Математическое моделирование и имитационное исследование динамики снежных лавин

Проведен сравнительный анализ существующих методов моделирования снежных лавин – физических, имитационных и численных, основанных на механике сплошных сред. Выявлены их допущения, ограничения и особенности применения, препятствующие точному прогнозированию динамики снежной массы и её взаимодействия с препятствиями в естественных условиях. Показано, что дальнейшее развитие методов прогнозирования лавинной опасности и оперативного реагирования на чрезвычайные ситуации связано с использованием интеллектуальных информационных систем поддержки принятия решений, которые должны обладать высокой масштабируемостью, способностью к обработке больших объёмов данных, а также гибкой архитектурой, допускающей интеграцию новых модулей моделирования, анализа и визуализации данных. Предложено решать задачу трёхмерного моделирования лавинного потока с использованием гибридного подхода, сочетающего преимущества физических и имитационных моделей, что обеспечивает оперативность вычислений и адаптивность метода к различным условиям формирования лавин. Разработана модель движения снежной массы, в основу которой положен на модифицированный численный метод гидродинамики сглаженных частиц (SPH). Особенностью метода является использование безразмерных настраиваемых коэффициентов вместо постоянных физических параметров снега и применение гиперболической функции сглаживания, что повышает устойчивость и точность численного расчёта, предотвращая нефизические скопления частиц при сжатии. Проведённые вычислительные эксперименты подтвердили, что предложенная модель адекватно описывает движение снежных масс, позволяет оценивать интенсивность их взаимодействия с объектами инфраструктуры и прогнозировать потенциальные разрушения в лавиноопасных районах.

1. Duvillier C., Eckert N., Evin G., Deschâtres M. Development and Evaluation of a Method to Identify Potential Release Areas of Snow Avalanches Based on Watershed Delineation. Natural Hazards and Earth System Sciences. 2023;23(4):1383–1408. https://doi.org/10.5194/nhess-23-1383-2023

2. Katsuyama Yu., Katsushima T., Takeuchi Yu. Large-Ensemble Climate Simulations to Assess Changes in Snow Stability over Northern Japan. Journal of Glaciology. 2022;69(275):577–590. https://doi.org/10.1017/jog.2022.85

3. Dkengne Sielenou P., Viallon-Galinier L., Hagenmuller P., et al. Combining Random Forests and Class-Balancing to Discriminate Between Three Classes of Avalanche Activity in the French Alps. Cold Regions Science and Technology. 2021;187. https://doi.org/10.1016/j.coldregions.2021.103276

4. Castebrunet H., Eckert N., Giraud G. Snow and Weather Climatic Control on Snow Avalanche Occurrence Fluctuations over 50 Yr in the French Alps. Climate of the Past. 2012;8(2):855–875. https://doi.org/10.5194/cp-8-855-2012

5. Pérez-Guillén C., Techel F., Hendrick M., et al. Data-Driven Automated Predictions of the Avalanche Danger Level for Dry-Snow Conditions in Switzerland. Natural Hazards and Earth System Sciences. 2022;22(6):2031–2056. https://doi.org/10.5194/nhess-22-2031-2022

6. Choubin B., Borji M., Mosavi A., Sajedi-Hosseini F., Singh V.P., Shamshirband Sh. Snow Avalanche Hazard Prediction Using Machine Learning Methods. Journal of Hydrology. 2019;577. https://doi.org/10.1016/j.jhydrol.2019.123929

7. Evin G., Dkengne Sielenou P., Eckert N., Naveau Ph., Hagenmuller P., Morin S. Extreme Avalanche Cycles: Return Levels and Probability Distributions Depending on Snow and Meteorological Conditions. Weather and Climate Extremes. 2021;33. https://doi.org/10.1016/j.wace.2021.100344

8. Hirashima H., Nishimura K., Yamaguchi S., Sato A., Lehning M. Avalanche Forecasting in a Heavy Snowfall Area Using the Snowpack Model. Cold Regions Science and Technology. 2008;51(2–3):191–203. https://doi.org/10.1016/j.coldregions.2007.05.013

9. Reuter B., Viallon-Galinier L., Horton S., et al. Characterizing Snow Instability with Avalanche Problem Types Derived from Snow Cover Simulations. Cold Regions Science and Technology. 2022;194. https://doi.org/10.1016/j.coldregions.2021.103462

10. Gaume J., Reuter B. Assessing Snow Instability in Skier-Triggered Snow Slab Avalanches by Combining Failure Initiation and Crack Propagation. Cold Regions Science and Technology. 2017;144:6–15. https://doi.org/10.1016/j.coldregions.2017.05.011

11. Viallon-Galinier L., Hagenmuller P., Eckert N. Combining Modelled Snowpack Stability with Machine Learning to Predict Avalanche Activity. The Cryosphere. 2023;17(6):2245–2260. https://doi.org/10.5194/tc-17-2245-2023

12. Mayer S., Techel F., Schweizer J., van Herwijnen A. Prediction of Natural Dry-Snow Avalanche Activity Using Physics-Based Snowpack Simulations. Natural Hazards and Earth System Sciences. 2023;23(11):3445–3465. https://doi.org/10.5194/nhess-23-3445-2023

13. Bui H.H., Fukagawa R., Sako K., Ohno Sh. Lagrangian Meshfree Particles Method (SPH) for Large Deformation and Failure Flows of Geomaterial Using Elastic–Plastic Soil Constitutive Model. International Journal for Numerical and Analytical Methods in Geomechanics. 2008;32(12):1537–1570. https://doi.org/10.1002/nag.688

14. Monaghan J.J. Smoothed Particle Hydrodynamics. Annual Review of Astronomy and Astrophysics. 1992;30:543–574.

15. Калач А.В., Лентяева Т.В., Соловьев А.С. Моделирование снежных лавин в пространстве методом динамики частиц. Информатика и системы управления. 2024;(3):20–28.