Extreme Storm Surge Prediction Using Hydrodynamic Modelling and Artificial Neural Networks

摘要

On coastlines with shallow shelf areas (e.g. North Sea), a combination of high tides, storm surges, wind waves and mutual interactions generally represent the major sources of coastal flood risks: The contribution of the mutual interactions between the various components still remains the most unknown, despite the now routine linking of tidal and surge components in the current operational hydrodynamic storm-tide models. In fact, a proper physically-based coupling of all constituents will probably take decades to be implemented in the current operational models due to the highly complex and stochastic nature of the entire storm-tide system. Meanwhile, rather a more pragmatic data-driven approach is required to assess the contributions of these non-linear interactions to the resulting extreme storm-tide. Such a pragmatic approach is proposed, which is based on two types of artificial neural networks (ANNs) models called NARX (Nonlinear AutoRegressive eXogenous inputs): (ⅰ) NARX neural network model to predict the extreme storm-tide (Type-A), (ⅱ) NARX neural network model to nonlinearly correct the numerical storm-tide results from TELEMAC2D and TOMAWAC (Type-B). Ensembles methods are then used to reduce variance and minimize error especially in extreme storm-tide events. The approach was applied for two pilot sites in the North Sea (Cuxhaven and Sylt). The results show that the ensemble models are able to extract the contribution of the nonlinear interaction between the different extreme storm-tide components at both sites by subtracting the results of the hydrodynamic models (linear superposition of storm-tide constituents) from the ensemble results. In most extreme storm-tide events considered in this study, the contribution of the nonlinear interaction resulted in the reduction of the extreme water levels when compared with the linear superposition of extreme storm-tide components. However, under certain conditions, the nonlinear interactions might result in higher storm-tides than the linear superposition (e.g. storm of January 2000 at Cuxhaven and Sylt).%Bei Küsten mit flachen Schelfgebieten wie die Nordsee, stellen extreme Sturmflut-Wasserstände aus Windstau und Gezeiten, Windwellen und deren Wechselwirkungen in der Regel die Hauptquelle von Hochwasserrisiken im Küstenbereich. Der relative Beitrag dieser Wechselwirkungen zwischen den Sturm- flut-Komponenten zum resultierenden Extremwasserstand ist immer noch weitestgehend unbekannt -trotz der mittlerweile routinemäßigen Kopplung der Komponenten aus Windstau und Gezeiten in den derzeitigen operationellen hydrodynamischen numerischen Modellen (HNM). Aufgrund der hochkomplexen und stochastischen Natur der gesamten Sturmflut, wird die Implementierung einer weitgehend physi-kalisch-basierten Kopplung aller Sturmflut-Komponenten wahrscheinlich in die operationeilen HNM noch Jahrzehnte Forschung benötigen. Mittlerweile wird eher ein pragmatischer datenbasierter hybrider Ansatz benötigt, um die nicht-linearen Wechselwirkungen zwischen allen Komponenten der resultierenden extremen Sturmflut-Wasserstände zu ermitteln. Solch ein pragmatischer Ansatz wird hier vorgeschlagen, der auf zwei Arten von KNN-Modellen (Künstliche Neuronale Netze) bezeichnet als NARX (Nichtlineare AutoRegressive exogene Eingänge) basiert: (ⅰ) NARX neuronale Netzwerkmodell für extreme Sturmflutvorhersagen (Type-A), (ⅱ) NARX neuronale Netzwerkmodell für die Korrektur der in HNM wie TELEMAC2D und TOMAWAC ermittelten nichtlinearen Effekte (Type-B). Besonders bei extremen Sturmflutereignissen, werden Methoden der Ensemble-Modellierung verwendet, um die Varianz zu reduzieren und Fehler zu minimieren. Der vorgeschlagene hybride Ansatz wurde beispielhaft für zwei Pilot-Standorte an der deutschen Nordseeküste (Cuxhaven und Sylt) implementiert. Die Ergebnisse an beiden Standorten zeigen, dass der hybride Ansatz in der Lage ist,die Beiträge der nichtlinearen Wechselwirkungen zwischen allen Sturmflut-Komponenten durch Subtraktion der Ergebnisse der hydrodynamischen Modelle (lineare Überlagerung aller Sturmflut-Komponenten) von den Ergebnissen der Ensemble -Modelle zu extrahieren. Für die extremsten Sturmflutereignisse im Zeitraum 1991-2007, die in dieser Studie berücksichtigt wurden, führte der Beitrag der nichtlineare Wechselwirkung im Vergleich mit der linearen Überlagerung von extremen Sturmflut-Komponenten in der Regel zur Reduzierung der resultierenden Wasserstände. Jedoch zeigten die Ergebnisse, dass unter bestimmten Bedingungen die nichtlinearen Wechselwirkungen auch zu höheren Sturmflut-Wasserständen als die lineare Überlagerung führen können (z. B. Sturm vom Januar 2000 bei Cuxhaven und Sylt).