基于实验与仿真的三维水下气体泄漏预测与安全评估研究

水下气体羽流特性是海底气体泄漏风险评估的重要基础。为准确预测水下气体羽流行为,基于计算流体动力学(CFD)方法,建立1种考虑气体卷吸湍流特性的三维水下气体羽流数值预测模型;采用欧拉-欧拉流体体积模型捕捉气液作用界面,以大涡模拟(LES)方式预测羽流上浮及卷吸过程中的湍流特性,从而实现对水下气体羽流行为的预测;搭建小尺度实验平台,对比仿真与实验条件下的气体羽流形态,验证数值模型的可行性及预测精度;应用建立的数值模型对工程条件下的水下气体泄漏事故进行预测和评估,以某浅层气井喷事故为例,评估水下气体羽流上浮时间、海面影响范围和涌流高度。结果表明:基于欧拉多相流与大涡模拟的数值模型对水下气体羽流预测结果与实验具有较好的吻合度,该模型能够较好捕捉羽流的湍流特性,可为水下气体泄漏羽流行为评估提供参考。     

2000年北京沙尘暴源地解析

2000年我国北方春季干旱少雨,气温回升快,低涡频繁侵入,4月3～9日连续3次冷空气活动,造成了北京地区严重的沙尘暴天气。笔者利用卫星云图和中尺度数值模式MM5,分析了该次沙尘暴源地及沙尘输送机制。结果证明,北京沙尘暴初始源地为蒙古高原及冷涡移动路径上的沙漠戈壁地区;北京周边地区裸露地的沙尘在气旋尾部上升气流的扰动下,亦形成了边界层的近距离输送。      

巴丹吉林沙漠腹地夏季不同天气条件下陆-湖面辐射收支与能量分配特征对比

论文以巴丹吉林沙漠腹地陆面和湖面能量平衡系统的定位观测数据为基础,对比分析了夏季不同天气条件下两种典型下垫面的辐射收支和能量分配之异同,评价了典型晴天的辐射收支与能量分配对季节平均气候态的代表性。结果显示,按“晴天-多云-阴天-降水”的顺序,陆面与湖面的总辐射、反射短波辐射和净辐射之日均值呈逐渐减小趋势,大气逆辐射则逐渐增大。湖面长波辐射亦随这一天气变化顺序逐渐增大,暗示地下水携带的热量和局地平流作用对湖水表面温度皆有影响。非降水天气时,陆面感热通量占净辐射的主要部分。云和降水皆会直接影响陆面的能量分配,感热通量一般随云量的增加而减小,潜热通量则逐渐增大。湖面典型晴天的午后存在逆温现象,然降水天气时,湖面空气温度降低较快,破坏了湖面上空的逆温层,即感热通量皆为正值。湖面的潜热通量主要决定于风速,故其对天气变化响应不明显。在地下水携带的热量和局地平流共同作用下,湖面的感热通量和潜热通量之和大于湖面的净辐射。不同天气下陆面和湖面的波文比差异较大。陆面典型晴天的辐射收支和能量分配与季节平均气候态相差不大,湖面的典型晴天则不具有季节平均气候态的代表性。     

An improved grey wolf optimizer algorithm for identification and location of gas emission

Identification of the leakage of hazardous gases plays an important role in the environment protection, human health and safety of industry production. However, lots of current optimization algorithms, such as particle swarm optimization (PSO) and Grey Wolf Optimizer (GWO), suffer from poor global optimization capability and estimation accuracy. In this work, a hybrid differential evolutionary and GWO (DE-GWO) algorithm is proposed. Tested by simulation cases and Prairie Grass emission experimental data, DE-GWO shows higher estimation accuracy than GWO. Compared with the other four optimization algorithms, DE-GWO exhibits finer robust stability under different population sizes, fewer iterations, as well as higher estimation accuracy with fewer search agents. Importantly, simulation results demonstrate that DE-GWO is more suitable to apply in the scene with a small number of sensors. Therefore, the proposed in this paper outperforms other optimization algorithms for the gas emission inverse problem. DE-GWO can provide reliable estimation towards gas emission identification and positioning, which shows huge potential as the data analysis module of real-time monitoring and early warning system.