基于水文气象预报的大连港船舶安全进出港时间窗口分析

王辉，柯文文

（大连海事大学，辽宁 大连 116026）

近年来，随着我国各个港口船舶进出港数量日趋繁重，进出港环境越加复杂，难度和强度也不断增大。且由于极端恶劣天气频发，天气因素船舶进出港航行的影响越来越大，恶劣天气是影响船舶正常调度的重要原因。国内外学者对此做了大量的研究，蔡文学等[1]综合考虑时间约束、拖轮资源、航行安全和潮汐等影响因素，建立了船舶疏散调度优化模型。李安[2]根据船舶的大小、装载、吃水以及所执行的任务，探究大风、浓雾、暴雨等天气下船舶的安全引航的技术和措施。许长彬[3]通过研究天气影响下船舶延误恢复问题，提出了港口船舶延误恢复多目标优化模型和基于数据挖掘的船舶进出港时间特征费逆袭方法。王志成[4]等针对雾天能见度较低、视线不良等影响进出港船舶的通航安全的问题，以大连港为例提出了雾航的能见度标准、保障条件和应急措施。

通过实际调查研究发现，港口船舶进出港调度大多是手动排班模式和依据经验的工作模式，港口水文气象信息显示不够直观，判断安全进出港时间时效率较低，需要在此方面进一步研究，通过有效的数据和结论为相关人员的决策进行支撑。

1 大连港水文气象概况

大连港位于北 纬38°55′44″，东经121°39′17″，其自然情况如表1所示，其中降雨、冰雹、雷暴等天气常常伴有大风大浪等特征，因此在模型中不单独考虑，使用风、浪的大小进行风险判断。

表1 大连港水文气象特征

2 大连港安全进出港风险等级

2.1 港口进出港水文气象要求

大连港引航员操作规程给出了离靠泊的气象要求：视线≥1 海里；富余水深≥15%吃水；风≤7 级（15米/秒）；横浪≤1.5 米；顺浪≤2.0 米，本文根据大连港水文气象特征及大连港离靠泊气象条件要求，将能见度、风力、风浪、涌浪、富裕水深作为主要影响因子进行分析。

2.2 风险等级划分

风险等级划分方法的研究有很多，其中姜丹[5]根据国家相关法律法规、气象部门和海事部门等相关规定确定三峡库区复杂天气的预警等级和评判标准；丁锋，刘飞等[6]综合归纳了国内主要港口、水域的禁限航的能见度和风力条件。本文借鉴相关思路，结合水文气象数据，将大连港主要影响因子进行划分，如表2所示。

表2 主要影响因子影响等级划分

2.3 划分原则

船舶进出港气象条件等级取能见度、风力、风浪、涌浪、富裕水深中的最高影响等级，即：

G=（Gv，Gw，Gg，Gs，GUKC）max

其中：G 为船舶进出港气象条件等级；Gv为能见度因子影响等级；Gw为风力因子影响等级；Gg为风浪因子影响等级；GS为涌浪因子影响等级；GUKC为富余水深因子影响等级。

具体的划分描述如表3所示，其中风险等级为三级时，其水文气象条件对船舶进出港就有较大影响，建议港口工作人员结合船舶航行计划和引航员自身情况实际判断。风险等级大于三级时不建议船舶进出港。

表3 风险等级划分描述

3 模型建立

3.1 泊位选择

由于大连港航道泊位众多，且各个航道环境都有所不同。本文选取大连港三条较为经典的航道便于船舶进出港时间窗口模型的建立及后续分析，即石化深水航道、大连湾航道和大窑湾航道北航段，泊位地点如图1所示。三个泊位全是单独航道，不存在与其他泊位共用航道而产生的时间调度上的影响，具体信息如表4所示。

图1 大连港航道图

表4 大连港泊位信息

3.2 技术路线

模型的技术路线如图2所示，主要功能为：①航行风险分析：根据安全标准显示风险等级；②风险因素提示：临界状态时，显示具体的风险因素；③安全窗口预报：未确定具体时间时，计算未来七天的安全通航时间窗口。

图2 技术路线图

3.3 输入和输出

3.3.1 输入数据

模型的输入数据由船舶基本信息、引航、航道和预计进出港时间构成，具体输入信息如表5所示。其中是否引航与航道选择为单选项；预计进出港时间为选填项。

表5 模型输入数据

3.3.2 输出结果

模型可根据输入信息的不同显示两种输出结果。若未给出具体进出港时间时，模型会调用未来7 天的逐小时水文气象预报数据，进行风险等级的判断，输出结果如图3所示。若给出预计进出港时间时，模型会根据航道的具体情况，判断改时间是否可以安全进港。输出的颜色为表3中描述的风险等级，绿色和蓝色可以安全进出港；黄色为临界状态需根据引航员能力、船舶航行计划等综合考虑；橙色和红色表示不建议进出港。

图3 未给出具体时间输出数据

4 结束语

本文给出了具体的船舶进出港时间窗口模型，可根据逐小时水文气象预报数据预测船舶安全进出港时间窗口，并输出逐小时风险等级判断，对提高船舶经济和港口调度效率具有重要意义。但各个港口、航道、泊位的环境情况略有不同，在实际应用中，需要结合具体环境对模型进行调整。且港口水域环境复杂，本模型忽略了风、浪、流等方向对船舶进出港时间的影响，在今后的工作中可进一步细化，提高模型的准确性。