Combined Neural Network and CFD Modelling of Extreme Storm Surges

Tayel, Mohamed Fathy Tawfeek Ramadan

Genaue Vorhersagen der Sturmflut sind von entscheidender Bedeutung für viele Küstengebiete. Entlang der Nordseeküste werden zuverlässige Sturmflutvorhersagen benötigt, da ein Großteil der Küstengebiete nicht nur unter dem Meeresspiegel liegt, sondern auch häufigen Stürmen ausgesetzt ist. Derzeit kann die Natur dieser nicht-linearen Wechselwirkungen und deren Beitrag zur Extremsturmflut noch nicht durch herkömmliche numerische hydrodynamische/statistische Modelle allein gelöst werden. Alternativ wird ein pragmatischer datengesteuerten Ansatz vorgeschlagen für Cuxhaven und Sylt, der die Vorhersagen des CFD-Modells TELEMAC und die nichtlinearen autoregressive Inputs mit exogenen wiederkehrenden neuronalen Netzen (NARX) in einem Hybridmodell kombiniert. Das Hybridmodell TELEMAC –NARX ermöglicht, den Beitrag der nichtlinearen Wechselwirkungen zwischen den Sturmflutkomponenten implizit zu bestimmen. Dadurch wird auch ermöglicht, die Korrektur der numerische Ergebnisse hinsichtlich Höhe und Eintrittszeit der Wasserstände zu korrigieren. Der maximale Beitrag der nichtlinearen Wechselwirkung bei Cuxhaven und Sylt erreichen 21% und 25,80%, bzw der höchsten Sturmflut (1991-2007). In den meisten extremen Sturmflutereignissen dieser Studie führte die Berücksichtigung der nicht linearen Wechselwirkungen zu niedrigeren Sturmflutwasserständen als die, die aus der linearen Überlagerung der Komponenten resultierten. Jedoch, unter bestimmten Bedingungen, führten die nicht linearen Wechselwirkungen zu höheren Sturmfluten als die lineare Überlagerung (z.B. Sturmflut vom Januar 2000). Die zeitlichen Änderungen der Signale des zukunft Klimawandels hinsichtlich der Sturmfluten für das Emissionsszenario A1B 2070-2100 in Cuxhaven und Sylt, werden anhand des neuen Hybridmodells eingeschätzt. Die Erhöhung der extremen Sturmfluten infolge des Klimawandels ist von Bedeutung für die Deutsche Bucht und die niederländische Küste, jedoch mit einer beträchtlichen Abnahme für die Mitte der Nordsee und entlang der britischen Ostküste. Die maximale Sturmfluten für das A1B-Szenario bei Cuxhaven und Sylt sind höher als die maximalen Sturmfluten an beiden Standorten (1991-2007), mit jeweils 0,19 m (4,8%) für Cuxhaven und 0,54 m (17,9%) für Sylt. Die künftige Zunahme der Häufigkeit extremer Sturmfluten allein wäre für viele Küstenanlagen unbedeutend. Dies ist jedoch nicht der Fall für die Zunahme der Höhe und Dauer der Sturmfluten, die zu einer Reduzierung der Sicherheit der Anlagen führen würden.

Accurate predictions of storm-tide are of vital importance for many coastal areas. Along North Sea coasts, reliable storm-tide predictions are of crucial importance as a large portion of the coastal zones is not only below mean sea level but also characterized by frequent storms. Currently, the nature of mutual nonlinear interactions between the extreme storm-tide cannot yet be solved by conventional hydrodynamic/statistical models alone. Alternatively, a pragmatic data-driven approach is proposed and implemented in Cuxhaven and Sylt, which combines the predictions of hydrodynamic model (TELEMAC) and nonlinear autoregressive with exogenous input (NARX) recurrent neural networks model. This approach, called hybrid TELEMAC-NARX model, can implicitly account for the nonlinear interactions among all storm-tide components. This enables the substantial errors in both magnitude and timing of the results predicted by the hydrodynamic model to be corrected. The maximum effect of the nonlinear interaction at Cuxhaven and Sylt reach 21% and 25.80%, respectively, from extreme storm-tide (1991-2007). In the most extreme storm-tide events considered in this study, the contribution of the nonlinear interaction resulted in smaller extreme water levels than those obtained through linear superposition of extreme storm-tide components. However, under certain conditions, the nonlinear interactions might result in higher storm-tides than those resulting from the linear superposition (e.g. storm of January 2000 at Cuxhaven and Sylt). The threat by extreme storm-tides might increase due to the change in future wind climate under emission scenario (A1B 2070-2100). The increase of the magnitude of the extreme surge-tide due to climate change is significant for the German Bight and the Netherlands coasts, while it decreases significantly for the middle of the North Sea and along the UK east coast. The temporal variations of the climate change signals for storm-tide at Cuxhaven and Sylt are assessed using the new hybrid model. The maximum storm-tide under the A1B scenario at Cuxhaven and Sylt are higher than the maximum of storm-tide at both sites in (1991-2007) by 0.19 m (4.8 %) and 0.54 m (17.9 %), respectively. The future increase in frequency of extreme storm-tide events alone, which is not significant, would be less relevant for many coastal facilities whereas the increase in duration and/or magnitude of extreme events (both are significant) could decrease their safety.

Vorschau

Zitieren

Zitierform:

Tayel, Mohamed Fathy Tawfeek Ramadan: Combined Neural Network and CFD Modelling of Extreme Storm Surges. 2015.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Details anzeigen

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten

Export