共查询到19条相似文献，搜索用时 92 毫秒
1.
潮汐分析和预报的准调和分潮方法 Ⅰ.准调和分潮 总被引：2，自引：0，他引：2
潮汐的调和分析和预报方法,一般是准确可靠的。但是由于调和分潮的数目非常多,使用起来有时有着许多不便之处。为了能够由一次或几次周日观测计算出调和常数和为了能够使航海人员迅速地由调和常数推算出即时的潮汐情况,Doodson建议将众多的潮汐分潮合并为O1、K1、M2和S2四个分潮。合并所得分潮的振幅和角速率不再是常数,亦即分潮不再是调和的,我们称之为“准调和分潮”。严格地说,Darwin引进的分潮也不是调和的,但是由于其交点系数f和天文相角中与交点有关的订正量u在一个很长的期间(例如一年)之内可视为不变,我们将仍按一般习惯,称之为“调和分潮”。至于Doodson得出的严格的调和分潮,可以叫做“纯调和分潮”。Doodson给出的计算准调和分潮的振幅系数B C和迟角订正b+c的公式是相当粗略的,误差主要来自两个方面。一个是,如他已经指出的,用月亮中天时刻表示黄经,另一个是没有考虑视差潮令。本文将给出计算准调和分潮的振幅系数和迟角订正的更准确的公式,同时引进了浅水准调和分潮。由于准调和分潮的个数很少,将给某些情况下的潮汐的分析和预报带来好处,同时使实际的潮汐表现和它的调和常数之间的联系获得更加清晰的图景。 相似文献
2.
目前世界各国出版的潮汐表和潮流表几乎全是采用调和方法推算的,对于用这种方法进行的潮汐预报的误差已有许多人做过研究;我国也曾有人从调和常数准确度和分潮选取方面进行了研究,并研究了浅水港口的潮汐预报方法。我所与国家海洋局情报研究所潮流组的同志在这方面做了一些工作:在一定程度上提高了潮汐预报的准确度;满足了实践的需要。然而,潮汐预报余差(即实测水位与预报潮高之差)减小的量值与余差本身相比仍是微小。例如在浅水港口吴淞,用1963年实测水位资料的分析结果预报1970年的潮位,采用 Doodson的方法预报,低潮时间的误差在半小时以上者占49%,而采用浅水准调和分潮方法预报,则仅占9%。前者余差的标准差是20.6厘米,后者约为19.7厘米,两者只相差0.9厘米,对余差总体来说,所减少的量值还是很小的。
验潮站测得的每小时一次的水位值,实际上可以认为是周期性和非周期性水位之和。其中,周期部分是潮汐诸分潮振动的迭加结果;在实测水位中扣除预报的潮高后得到的余差基本上可看作是非周期性的。从谱结构来看,实测水位不仅是一系列以线谱为特征的分潮的迭加,而且还有本底噪声以及介于两者之间的非线性相互作用所导致的一些随机起伏。所以,用调和方法预报潮汐,其准确度必有某些限制。为了进一步研究潮汐预报误差,国外曾有人对特定地点的潮汐预报余差进行谱分析,从而得到了一些有意义的结果。本文即拟通过潮汐预报余差功率谱研究潮汐预报的准确度和误差的性质。 相似文献
3.
用 T_TIDE 潮汐分析工具对青岛港口2019 年1—12 月逐时潮高资料进行不同时段的调和分析,计算其调和常数,并总结该港口潮汐特征。从 2019 年全年的调和分析结果中选择不同分潮建立调和预报模型,对2019 年1 月的潮高进行预测,通过相对误差、判定系数结果分析,确定最优调和预报模型。结果表明:青岛港口为正规半日潮港,以太阴主要半日分潮 M2分潮为主,其次为太阳主要半日分潮 S2 、太阴主要椭率半日分潮 N2 、太阴-太阳赤纬全日分潮 K1和太阴赤纬全日分潮 O1等分潮;对比不同时间长度的分潮振幅及平均海平面,可知其与用于调和分析的潮位资料长度几乎无关。分潮由5 个增加至24 个可明显改进预报效果,再增加几乎没有改进,故选用24 个分潮为最优的调和预报模型。为验证模型具有良好的实用性,对五号码头的实测潮汐数据进行分析预报,进而可知建立的模型能够较好地预报青岛港附近海域的潮汐变化。 相似文献
4.
在本文第Ⅰ部分,我们导出了日潮和半日潮平均振幅的计算式,其中包括半日潮振幅和位相的浅水校正。这些计算式经简化后已经只包含M_2,S_2,K_l,O_l,M_4,M_6这六个分潮的调和常数。第Ⅱ部分主要讨论利用日潮和半日潮平均振幅计算潮汐非调和常数的具体过 相似文献
5.
利用小波变换进行潮汐的二次分析，并与传统的Darwin方法进行对比，其结果说明此方法是可靠的，同时尚可获得更多分潮调和常数，以提高潮汐预报的准确度。而且对于浅水潮港、受气象影响较大产生增减或潮汐副振动或二者兼有时潮汐观测时间序列进行小波分析，更突显出其优越性。 相似文献
6.
对港珠澳大桥岛隧工程施工海域2013年的潮汐观测资料进行调和分析,发现该海域潮汐特征为不正规半日潮,以M2分潮为主,其次为K1、O1、S2和P1等分潮;利用调和常数做预报时,分潮个数的选择会在一定程度上影响预报精度。结果表明:分潮由5个增加至25个可以明显改进预报效果,再增加几乎没有改进。选用25个分潮建立调和预报模型预报2014—2016年的潮位,同时对2012年的潮位做了回报,并与实测潮位进行对比。检验结果表明预报潮位与实测潮位趋势一致,大小基本吻合,3 a平均的均方根误差为0.16 m,可以作为施工潮位窗口的选择依据。对调和预报误差的进一步分析表明,误差主要来源于径流和风的影响,台风带来的风暴增水可以达到1.33 m。 相似文献
7.
本文给出了由高、低潮数据计算潮汐调和常数和由最大流速及转流数据计算潮流调和常数的方法。文章还讨论了不同频率分潮间的混淆效应,指出本方法用于混合型和全日型潮汐可获得比半日型潮汐好的效果。对两个港口实测高、低潮数据分析表明,所得调和常数与由逐时潮高分析所得的数值一般较接近,但对长周期分潮较差。本方法所得调和常数用于预报高、低潮或最大流速和转流时可得到很好的结果。 相似文献
8.
9.
针对调和分析法预报潮汐精度不高的缺陷,论述了神经网络的BP(反向传播)模型用于潮汐预报的可行性和先进性,设计了潮汐预报的BP神经网络模型,论述了模型的算法改进和预报方法过程,用验潮站20多年的潮汐记录,验证了BP模型用于潮汐预报的可行性和精度. 相似文献
10.
11.
为评估DTU10、TPXO8、GOT00.2和NAO.99b 4个全球大洋潮汐模式对北印度洋潮汐的预报能力,采用英国海洋资料中心提供的海区中部和沿岸站潮汐调和常数资料,检验了这些模式4个主要分潮(M_2、S_2、K_1、O_1)的准确度。它们的各分潮调和常数资料准确度都比较高,振幅绝均差的最大值仅5.61 cm,迟角绝均差的最大值仅9.13°。这些模式的调和常数给出潮波传播特征差别不大。基于这些模式提供的调和常数,分别建立了北印度洋4、8和16分潮潮汐预报模型,将预报结果与中国海事服务网提供的沿岸24个站潮汐表资料进行对比。各模式的8分潮(M_2、S_2、N_2、K_2、K_1、O_1、P_1、Q_1)潮汐预报模型均优于4分潮(M_2、S_2、K_1、O_1)潮汐预报模型,NAO.99b模式可以提供16分潮(M_2、S_2、N_2、K_2、K_1、O_1、P_1、Q_1、MU_2、NU_2、T_2、L_2、2N_2、J_1、M1、OO_1)潮汐预报模型,但是对预报结果改善不明显;在各模式中,GOT00.2模式的8分潮潮汐预报模型对北印度洋沿岸的预报效果最好,平均绝均差为14.97 cm。 相似文献
12.
Accurate water levels modeling and prediction is essential for safety of coastal navigation and other maritime applications. Water levels modeling and prediction is traditionally developed using the least-squares-based harmonic analysis method that estimates the harmonic constituents from the measured water levels. If long water level measurements are not obtained from the tide gauge, accurate water levels prediction cannot be estimated. To overcome the above limitations, the current state-of-the-art artificial neural network has recently been developed for water levels prediction from short water level measurements. However, a highly nonlinear and efficient wavelet network model is proposed and developed in this paper for water levels modeling and prediction using short water level measurements. Water level measurements (about one month and a week) from six different tide gauges are employed to develop the proposed model and investigate the atmospheric changes effect. It is shown that the majority of error values, the differences between water level measurements and the modeled and predicted values, fall within the −5 cm and +5 cm range and root-mean-squared (RMS) errors fall within 1–6 cm range. A comparison between the developed highly nonlinear wavelet network model and the harmonic analysis method and the artificial neural networks shows that the RMS of the developed wavelet network model when compared with the RMS of the harmonic analysis method is reduced by about 70% and when compared with the RMS of the artificial neural networks is reduced by about 22%. It is also worth noting that if the atmospheric changes effect (meteorological effect) of the air pressure, the air temperature, the relative humidity, wind speed and wind direction are considered, the performance accuracy of the developed wavelet network model is improved by about 20% (based on the estimated RMS values). 相似文献
13.
利用二维非线性潮波方程组,讨论了渤黄海主要分潮(全日潮、半日潮及浅水分潮) 数值模拟中的有关问题。数值模拟中同时考虑了4个主要分潮(M2,S2,K1,O1)和两个浅水分潮(M4,MS4)。分析表明,在渤黄海潮波系统数值模拟中,稳定后选取14 d的数值模拟结果进行调和分析能够取得最佳(最合理)的调和分析结果。计算出调和常数的模拟值与实测值之差的绝对平均值:M2分潮的振幅差为4cm,迟角差为3.3°,S2分潮的振幅差为2cm,迟角差为4.2°,K1 分潮的振幅差为1cm,迟角差为3.7°,O1分潮的振幅差为2 cm,迟角差为5.5°。实验结果较好地体现了渤黄海潮波系统的特征。 相似文献
14.
针对2009年5月-7月三门湾外海D8和D9两个站位布放的防渔网底拖锚系ADCP连续观测获取的流速资料和水位资料,采用调和分析和功率谱分析等研究方法,分析了该海域的潮汐和潮流特征,结果显示:该海域潮汐类型为正规半日潮,近岸的D9站浅水分潮比离岸的D8站显著,潮汐呈现出回归潮特征。三门湾外海潮流半日分潮能量最大, 各层潮流呈现出旋转流性质;椭圆率随水深增加;M2、K1分潮流最大流速均在次表层最大;最大分潮流速发生时刻底层比中、上层提前约半小时;该海域潮流的半日分潮流以正压为主,全日分潮流则表现出较为明显的斜压性。 相似文献
15.
本文以实测资料为依据,利用时间序列功率谱的方法,分析大亚湾湾口冬季的海流波动特点,得出了本海域海流波动是以半日分潮潮流为主的半日分潮、全日分潮和浅海分潮潮流共存的波动形式,其振幅表层大于底层等结论。文中还指出了半日分潮、全日分潮和浅海分潮潮流波动振幅变化的特征。 相似文献
16.
河口潮汐过程受上游径流、外海潮波等综合因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析（NS_TIDE）和长短时记忆（LSTM）神经网络的混合模型,对河口潮位进行12~48 h短期预报。该模型首先对河口实测潮汐数据进行非稳态调和分析,通过与实测资料对比得到分析误差的时序序列;以此作为LSTM神经网络的输入数据,通过网络学习并预测未来12~48 h潮位预报误差,据此对NS_TIDE的预测结果进行实时校正。利用该模型对2020年长江口潮位过程进行了预报检验,结果表明混合模型12 h、24 h、36 h和48 h短期水位预报的均方根误差（RMSE）相比NS_TIDE模型至多分别降低了0.16 m、0.15 m、0.14 m和0.12 m;针对2020年南京站最高水位预测,NS_TIDE模型预报误差为0.64 m,而混合模型预报误差仅为0.10 m。 相似文献
17.
南麂岛附近海域潮汐和潮流的特征 总被引：4，自引：2，他引：2
以2008年冬季在浙江近海南麂岛附近投放的4个底锚系观测的水位和流速资料为依据,分析了潮汐和潮流特征。水位谱分析结果显示半日分潮最显著,全日分潮其次;近岸的浅水分潮比离岸大。水位调和分析结果表明:潮汐类型均为正规半日潮,近岸处的平均潮差大于3m,最大可能潮差大于6m,潮汐呈现出显著的低潮日不等和回归潮特征。流速谱分析结果显示半日分潮流最强,全日分潮流其次,且比半日分潮流小得多;近岸浅水分潮流比远离岸显著。流速调和分析结果表明:潮流类型均为正规半日潮流,靠近岸的两个站浅水分潮流较显著;最显著的半日分潮流是M2分潮流,其最大流速介于0.32～0.48m/s之间,全日分潮流均很弱,最大流速小于0.06m/s。M2分潮流均为逆时针旋转,椭圆率越靠近海底越大;最大分潮流流速分布为中上层最大、表层略小、底层最小;最大分潮流流速方向的垂向变化很小,底层比表层略为偏左;最大分潮流流速到达时间随深度的加深而提前,底层比中上层约提前30min。潮流椭圆的垂向分布显示这里的半日分潮流以正压潮流为主;日分潮流则表现出很强的斜压性。 相似文献
18.
本文利用普林斯顿海洋模式(POM),建立了渤、黄海风增水预报模式和渤海湾水位海流预报模式;利用正交曲线网格提高重点区域的分辨率;采用美国海洋大气局(NOAA)全球预报风场和气压场作为模式表面强迫场,将计算域边界上的天文潮预报值与风增水模式预报的余水位相叠加构建模式的边界条件,在正压条件下,模拟了渤海湾2002年的水位流场过程。结果表明,模式能够较好地再现计算域内天文潮和综合水位的预报,域内10个潮位站模式与实测分析的m1和M2分潮的振幅与迟角差均不超过5.1cm和6.3°,15个潮流站模式与实测分析的m1和M2分潮流的振幅与迟角差均不超过7.5cm/s和15.8°,模式预报的水位值与塘沽站实测值非常接近,预报精度较单纯的天文潮预报有明显提高。 相似文献
19.
长江河口的潮波传播受到近岸及河口浅水地形及长江径流的显著影响,表现出很强的时空变化特征。已有相关研究主要关注徐六泾以下的河口段,还缺少对河口系统的潮波特征分析。本文基于大通、南京、徐六泾和牛皮礁4站的年内连续潮位资料,分析了主要天文分潮和浅水分潮的振幅沿程变化、季节变化特征和规律,认识到洪季大径流对江阴以上的近口段潮汐衰减作用显著大于枯季,而河口段的平均潮差有一定的半年周期变化,年内秋季最大。口内高频浅水分潮振幅在河口下段最大,且洪季大于枯季,低频浅水分潮则在河口上游振幅最大,由此反应径流对潮汐改造的非线性作用。这些认识可为水道航运及相关河口研究提供基础认识。最后本文也指出关于长江河口潮汐特征尚需进一步研究的若干问题,以期下一步工作取得相应进展。 相似文献