Mittelfristige Tide- und Seegangsmodellierung für das Einzugsgebiet des Norderneyer Seegats

Transkript

1 Mittelfristige Tide- und Seegangsmodellierung für das Einzugsgebiet des Norderneyer Seegats Ralf Kaiser, Agnieszka Herman & Hanz D. Niemeyer Niedersächsischer Landesbetrieb für Wasserwirtschaft, Küsten- und Naturschutz

2 MOSES: Modellierung des mittelfristigen Seegangsklimas im deutschen Nordseeküstengebiet Ziel des Projekts: DENMARK Erstellung eines 40-jährigen Datensatzes von Wasserstände, Strömungen und Seegang für drei charakteristische Gebiete der deutschen Nordseeküste Dithmarsher Bucht Analyse der erzeugten Datensätze Prüfung der Eignung der Datensätze für morphodynamische Modellierung Vorläufige Studie über das Konzept eines morphologisch-repräsentativen Seegangs Norderneyer Seegat NETHERLANDS Elbe Estuary GERMANY

3 Eingangsdaten und Konfiguration der Modellkette HIPOCAS wind HIPOCAS Wasserstände HIPOCAS Seegangs- Spektren Wind atlas (DWD) Delft3D Wasserstände und Strömungen SWAN Auflösung SWAN-Gitter: Delft3D-Gitter: 200m 300m -> 30m 50m

4 Verifikation der Ergebnisse (Testperiode Sep.-Nov. 2002) Messung SWAN mit HIPOCAS RB HIPOCAS boundary ( 7km north from SEE) Location of the DWR buoys in the study area Energiearme Dünung Starkwind-Lage H s (m) T e (s) Mittl. Messwert Zeit (Tage nach dem ) Mittl. modellierter Wert Standardabw. der Differenzen Mittl. Differenz (meas.-mod.) Forschungsstelle 0.01 Küste 0.95

5 Verifikation der Ergebnisse (Testperiode Sep.-Nov. 2002) Messung SWAN mit HIPOCAS RB SWAN mit SEE RB Location of the DWR buoys in the study area H s (m) T e (s) Mittl. Messwert Zeit (Tage nach dem ) Mittl. modellierter Wert Standardabw. der Differenzen Mittl. Differenz (meas.-mod.) Forschungsstelle Küste 0.56

6 Input Daten Delft3D und SWAN Simulationen Daten von 1 Punkt Hauptkomponenten Analyse Zerlegung des Datensatzes in feste Muster mit universalem Charakter und damit verbundene Verifikation Zeitserien Rekonstruktion der Daten PCs Muster + Neuronales Netz two-layer feed-forward network error gradient backpropagation

7 Hauptkomponentenanalyse der Modellergebnisse, Parameter Wasserstand Strömungen Signifikante Wellenhöhe Energieperioden Mittl. Wellenrichtung Prozentualer Anteil an der Varianz, Erstes Muster Prozentualer Anteil an der Varianz, Muster

8 Hauptkomponentenanalyse der Wasserstände, Muster 1 Muster 2 Muster 3 räumliche Verteilung des Anteils an der Varianz [%]

9 Hauptkomponentenanalyse der Wasserstände, Räumliche Verteilung der mit 5 Hauptkomponenten rekonstruierten Varianz [%] Standardabweichung der Differenzen [cm] zwischen den D3D-Ergebnissen und den mit 5 Hauptkomponenten rekonstruierten Zeitreihen

10 Hauptkomponentenanalyse der sign. Wellenhöhen, Muster 1 Muster 2 Muster % 3.35% 0.87% räumliche Verteilung des Anteils an der Varianz [%]

11 Hauptkomponentenanalyse der sign. Wellenhöhen, Räumliche Verteilung der mit 5 Hauptkomponenten rekonstruierten Varianz [%] Standardabweichung der Differenzen [cm] zwischen den SWAN-Ergebnissen und den mit 5 Hauptkomponenten rekonstruierten Zeitreihen

12 NN-Modellierung von signifikanten Wellenhöhen Delft3D HIPOCAS Zeit im Eingabe Punkt Ergebnisse der NN-Modellierung von Wasserständen und Strömungen H s (t-3δt) H s (t-2δt) H s (t-δt) H s (t) T e (t) ξ(t-3δt) ξ(t-2δt) ξ(t-δt) ξ(t) u w (t) v w (t) u w,mean (t) v w,mean (t) PC1 cur,x (t) PC1 cur,y (t) PC2 cur,x (t) PC2 cur,y (t) PC2 wl (t) PC3 wl (t) 90 Neuronen PC1(t) PC2(t) PC3(t) PC4(t) PC5(t)

13 NN-Modellierung von signifikanten Wellenhöhen NN SWAN-Daten PC1 PC2 PC3 PC4 PC % 3.348% 0.866% 0.475% 0.260% PC1 PC2 PC3 PC4 PC5 Korrelationskoeffizient [%] Standardabw. der Differenzen Mittlere Differenz

14 Rekonstruktion der signifikanten Wellenhöhen aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und mit NN rekonstruierten Zeitreihen Rekonstruierte Varianz [%]

15 Rekonstruktion der signifikanten Wellenhöhen aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und mit NN rekonstruierten Zeitreihen Standardabweichung der Differenzen [cm] Mittlere signifikante Wellenhöhen [m] nur gesamter überflutete Datensatz Punkte

16 Rekonstruktion der signifikanten Wellenhöhen aus dem Jahr Diskrete Wahrscheinlichkeitsdichte Diskrete kumulative Wahrscheinlichkeitsdichte H s [m] H s [m]

17 Zukünftige Anwendungen der Daten: Morphodyn. Modellierung, z.b.: input Daten in kompakter Form (von PCA) Probability of the H s /h values greater than (breaking limit) 35 statistische Verteilung der hydrodynamischen und Seegangs-Parameter Statistik v. H s /h Morph. Auswirkung (CERC Formulierung) andere Parameter für morphodyn. Modellierung Mittl. Wellenrichutng Wellenrichtung Signifikante Wellenhöhe (m)

18 Diskussion Die Genauigkeit der hier gezeigten Modellierung von Seegangs- Zeitserien ist vergleichbar mit Ergebnissen aus der Literatur, wobei dort die Rekonstruktion von Parametern auf einzelne Punkte beschränkt ist. Das im Projekt Moses entwickelte Verfahren ist in der Lage, die räumliche Verteilung von charakteristischen Seegangsparametern für das gesamte Untersuchungsgebiet zu reproduzieren. Es ist zu beachten, dass neben den Ungenauigkeiten des Neuronalen Netzwerks selbst zwei zusätzliche Fehlerquellen vorhanden sind: - Ein Teil der Varianz wird dadurch vernachlässigt, dass nur die ersten fünf Komponenten verwendet werden - Das Annahme, dass der Charakter der Muster universell ist, bleibt nur eine Näherung. Unter diesen Gesichtspunkten ist die Genauigkeit der Rekonstruktion von Modellergebnissen bemerkenswert gut.

19 Zusammenfassung Delft3D and SWAN sind geeignete Werkzeuge für diese Art von Untersuchungen Die Datensätze, die im MOSES-Projekt erstellt wurden, sind für weitere Bearbeitung geeignet wie zum Beispiel für mittelfristige statistische Analysen von Wasserständen, Strömungen und Seegang im Einzugsgebiet des Norderneyer Seegats. Die Datensätze können darüber hinaus auch für weitergehende morphodynamische Analysen/Modellierungen verwendet werden insbesondere auch im Hinblichk auf das Konzept eines morphodynamisch repräsentativen Seegangs Das im Projekt entwickelte Neuronale Netz ist ohne weitere Änderungen oder Anpassung mit Erfolg auch im Bereich der Dithmarscher Bucht angewendet worden.

20 Hauptkomponentenanalyse (PCA) 1. Wie funktioniert es? Data matrix: Y = y11 y12 y13 K y1 y y y y K 2 M M M O M y 1 y 2 y 3 K y N N N NP P P Map at time t 2 1. Remove mean value from each time series Time series in point x 2 2. Covariance matrix C 1 + = n 1 C Y Y 3. Eigenvalue analysis of eigenvalues + modes e j Y 4. Projection of on the eigenvectors principal components h j = + Y e j Reconstruction of the data: Y = h1e1 + h2e2+ K+ h e + K+ h e q q P P

21 Hauptkomponentenanalyse (PCA) 2. Was ist damit gemeint? Daten im Punkt x 2 Daten im Punkt x 1

22 Hauptkomponentenanalyse (PCA) 3. Einfaches Beispiel Dataset: a combination of three fields PCA % der Varianz

23 NN-Modellierung von Wasserständen NN Delft3D-Daten PC1 PC2 PC3 PC4 PC % 1.803% 0.638% 0.144% 0.052% PC1 PC2 PC3 PC4 PC5 Korrelationskoeffizient [%] Standardabw. der Differenzen Standardabw. der Differenzen

24 Rekonstruktion der Wasserstände aus dem Jahr 1985 Anteil der Varianz [%] rekonstruiert mit dem NN Standardabweichung der Differenzen [cm] zwischen den D3d-Ergebnissen und den rekonstruierten Daten

25 NN-Modellierung von Strömungen PC1 PC2 PC3 PC4 PC5 x-komponenten 84.47% 7.26% 1.97% 1.51% 0.68% y-komponenten PC1 x PC1 y PC2 x PC2 y PC3 x PC3 y PC4 x PC4 y PC5 x PC5 y Korrkoeff. [%] Stdabw. der Diff Mittlere Differenz

26 Rekonstruktion der Strömungen aus dem Jahr 1985 Anteil der Varianz [%] rekonstruiert mit dem NN Standardabweichung der Differenzen [cm/s] zwischen den D3d-Ergebnissen und den rekonstruierten Daten

27 NN-Modellierung von Energieperioden NN SWAN-Daten PC1 PC2 PC3 PC4 PC % % 1.511% 1.276% 1.053% PC1 PC2 PC3 PC4 PC5 Korrelationskoeffizient [%] Standardabw. der Differenzen Mittlere Differenz

28 Rekonstruktion der Energieperioden aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und den mit NN rekonstruierten Zeitreihen Rekonstruierte Varianz [%]

29 Rekonstruktion der Energieperioden aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und den mit NN rekonstruierten Zeitreihen Standardabweichung der Differenzen [s] Mittlere Energieperioden [s]