Рус Eng За 365 дней одобрено статей: 1898,   статей на доработке: 302 отклонено статей: 794 
Библиотека
Статьи и журналы | Тарифы | Оплата | Ваш профиль

Вернуться к содержанию

Разработка программных инструментов сопровождения численного эксперимента по моделированию внутренних волн в стратифицированной жидкости
Тюгин Дмитрий Юрьевич

кандидат физико-математических наук

научный сотрудник, лаборатория моделирования природных и техногенных катастроф, Нижегородский Государственный Технический Университет им. Р. Е. Алексеева

603155, Россия, Нижегородская область, г. Нижний Новгород, ул. Минина, 24, ауд. 1117

Tyugin Dmitry

PhD in Physics and Mathematics

Researcher at Laboratory for Modelling Natural and Technogenic Catastrophes at the Alekseeva Nizhny Novgorod State Technical University 

603155, Russia, Nizhegorodskaya oblast', g. Nizhnii Novgorod, ul. Minina, 24, aud. 1117

dtyugin@gmail.com

Аннотация.

Объектом исследования являются геофизические процессы возникающие в океане, в частности распространение и трансформация внутренних волн в стратифицированной жидкости. Подробное изучение таких крупномасштабных процессов возможно с помощью численного моделирования и открытых гидрологических источников данных. Тем не менее, для проведения вычислительных экспериментов требуются программные инструменты сопровождения. К ним относятся средства обработки входных данных, средства программного представления в виде сеток, средства подготовки выборки данных, средства визуализации, а также методы инициализации математических моделей. Рассматриваются подробно все этапы проведения численного эксперимента и требуемые программные инструменты. Рассматриваются аспекты инициализации численных моделей. Показано, что часть начальных условий может быть получена в автоматическом режиме из контекста данных. Новизна исследования заключается в предложенных методах к созданию проблемно-ориентированных программных инструментов сопровождения численного эксперимента по моделированию геофизических процессов, зависящих от пространственно-временного распределения многомерных данных. Предложенные методы могут быть применены во многих областях математического моделирования физических процессов, для которых характерны подобные зависимости.

Ключевые слова: программный комплекс, численное моделирование, внутренние волны, стратифицированная жидкость, визуализация данных, обработка данных, алгоритмы, инициализация модели, численный эксперимент, NetCDF

DOI:

10.25136/2306-4196.2018.2.25990

Дата направления в редакцию:

10-04-2018


Дата рецензирования:

11-04-2018


Дата публикации:

23-04-2018


Представленные результаты получены за счет средств гранта Российского научного фонда (проект №17-71-10101)

Abstract.

The object of the research is the geophysical processes in the ocean, in particular, distribution and transformation of internal waves in stratified fluid. According to the author, it is possible to study such large-scale processes using the methods of numerical modeling and open hydrological data sources. Nevertheless, numerical experiments require accompanying software tools. These tools include means of incoming data processing, software presentation methods in a form of networks, data sample preparation methods, data visualization means, and methods of initialization of mathematical models. The author examines all stages of a numerical experiment and required software tools as well as aspects of initialization of numerical models. The author demonstrates that part of the initial conditions can be created from the data context in an automatic mode. The novelty of the research is caused by the fact that the author offers methods to be used to create problem-oriented software tools to carry out a numerical experiment on modelling geophysical processes that depend on spatiotemporal distribution of multivariable data. The methods offered can be used in many spheres of mathematical modelling of physical processes such dependencies are attributable to. 

Keywords:

algorithms, data processing, data visualization, stratified fluid, internal waves, numerical modeling, software package, model initialization, numerical experiment, NetCDF

Применение математического моделирования для изучения геофизических процессов является одним из основных инструментов при исследовании масштабных природных явлений. Одним из таких явлений является распространение и трансформация внутренних волн в стратифицированной жидкости. Такие волны возникают в Мировом океане в толще воды под действием силы тяжести и наличию характерных пиков градиента плотности по глубине вследствие расслоенности воды по солености и температуре. Внутренние волны являются актуальным объектом исследования так как вносят значительный вклад на формирование рельефа дна и воздействие на опоры гидротехнических сооружений, что напрямую влияет как на хозяйственную деятельность человека на шельфе, так и на экосистему в целом.

Существует ряд программных пакетов применимых для моделирования и описания динамики как внутренних волн, так и других масштабных явлений связанных с циркуляцией водных масс, происходящих в Мировом океане: POM [1], MITgcm [2], ROMS [3], IGW [4]. Для моделирования в данных пакетах требуется инициализация моделей. Как правило, для простых примеров, демонстрирующих возможности пакета, это может быть аналитическое уравнение, описывающее характерные параметры среды. Для моделирования на натурных данных возникает ряд сложностей по их адаптации. Настройка программных пакетов неочевидна и требует глубокого изучения исходного кода, а физические поля необходимые для инициализации требуют предварительной выборки и усреднения. Ряд параметров в математических моделях, например, учет сил Кориолиса, может зависеть от географического положения входных данных, а начальные условия, например предельные амплитуды волн, могут быть ограничены характеристиками среды. Ввод и анализ этих параметров может быть автоматизирован, в том случае если расчеты проводятся без отрыва от контекста данных.

Входными данными для таких комплексов являются параметры среды, в которой происходит распространение волн. Эти параметры могут быть взяты из открытых источников, например, международных гидрологических атласов WOA [5], GDEM [6], а также данных на основе глобальных моделей циркуляции и динамики климата – RCO [7]. Формат данных может также варьироваться, включая текстовые файлы, бинарные либо специальные форматы хранения данных, базирующиеся на библиотеках, например, netCDF [8].

Отдельным этапом исследования является анализ полученных результатов моделирования. Как правило, требуется визуализация данных, характерная для данной задачи. В случае с внутренними волнами, это может быть возмущение плотности.

Таким образом, численный эксперимент по моделированию внутренних волн в стратифицированной жидкости состоит из следующих этапов: чтение данных из различных форматов, предварительный расчет физических полей (например, расчет поля плотности по данным солености и температуры), выборка данных, усреднение, инициализация модели данными и начальными условиями, численный расчет, визуализация и анализ полученных результатов. При этом часть начальных условий может быть получена из контекста данных – географического положения и параметров физических полей.

Создание проблемно-ориентированных программных инструментов сопровождения численного эксперимента позволит решить проблему инициализации моделей с учетом контекста данных, автоматизировать исследования и повысить эффективность проведения экспериментов.

Рассмотрим разработку программных инструментов характерных для данной области исследований применительно к модели динамики внутренних волн на основе уравнения Гарднера-Островского [9].

Исходные данные

Для инициализации численных моделей используются данные плотности и частоты Брента – Вяйсяля, полученные с помощью международного уравнения плотности [10] на основе гидрологических атласов WOA, GDEM, RCO. Для задания береговой линии применяется атлас батиметрии ETOPO1 [11].

Атлас GDEM – международный гидрологический атлас на основе натурных измерений. Содержит численные массивы среднемесячных климатических данных о вертикальном распределении температуры и солёности. Он содержит блоки усредненных данных за январский и июльский периоды. Координатная сетка равномерная по областям. Разрешение сетки составляет от 1/2 до 1/6 градуса. Диапазон долготы: 180° в.д. – 180° з.д., диапазон широты: 78° ю.ш. – 90° с.ш. Содержит 58 уровней глубины с максимальным значением 9999 метров.

Атлас WOA – международный гидрологический атлас, составленный на основе натурных измерений. Содержит блоки усредненных данных по месяцам (январь – июль), временам года (летний/зимний). Разрешение сетки данных постоянное и составляет 1/2 градуса. Диапазон долготы: 179.5° в.д. – 179.5° з.д., диапазон широты: 89.5° ю.ш. – 89.5° с.ш. Содержит 33 уровня глубины с максимальным значением 5500 метров.

Атлас RCO представляет модельные данные температуры и солености высокого разрешения по Балтийскому морю. Содержит блоки данных с разрешением 1/15 по долготе, 1/30 по широте с шагом 6 часов с 1961 по 2005 года. Диапазон долготы: 9.5167° в.д. – 30.1834° в.д., диапазон широты: 53.925° с.ш. – 65.825° с.ш. Содержит 41 уровень глубины, с максимальным значением 249 метров.

Атлас батиметрии ETOPO1 содержит данные глобального рельефа Земли с 1-минутным разрешением сетки.

Анализ параметров входных данных показал, что большинство источников содержат регулярную сетку, но могут иметь области различного разрешения.

Архитектура

Рис. 1 Архитектура программных инструментов сопровождения численного эксперимента

Архитектура построена по паттерну проектирования Model-View-Presenter. Его отличительной особенностью является перенос логики приложения в модель (имеется ввиду программная модель).

Блок загрузки и представления данных

Для реализации представления многомерных данных (три пространственные координаты и одна координата по времени) был разработан блок загрузки и представления данных.

Рис. 2 Блок загрузки и представления данных

Основой для хранения данных является библиотека NetCDF. Данная библиотека широко распространена в научном сообществе, часть данных в открытых источниках уже описывается в формате NCF. Для загрузки данных в текстовом формате предусмотрен парсер, конфигурируемый при помощи пользовательского интерфейса. Таким образом он не зависит от конкретных данных, а может быть настроен пользователем. Данные приводятся к единому формату NCF, затем загружаются в память. Формат NCF позволяет описывать многомерные данные и сохранять их описание вместе с самими данными, в том числе различную служебную информацию о названии физических полей, единиц измерения и опорных точек сетки. Таким образом загрузка открытых источников может быть выполнена путем сопоставления названий переменных и проверки единиц измерения. Для этого предусмотрены наборы описаний для атласов WOA и ETOPO1. Остальные атласы загружаются из текстового формата.

После загрузки и сопоставления переменных доступ к данным осуществляется через интерфейс контейнера, реализованного в виде тонкого клиента. Это означает что фактически контейнер не использует оперативную память для хранения данных, а содержит только описание данных и дескрипторы переменных для доступа к данным. Контейнер позволяет выполнить запрос данных, формируемый пользователем через графический интерфейс. Запрос выполняется по каждому измерению, таким образом возможно загрузить, например, трехмерные профили плотности для выбранном временной координаты, либо выбрать двумерное распределение плотности на определенной глубине. Таким образом создается выборка данных для дальнейшей обработки. Полученная выборка имеет сеточный уровень представления. То есть, предоставляет интерфейс доступа не по программным индексам, а по значению физических величин. Поддерживаются регулярные и нерегулярные сетки. Данные интерфейсы доступны для элементов следующего уровня архитектуры – алгоритмов обработки выборки и расчета физических полей.

Обработка выборки для инициализации модели

Для инициализации модели распространения внутренних волн в рамках уравнения Гарднера-Островского недостаточно стандартного представления данных. Для задания внешних условий требуется определить характеристики внутренних волн вдоль разреза (или трассы), то есть некоторой прямой линии на географической плоскости, по которой осуществляется распространение волны. Для создания выборки данных воль разреза необходимо также провести усреднение данных, чтобы исключить влияние случайных величин.

Алгоритм расчета выборки состоит из четырех этапов. На первом этапе задается прямая P1P2, представляющая собой линию разреза (рис. 3,а ).

Рис. 3. Схема построения выборки данных

Крупными точками отображены опорные точки сетки данных. Ориентация разреза на плоскости может быть произвольна и задается пользователем, таким образом, опорные точки линии могут не совпадать с опорными точками сетки. Второй этап предполагает задание прямоугольной области L , в которую вписана линия разреза таким образом, чтобы она проходила посередине (рис. 3,б ). Эта область определяет ширину усреднения w . На следующем этапе проводится построение прямых усреднения (k 11 – k 12… k 1nk 2n), они располагаются перпендикулярно прямой P1P2 (рис. 3,в ). Каждая прямая усреднения делится на равное число опорных точек, по координатам каждой точки определяются значения характеристик внутренних гравитационных волн. На основе данных в опорных точках вычисляется среднее значение на прямой и устанавливается в точку пересечения прямой P1P2 и усредняющей прямой (рис. 3, г ).

На основе интерполяции данных в опорных точках прямой рассчитываются функции характеристик F 1(x ), ..., Fn (x ), где x – локальная координата вдоль разреза (0...L ).

Инициализация модели

Рис. 4 Пользовательский интерфейс для инициализации модели

На рис. 4 приведен пример интерфейса программы поддержки вычислительного эксперимента, визуализация поля скорости внутренних волн с привязкой к координатной сетке в проекции Миллера [12] и выборка «разреза» для инициализации модели. Справа внизу показано начальное возмущение на основе введенных параметров и учета контекста данных для инициализации модели. В данном случае учет сил Кориолиса выполнен автоматически, так как данный параметр зависит от координат местоположения разреза, тем самым использование контекста позволяет автоматически выставить ряд начальных условий для инициализации модели.

Визуализация результатов расчета

На рис. 5 представлена XS диаграмма распространения Гарднер солитона с амплитудой -7 метров в рамках уравнения Гарднера-Островского.

Рис. 5 Визуализация результатов расчета

Заключение

Предложен набор программных инструментов необходимый для проведения численного эксперимента в области моделирования динамики внутренних волн в стратифицированной жидкости. Рассмотренный набор является проблемно-ориентированным и включает все этапы сопровождения вычислительного эксперимента, характерного для исследования физических процессов, зависимых как от географического положения, так и пространственно-временного распределения многомерных данных. Предложенные методы и алгоритмы могут быть применены во многих областях математического моделирования физических процессов, для которых характерны подобные зависимости.

Библиография
1.
Blumberg A., Mellor G. A discription of a three-dimensional coastal ocean circulation model // Dynalysis of Princeton. 1987. P. 1-16.
2.
Marshall J., Hill C., Perelman L., Adcroft A. Hydrostatic, quasi-hydrostatic, and nonhydrostatic ocean modeling // J. Geophysical Res. 1997. V. 102. P. 5733-5752.
3.
Melsom A., Lien V., Budgell W. Using the Regional Ocean Modeling System (ROMS) to improve the ocean circulation from a GCM 20th century simulation // Ocean Dynamics. 2009. P. 969-981.
4.
Lamb K. G. Numerical experiments of internal wave generation by strong tidal flow across a finite-amplitude bank edge // J. Geophys. Res. Oceans. 1994. V. 99. P. 843-864.
5.
Boyer T.P., Antonov J.I., Garcia H.E., Johnson D.R., Locarnini R.A., Mishonov A.V., Pitcher M.T., Baranova O.K., Smolyar I.V. World Ocean Database 2005. Washington: U.S. Government Printing Office. 2006. 190. P.
6.
Teague W.J., Carron M.J., Hogan P.J. A Comparison between the Generalized Digital Environmental Model and Levitus Climatologies // J. Geophys. Res. 1990. V. 95. P. 7167 – 7183.
7.
Meier H.E.M., Doscher R., Coward A.C., Nycander J., Doos K. RCO-Rossby Centre regional Ocean climate midel: Model description (version 1.0) and first results from the hindcast period 1992/93. Norrkoping: Swed. Meteorol. Hydrol. Inst. 1999. 102 P.
8.
NetCDF. URL: http://www.unidata.ucar.edu/software/netcdf
9.
Grimshaw R., Talipova T., Pelinovsky E., Kurkina O. Internal solitary waves: propagation, deformation and disintegration // Nonlin. Processes Geophys. V. 17. P. 633-649. doi:10.5194/npg-17-633-2010
10.
Fofonoff N., Millard R. Jr. Algorithms for computation of fundamental properties of seawater // UNESCO Technical Paper in Marine Sсience 44. 1983. P. 15–25.
11.
Amante C., Eakins B. W. ETOPO1 1 Arc-Minute Global Relief Model: Procedures, Data Sources and Analysis // NOAA Technical Memorandum NESDIS NGDC-24. 2009. 19. P.
12.
Snyder J. Flattening the Earth: Two Thousand Years of Map Projections. London: The University of Chicago Press. 1993. 384. P
References (transliterated)
1.
Blumberg A., Mellor G. A discription of a three-dimensional coastal ocean circulation model // Dynalysis of Princeton. 1987. P. 1-16.
2.
Marshall J., Hill C., Perelman L., Adcroft A. Hydrostatic, quasi-hydrostatic, and nonhydrostatic ocean modeling // J. Geophysical Res. 1997. V. 102. P. 5733-5752.
3.
Melsom A., Lien V., Budgell W. Using the Regional Ocean Modeling System (ROMS) to improve the ocean circulation from a GCM 20th century simulation // Ocean Dynamics. 2009. P. 969-981.
4.
Lamb K. G. Numerical experiments of internal wave generation by strong tidal flow across a finite-amplitude bank edge // J. Geophys. Res. Oceans. 1994. V. 99. P. 843-864.
5.
Boyer T.P., Antonov J.I., Garcia H.E., Johnson D.R., Locarnini R.A., Mishonov A.V., Pitcher M.T., Baranova O.K., Smolyar I.V. World Ocean Database 2005. Washington: U.S. Government Printing Office. 2006. 190. P.
6.
Teague W.J., Carron M.J., Hogan P.J. A Comparison between the Generalized Digital Environmental Model and Levitus Climatologies // J. Geophys. Res. 1990. V. 95. P. 7167 – 7183.
7.
Meier H.E.M., Doscher R., Coward A.C., Nycander J., Doos K. RCO-Rossby Centre regional Ocean climate midel: Model description (version 1.0) and first results from the hindcast period 1992/93. Norrkoping: Swed. Meteorol. Hydrol. Inst. 1999. 102 P.
8.
NetCDF. URL: http://www.unidata.ucar.edu/software/netcdf
9.
Grimshaw R., Talipova T., Pelinovsky E., Kurkina O. Internal solitary waves: propagation, deformation and disintegration // Nonlin. Processes Geophys. V. 17. P. 633-649. doi:10.5194/npg-17-633-2010
10.
Fofonoff N., Millard R. Jr. Algorithms for computation of fundamental properties of seawater // UNESCO Technical Paper in Marine Ssience 44. 1983. P. 15–25.
11.
Amante C., Eakins B. W. ETOPO1 1 Arc-Minute Global Relief Model: Procedures, Data Sources and Analysis // NOAA Technical Memorandum NESDIS NGDC-24. 2009. 19. P.
12.
Snyder J. Flattening the Earth: Two Thousand Years of Map Projections. London: The University of Chicago Press. 1993. 384. P