基于水文氣象預報的大連港船舶安全進出港時間窗口分析

王輝，柯文文

（大連海事大學，遼寧 大連 116026）

近年來，隨著我國各個港口船舶進出港數量日趨繁重，進出港環境越加復雜，難度和強度也不斷增大。且由于極端惡劣天氣頻發，天氣因素船舶進出港航行的影響越來越大，惡劣天氣是影響船舶正常調度的重要原因。國內外學者對此做了大量的研究，蔡文學等[1]綜合考慮時間約束、拖輪資源、航行安全和潮汐等影響因素，建立了船舶疏散調度優化模型。李安[2]根據船舶的大小、裝載、吃水以及所執行的任務，探究大風、濃霧、暴雨等天氣下船舶的安全引航的技術和措施。許長彬[3]通過研究天氣影響下船舶延誤恢復問題，提出了港口船舶延誤恢復多目標優化模型和基于數據挖掘的船舶進出港時間特征費逆襲方法。王志成[4]等針對霧天能見度較低、視線不良等影響進出港船舶的通航安全的問題，以大連港為例提出了霧航的能見度標準、保障條件和應急措施。

通過實際調查研究發現，港口船舶進出港調度大多是手動排班模式和依據經驗的工作模式，港口水文氣象信息顯示不夠直觀，判斷安全進出港時間時效率較低，需要在此方面進一步研究，通過有效的數據和結論為相關人員的決策進行支撐。

1 大連港水文氣象概況

大連港位于北 緯38°55′44″，東經121°39′17″，其自然情況如表1所示，其中降雨、冰雹、雷暴等天氣常常伴有大風大浪等特征，因此在模型中不單獨考慮，使用風、浪的大小進行風險判斷。

表1 大連港水文氣象特征

2 大連港安全進出港風險等級

2.1 港口進出港水文氣象要求

大連港引航員操作規程給出了離靠泊的氣象要求：視線≥1 海里；富余水深≥15%吃水；風≤7 級（15米/秒）；橫浪≤1.5 米；順浪≤2.0 米，本文根據大連港水文氣象特征及大連港離靠泊氣象條件要求，將能見度、風力、風浪、涌浪、富裕水深作為主要影響因子進行分析。

2.2 風險等級劃分

風險等級劃分方法的研究有很多，其中姜丹[5]根據國家相關法律法規、氣象部門和海事部門等相關規定確定三峽庫區復雜天氣的預警等級和評判標準；丁鋒，劉飛等[6]綜合歸納了國內主要港口、水域的禁限航的能見度和風力條件。本文借鑒相關思路，結合水文氣象數據，將大連港主要影響因子進行劃分，如表2所示。

表2 主要影響因子影響等級劃分

2.3 劃分原則

船舶進出港氣象條件等級取能見度、風力、風浪、涌浪、富裕水深中的最高影響等級，即：

G=（Gv，Gw，Gg，Gs，GUKC）max

其中：G 為船舶進出港氣象條件等級；Gv為能見度因子影響等級；Gw為風力因子影響等級；Gg為風浪因子影響等級；GS為涌浪因子影響等級；GUKC為富余水深因子影響等級。

具體的劃分描述如表3所示，其中風險等級為三級時，其水文氣象條件對船舶進出港就有較大影響，建議港口工作人員結合船舶航行計劃和引航員自身情況實際判斷。風險等級大于三級時不建議船舶進出港。

表3 風險等級劃分描述

3 模型建立

3.1 泊位選擇

由于大連港航道泊位眾多，且各個航道環境都有所不同。本文選取大連港三條較為經典的航道便于船舶進出港時間窗口模型的建立及后續分析，即石化深水航道、大連灣航道和大窯灣航道北航段，泊位地點如圖1所示。三個泊位全是單獨航道，不存在與其他泊位共用航道而產生的時間調度上的影響，具體信息如表4所示。

圖1 大連港航道圖

表4 大連港泊位信息

3.2 技術路線

模型的技術路線如圖2所示，主要功能為：①航行風險分析：根據安全標準顯示風險等級；②風險因素提示：臨界狀態時，顯示具體的風險因素；③安全窗口預報：未確定具體時間時，計算未來七天的安全通航時間窗口。

圖2 技術路線圖

3.3 輸入和輸出

3.3.1 輸入數據

模型的輸入數據由船舶基本信息、引航、航道和預計進出港時間構成，具體輸入信息如表5所示。其中是否引航與航道選擇為單選項；預計進出港時間為選填項。

表5 模型輸入數據

3.3.2 輸出結果

模型可根據輸入信息的不同顯示兩種輸出結果。若未給出具體進出港時間時，模型會調用未來7 天的逐小時水文氣象預報數據，進行風險等級的判斷，輸出結果如圖3所示。若給出預計進出港時間時，模型會根據航道的具體情況，判斷改時間是否可以安全進港。輸出的顏色為表3中描述的風險等級，綠色和藍色可以安全進出港；黃色為臨界狀態需根據引航員能力、船舶航行計劃等綜合考慮；橙色和紅色表示不建議進出港。

圖3 未給出具體時間輸出數據

4 結束語

本文給出了具體的船舶進出港時間窗口模型，可根據逐小時水文氣象預報數據預測船舶安全進出港時間窗口，并輸出逐小時風險等級判斷，對提高船舶經濟和港口調度效率具有重要意義。但各個港口、航道、泊位的環境情況略有不同，在實際應用中，需要結合具體環境對模型進行調整。且港口水域環境復雜，本模型忽略了風、浪、流等方向對船舶進出港時間的影響，在今后的工作中可進一步細化，提高模型的準確性。