分析, 分析結(jié)果見圖3。兩者差距越大, 表示參數(shù)越敏感[11]。圖3表明, 在選擇的基礎(chǔ)參數(shù)中, 參數(shù)facua和wetslp最敏感, 其次是參數(shù)alpha, 參數(shù)eps和gamma的兩曲線差別不大, 參數(shù)最不敏感。由此選擇參數(shù)facua, wetslp和alpha作為本文的敏感性調(diào)試參數(shù)。

表2 基礎(chǔ)參數(shù)的數(shù)值范圍

2.2 參數(shù)敏感度分析

為了保證調(diào)試結(jié)果合理, 探究各參數(shù)數(shù)值改變對(duì)剖面演變的規(guī)律。敏感性越大的參數(shù)應(yīng)優(yōu)先調(diào)試。由圖3可得調(diào)試參數(shù)順序?yàn)? facua、wetslp、alpha。按此順序選取大量的參數(shù)集, 對(duì)各參數(shù)進(jìn)行敏感度分析。

2.2.1 參數(shù)facua

根據(jù)5 h和實(shí)驗(yàn)結(jié)束時(shí)的實(shí)測剖面可知, 剖面的變化趨勢始終為上淤下侵, 侵淤程度也隨著時(shí)間點(diǎn)的增加而增加。facua作為敏感度最高的參數(shù), 在推薦范圍內(nèi)按照由小到大的順序密集取值。模擬發(fā)現(xiàn)當(dāng)facua取值為0.1～0.4時(shí), 剖面呈現(xiàn)上侵下淤的狀態(tài); 當(dāng)取值為0.4～0.5時(shí), 剖面呈現(xiàn)侵淤的過渡狀態(tài), 剖面變化不明顯; 當(dāng)取值為0.5～1時(shí), 剖面呈現(xiàn)上淤下侵的狀態(tài), 與實(shí)測剖面演變趨勢相符; 取值在0.5～0.8時(shí), 模擬剖面與實(shí)測剖面符合較好, 作為重點(diǎn)研究取值區(qū)間。經(jīng)不同比值選取, 文章最終展示0.1、0.3、0.5、0.65、0.8這5個(gè)代表性數(shù)值的計(jì)算結(jié)果, 其他參數(shù)均采用默認(rèn)值。選取水槽實(shí)驗(yàn)第五個(gè)小時(shí)和結(jié)束時(shí)刻不同facua參數(shù)值的模擬地形和實(shí)測地形, 觀察整個(gè)模擬剖面演化過程的準(zhǔn)確性。模擬地形和實(shí)測地形見圖4, 計(jì)算的BSS值見表3。

表3 采用不同的facua參數(shù)值計(jì)算的BSS值

從圖4和表3可以看出當(dāng)參數(shù)facua設(shè)置值0.1和0.3時(shí), 5 h模擬剖面計(jì)算BSS值<0, 模擬效果差, 在水平距離2～8 m之間呈現(xiàn)上侵下淤的趨勢, 與實(shí)測剖面地形趨勢相反。參數(shù)值為0.5～0.8時(shí), 5 h模擬剖面變化趨勢與實(shí)測相同, 均呈現(xiàn)上淤下侵的趨勢。值為0.65時(shí), BSS值最大為0.758, 模擬效果最好。水平距離8 m以后, 剖面地形基本不發(fā)生變化。

實(shí)驗(yàn)結(jié)束的模擬剖面地形變化趨勢與5 h模擬變化趨勢相同, 當(dāng)facua值為0.1和0.3時(shí), BSS計(jì)算值仍<0, 模擬效果差; 當(dāng)facua值為0.65時(shí)BSS值仍最大, 整個(gè)剖面變化過程的模擬效果最好。

2.2.2 參數(shù)wetslp

參數(shù)wetslp實(shí)驗(yàn)中, 在模式推薦范圍內(nèi)對(duì)其進(jìn)行大量取值模擬, 模擬發(fā)現(xiàn)當(dāng)取值在0.1～0.3時(shí), 模擬剖面與實(shí)測剖面符合性較好, 將此區(qū)間作為重點(diǎn)研究區(qū)間; 取值>0.3時(shí), 模擬剖面坡度愈加背離實(shí)測剖面。經(jīng)計(jì)算比選, 本文僅展示0.1、0.2、0.3、0.5、0.8這5個(gè)代表性數(shù)值的計(jì)算結(jié)果, 將facua設(shè)為0.65, 其他參數(shù)均采用默認(rèn)值。模擬地形和實(shí)測地形見圖5, 計(jì)算的BSS值見表4。

由圖5和表4可以看出, 改變參數(shù)wetslp值, 剖面主要變化范圍仍在水平距離2～8 m, 沙灘剖面改變的首要特征是坡度, 沒有改變剖面地形上淤下侵的趨勢, 5 h的模擬沙灘剖面與最終時(shí)刻的模擬沙灘剖面具有相同的變化趨勢。當(dāng)wetslp值調(diào)為0.2時(shí), 5 h模擬剖面與最終模擬剖面計(jì)算出的BSS值分別為0.761和0.806, 模擬剖面變化坡度與實(shí)測剖面坡度最相符。增大wetslp值, 計(jì)算出的BSS值越低, 模擬效果越不理想。改變wetslp值對(duì)XBeach模型沙灘剖面變化的模擬效果有很大影響。

表4 采用不同的wetslp參數(shù)值計(jì)算的BSS值

2.2.3 參數(shù)alpha

alpha是本文研究敏感度最低的參數(shù), 在模式推薦范圍內(nèi)對(duì)其進(jìn)行大量取值模擬。模擬發(fā)現(xiàn)當(dāng)取值在0.8～1.4時(shí), 模擬剖面與實(shí)測剖面符合性較好; 當(dāng)取值在1.2～1.4時(shí)符合性最好, 將此區(qū)間作為重點(diǎn)研究區(qū)間。最終本文僅展示0.8、1、1.2、1.3、1.4這5個(gè)代表性數(shù)值的計(jì)算結(jié)果。facua設(shè)置為0.65, wetslp設(shè)置為0.2, 其他參數(shù)使用默認(rèn)值。模擬地形和實(shí)測地形見圖6。計(jì)算的BSS值見表5。

表5 采用不同的alpha參數(shù)值計(jì)算的BSS值

由圖6和表5可以看出, 在參數(shù)facua和wetslp值分別為0.65和 0.2的情況下, 改變參數(shù)alpha值, 剖面主要變化范圍仍在距離2～8 m, 沙灘剖面的坡度基本沒有變化, 并且沒有改變剖面地形上淤下侵的趨勢, 5 h模擬沙灘剖面與最終模擬沙灘剖面變化趨勢相同。改變最明顯的部分是剖面淤積部分的最大淤積厚度, alpha值越大, 模擬剖面的最大淤積厚度越大, 最大侵蝕厚度相對(duì)變化幅度較小。當(dāng)alpha值調(diào)為1.3時(shí), 5 h模擬剖面與最終模擬剖面計(jì)算出的BSS值分別為0.761和0.824, 模擬效果好。隨著alpha值的增大, 模擬剖面的侵淤分界點(diǎn)alpha值為1.4時(shí), 模擬剖面的最大淤積厚度最大, 但其形態(tài)與實(shí)測剖面偏離, 模擬剖面的侵淤分界點(diǎn)相對(duì)實(shí)測剖面偏上, 計(jì)算出的BSS值小于alpha為1.3的BSS值。故1.3為最優(yōu)值。當(dāng)數(shù)值范圍在0.8～1.3, 增大alpha值, 計(jì)算出的BSS值越大, 模擬效果越理想。

3 討論

結(jié)合波浪水槽實(shí)驗(yàn), 通過數(shù)值試驗(yàn)對(duì)XBeach模型中的參數(shù)facua、wetslp和alpha進(jìn)行敏感度分析, 考察剖面在5 h及最終時(shí)刻的模型模擬及實(shí)測的剖面變化, 計(jì)算各自的BSS值, 對(duì)參數(shù)調(diào)試所導(dǎo)致的模擬剖面變化進(jìn)行討論總結(jié)。參數(shù)facua影響的是波浪偏斜和不對(duì)稱性, 改變其值大小能夠改變波形。波浪作用于海灘剖面, 非線性作用會(huì)影響向岸泥沙輸運(yùn), 進(jìn)而影響剖面的演變[20-21]。當(dāng)參數(shù)facua為默認(rèn)值0.1時(shí), XBeach模型模擬的剖面變化為上侵下淤, 而實(shí)際水槽實(shí)驗(yàn)的剖面變化為上淤下侵。facua值的增大首先阻礙了沙灘的崩塌過程, 模擬的上部侵蝕量和下部淤積量均減小, 繼續(xù)增大facua到0.5, 模擬剖面的演變趨勢發(fā)生變化, 轉(zhuǎn)變?yōu)樯嫌傧虑? 且隨著facua值繼續(xù)增大, 侵淤量也逐漸增加, 不同facua值的模擬與實(shí)測剖面單位淤積量見表6。剖面侵淤坡度沒有發(fā)生大的變化, 5 h模擬剖面與最終時(shí)刻模擬剖面的演變趨勢相同。改變facua參數(shù)值改變了波浪非線性對(duì)地形的影響, 能夠改變模擬剖面演化的趨勢, 當(dāng)增大到一定值時(shí), 模擬剖面地形演變產(chǎn)生較大的變化。

表6 Facua取不同數(shù)值時(shí)模擬與實(shí)測的剖面單位淤積量

XBeach模型引入崩塌算法來模擬風(fēng)暴潮環(huán)境下的岸沙滑塌。參數(shù)wetslp作為濕崩塌臨界斜率, 在模型中控制水下的崩塌過程。模型默認(rèn)值為0.3, 可以解釋為超過此臨界斜率泥沙就在相鄰單元間移動(dòng), 使坡面恢復(fù)臨界狀態(tài)。從此參數(shù)實(shí)際代表的物理意義來看, 采用不同的wetslp參數(shù)取值最終會(huì)模擬出坡度不同的剖面地形。上文關(guān)于參數(shù)wetslp的敏感性分析結(jié)果驗(yàn)證了這一點(diǎn), 當(dāng)wetslp取值為0.1和0.8時(shí), 所模擬出的剖面侵淤部分坡度差異明顯。當(dāng)wetslp值為0.1時(shí), 兩個(gè)時(shí)刻的模擬剖面侵淤峰值間坡度值最小, 且淤積峰值與實(shí)測也存在差異, 侵淤分界點(diǎn)相對(duì)下降。增大wetslp值模擬剖面侵淤峰值間坡度也會(huì)隨之增加, 原因是wetslp值越大, 泥沙恢復(fù)臨界狀態(tài)的趨勢越慢, 導(dǎo)致剖面演變的坡度越大。不同wetslp值模擬與實(shí)測剖面侵淤峰值間坡度見表7。

表7 Weslp取不同數(shù)值時(shí)模擬與實(shí)測的剖面侵淤峰值間坡度

在XBeach模型的Surfbeat模式中, 波浪破碎是短波耗散的一種重要方式。通過對(duì)選取的一階波能耗散系數(shù)alpha進(jìn)行敏感度分析, 發(fā)現(xiàn)改變此參數(shù)所模擬剖面過程演變的首要特征是侵淤程度, 剖面演化趨勢和坡度基本沒有發(fā)生改變。參數(shù)alpha取不同數(shù)值時(shí)模擬與實(shí)測的最大侵淤厚度見表8。可以得出當(dāng)模擬剖面演變趨勢為上淤下侵時(shí), 在調(diào)試數(shù)值范圍內(nèi)alpha的變化引起模擬剖面的淤積部分變化更為明顯。

表8 Alpha取不同數(shù)值時(shí)模擬與實(shí)測的剖面的最大侵淤厚度

4 結(jié)論

本文基于 XBeach 模型的Surfbeat模式, 通過廣義似然不確定性估計(jì)法選取控制波形的參數(shù)facua、濕崩塌臨界斜率wetslp及一階波能耗散系數(shù)alpha, 基于波浪水槽實(shí)驗(yàn)開展XBeach模型模擬岸灘演變過程的參數(shù)敏感度分析, 在BS評(píng)價(jià)方法的基礎(chǔ)上將評(píng)價(jià)分?jǐn)?shù)標(biāo)準(zhǔn)化, 以BSS評(píng)價(jià)方法來判定模擬效果, 得出以下主要結(jié)論:

(1) 本文對(duì)3個(gè)參數(shù)的物理意義及控制方程進(jìn)行了闡述, 基于33 h的波浪水槽實(shí)驗(yàn)將不同時(shí)刻的實(shí)測剖面和不同參數(shù)取值的模擬地形進(jìn)行對(duì)比, 結(jié)果驗(yàn)證模擬剖面演變結(jié)果對(duì)選取的3個(gè)參數(shù)非常敏感, 改變的參數(shù)值大小會(huì)得到不同趨勢、坡度、侵淤程度的模擬剖面地形。

(2) 參數(shù)facua控制波形, 波浪由于非線性作用于岸灘會(huì)使剖面發(fā)生不同趨勢的演變。facua數(shù)值越大, 模擬的向岸泥沙輸運(yùn)越強(qiáng), 模擬剖面的變化越大; 參數(shù)wetslp作為濕崩塌臨界斜率, 改變其數(shù)值大小模擬地形改變的首要特征為剖面坡度, 當(dāng)模擬剖面演變趨勢為上淤下侵時(shí), wetslp值越大, 模擬剖面坡度越大; 參數(shù)alpha作為波能耗散系數(shù), 改變其值會(huì)影響破波所釋放的能量, alpha越大, 剖面侵淤程度越大, 當(dāng)模擬剖面演變趨勢為上淤下侵時(shí), 剖面淤積部分變化程度更為明顯。在地形演變?yōu)樯嫌傧虑謺r(shí), 最終選取三者值分別為0.65、0.2、1.3, 與水槽實(shí)驗(yàn)結(jié)果擬合最好。

(3) 通過分別對(duì)5 h和最終時(shí)刻剖面變化的參數(shù)敏感度分析, 計(jì)算的BSS值和剖面演化過程圖驗(yàn)證了XBeach模型模擬剖面演化過程的準(zhǔn)確性。

XBeach一維模型計(jì)算會(huì)忽略兩岸地形和沿岸流對(duì)沙灘剖面演變的影響。在實(shí)際現(xiàn)場模擬及預(yù)測過程中, 要結(jié)合不同參數(shù)代表的物理意義、當(dāng)?shù)氐乃畡?dòng)力及地形條件, 加之參數(shù)數(shù)值敏感性分析, 為準(zhǔn)確預(yù)測海岸動(dòng)力條件的岸灘演變等動(dòng)態(tài)海岸過程提供借鑒。

[1] 蔣昌波, 黃瓊, 伍志元, 等. 沙質(zhì)岸灘形態(tài)對(duì)海平面變化響應(yīng)的數(shù)值研究[J]. 水動(dòng)力學(xué)研究與進(jìn)展(A輯), 2017, 32(1): 81-87.

JIANG Changbo, HUANG Qiong, WU Zhiyuan, et al. Numerical study on the response of sandy shoreline mor-phology to sea level change[J]. Hydrodynamics Research and Progress (series A), 2017, 32(1): 81-87.

[2] HARLEY M D, ARMAROLI C, CIAVOLA P. Evalua-tion of XBeach predictions for a real-time warning sys-tem in Emilia-Romagna, Northern Italy[J]. Journal of Coastal Research, 2011, 64(2): 1861-1865.

[3] ROELVINK D, RENIERS A, VAN D A, et al. Mode-l-ling storm impacts on beaches, dunes and barrier islan-ds[J]. Coastal Engineering, 2009, 56(11/12): 1133-1152.

[4] VAN G, DEN B J, HOONHOUT B, et al. XBeach 1D- probabilistic model. ADIS settings, model uncer-tainty and graphical user interface[R]. The Netherlands: Del-tares, 2014.

[5] NATALIA B, KAZIMIERZ F, JOANNA D. Application of XBeach to model a storm response on a sandy spit at the southern Baltic[J]. Oceanological and Hydrobio-lo-gical Studies, 2015, 44(4): 552-562.

[6] KOMBIADOU K, COSTAS S, ROELVINK D. Simu-la-ting destructive and constructive morphodynamic pro-cesses in steep beaches[J]. Journal of Marine Science and Engineering, 2021, 9(1): 86-86.

[7] 李銳. 風(fēng)暴潮作用下的廈門島沙灘剖面數(shù)值演變模擬[D]. 南京: 東南大學(xué), 2017.

LI Rui. Numerical evolution simulation of Sandy beach profile in Xiamen Island under the action of storm surge[D]. Nanjing: Southeast University, 2017.

[8] 龔玉萌. 泥化沙灘的修復(fù)研究[D]. 杭州: 浙江大學(xué), 2019.

GONG Yumeng. Study on restoration of mud-sand beach[D]. Hangzhou: Zhejiang University, 2019.

[9] 張洪艷. 植被與人工沙壩對(duì)砂質(zhì)海岸剖面演化的研究[D]. 大連: 大連理工大學(xué), 2021.

ZHANG Hongyan. Study on the evolution of sandy coastal profile by vegetation and artificial sand dam[D]. Dalian: Dalian University of Technology, 2021.

[10] ROELVINK D, VAN D A, MCCALL R T, et al. Xbeach technical reference: kingsday release[R]. The Nether-lands: UNESCO-IHE Institute for Water Education & Delft University of Technology, 2015.

[11] SIMMONS J A, HARLEY M D, MARSHALL L A, et al. Calibrating and assessing uncertainty in coastal nu-merical models[J]. Coastal Engineering, 2017, 125(7): 28-41.

[12] SUTHERLAND J, PEET A H, SOULSBY R L. Evalua-ting the performance of morphological models[J]. Coa-stal Engineering, 2004, 51: 917-939.

[13] WILLIAMS J J, ALEGRíA-ARZABURU A R D, MCCALL R T, et al. Modelling gravel barrier profile response to combined waves and tides using XBeach: Laboratory and field results[J]. Coastal Engineering, 2012, 63(5): 62-80.

[14] DE VET P L M, MCCALL R T, DEN BIEMAN J P, et al. Modelling dune erosion, overwash and breaching at fire island(NY) during hurricane sandy[J]. Coastal Sediments 2015, 2015, 3(5): 13-17.

[15] ROELVINK D, VAN D A, MCCALL R T, et al. XBeach manual[R].The Netherlands: WL Delft Hydraulics, 2015.

[16] 趙琳娜, 劉琳, 劉瑩, 等.觀測降水概率不確定性對(duì)集合預(yù)報(bào)概率技巧評(píng)分結(jié)果的分析[J]. 氣象, 2015, 41(6): 685-694.

ZHAO Linna, LIU Lin, LIU Ying et al. The analysis of observation precipitation probability uncertainty to pro-bability technique score result of ensemble fore-ca-st[J]. Meteorological Monthly, 2015, 41(6): 685-694.

[17] RIJIN L C V, WALSTRA D R, GRASMEIJER B, et al. The predictability of cross-shore bed evolution of sandy beaches at the time scale of storms and seasons using process-based profile models[J]. Coastal Engineering, 2003, 47(3): 295-327.

[18] RUESSINK B G. A bayesian estimation of parameter-induced uncertainty in a nearshore alongshore current model[J]. Journal of Hydroinformatics, 2006, 8(1): 37-49.

[19] RUSSSINK B G. Predictive uncertainty of a nearshore bed evolution model[J]. Continental Shelf Research, 2005, 25(9): 1053-1069.

[20] 王睿. 非線性波浪作用下岸灘演變模擬方法研究[D]. 北京: 清華大學(xué), 2015.

WANG Rui. Study on simulation method of beach evo-lution under nonlinear wave action[D]. Beijing: Tsin-ghua University, 2015.

[21] 朱磊, 楊燕雄, 楊雯, 等. 工程養(yǎng)護(hù)海灘對(duì)“803”風(fēng)暴潮的響應(yīng)過程研究[J]. 海洋通報(bào), 2019, 38(1): 102-114.

ZHU Lei, YANG Yanxiong, YANG Wen, et al. Study on response process of engineering conservation beach to “803” storm surge[J]. Marine Bulletin, 2019, 38(1): 102-114.

Parameter sensitivity analysis based on numerical simulation of sandy coast profile

XING Hao1, ZHANG Li-li1, LI Hua-qing1, ZHANG Xu-ri1, LI Bin2, SHI Hong-yuan3, YOU Zai-jin1, 4

(1. School of Hydraulic Engineering, Ludong University, Yantai 264025, China; 2. School of Hydraulic Engineering, Dalian University of Technology, Dalian 116081, China; 3. Institute of Port and Coastal Disaster Prevention and Mitigation, Ludong University, Yantai 264025, China; 4. Collaborative Innovation Center of Port and Shipping Security, Dalian Maritime University, Dalian 116026, China)

The generalized likelihood uncertainty estimated (GLUE) method is used to perform sensitivity analysis of wave nonlinearity (facua), beach wet collapse critical slope (wetslp), wave energy dissipation (alpha), and other tunable parameters in the XBeach model based on the wave flame experiment. Selected parameters’ physical meanings and governing equations are described. Different parameter values are selected to observe the evolution process of the shoreline profile, and the simulation result is evaluated by Brier Skill Score. The results show that different morphology of shoreline profiles can be obtained by changing parameter values. Due to the nonlinear action on the shoreline, the parameter facua controls the waveform, and the wave will change the profile with different trends. Changing the parameter value of facua can change the evolution trend of the simulated profile, resulting in great changes in the terrain evolution of the simulated profile. The parameter wetslp is used as the critical slope of wet collapse, and the profile slope is the primary characteristic of simulating topographic changes by changing its numerical value. The parameter alpha is the wave energy dissipation coefficient, and changing its value affects the energy released by the breaking wave, thus affecting the degree of erosion and deposition of the profile. Finally, the three values were 0.65, 0.2, and 1.3, respectively, which fit the best with the flume experiment results. The results have certain reference significance for XBeach research and application.

beach morphology; the numerical simulation; XBeach; parameter sensitivity

Mar. 2, 2022

P731.1

A

1000-3096(2022)09-0036-10

10.11759/hykx20220302001

2022-03-02;

2022-05-11

NSFC-山東聯(lián)合重點(diǎn)基金資助項(xiàng)目(U1806227); NSFC-山東聯(lián)合重點(diǎn)基金資助項(xiàng)目(U1906231)

[NSFC-Shandong Joint Key Fund Project, No. U1806227; NSFC-Shandong Joint Key Fund Project, No. U1906231]

邢浩(1999—), 男, 山東德州人, 碩士研究生, 主要從事海岸變化的動(dòng)力因素方面研究, E-mail: 1184010065@qq.com; 石洪源(1986—),通信作者, E-mail: shihongyuan1234@163.com

(本文編輯: 譚雪靜)