共查询到20条相似文献，搜索用时 140 毫秒
1.
2.
基于潮汐表数据同化的天文潮数值预报模型及其模拟预报效果 总被引：1，自引：0，他引：1
潮汐表是利用长期潮汐观测结果经调和分析实现的主要港湾潮汐预报结果,具有较高的预报精度,而通常的天文潮数值预报目前还难以达到潮汐表的预报精度.本研究在建立常规天文潮数值预报模型的基础上,建立了基于潮汐表数据同化的天文潮数值预报模型,并分别采用这2种模型预报福建沿岸海域的天文潮.其结果表明同化模型的预报结果无论是在潮时还是在潮高均明显优于常规模型;同化模型能显著地改善所研究的沿岸海域90个水位点中至少45个水位点的潮汐预报结果,而其他水位点的预报结果也有不同程度地改善. 相似文献
3.
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
4.
上海市自然科学基金项目——提高潮汐预报精度方法与应用软件研究,是对潮汐学中实用预报技术的更高层次的探索,已由上海计算技术研究所全面完成,并于4月1日在沪通过技术鉴定.在浅海河口地区,由于曲折的岸线、海底摩擦作用,以及与浅海分潮有关的不同分潮之间相互作用的影响,使以往潮汐分析和预报模式在实际应用中存在一定误差,尤其是对于高低潮位和潮时预报,往往与实际测量数值偏差较大.此项研究工作较好地解决了这一问题,提高了潮汐预报的精度.其取得的重要成果有: 相似文献
5.
基于浮标站海浪历史数据,利用回归分析方法建立了海浪数值模式有效波高预报产品的一元二次回归方程订正统计模型。通过2017年7月1日-2018年10月10日期间业务试运行结果发现:订正方程能有效改善有效波高数值预报产品的预报精度,且预报时效越短订正效果越显著。其中,第6~11 h预报时效内的订正前后平均绝对误差值减小0.17~0. 241 m,第6~18 h预报时效内订正前后均方根误差减小幅度为0.103~0. 28 m。这说明应用订正统计模型对海浪模式输出产品进行订正,也是改进海浪模式预报准确率的一种有效途径。 相似文献
6.
水库浮游植物群落动态的人工神经网络方法 总被引：5，自引：0，他引：5
根据辽宁大伙房水库1980－1997年的水文和湖沼学观测资料，分别建立浮游植物丰度和蓝藻优势度人工视经网络模型，将年降雨量，7－9月平均水温，7－8月入库水量与7－8月库容之比和磷酸盐作为输入，浮游植物量和丰度作为输出，建立浮游植物落消长的人工神经网络模型，将7－9月平均水温，7－8月入出库水量之比，磷酸盐和总氨作为输入，蓝藻优势度作为输出，建立浮游植物演替的人工神经网络预测模型，并进行检验，其模拟值与观测值平均相对误差分别2％和1％，结果表明，人工神经网络方法优于传统的统计学模型，可进行水库浮游植物群落动态的预测预报，并具有较高的精度。 相似文献
7.
8.
利用伴随法优化非线性潮汐模型的开边界条件：Ⅰ.伴随方程的建立及“？… 总被引：7，自引：1，他引：6
本研究采用基于最优控制理论的伴随法,把观测资料同化到陆架海域潮汐数值模型中去,优化开边界条件,提高数值预报的精度。潮汐模型的控制方程为考虑平流项、非线性底摩擦和侧向涡动性项的非线性浅不方程组;采用Ｌａｇｒａｎｇｅ乘子法建立了伴随模型。研究分两部分：第一部分即本文,建立非线性浅水方程模型的伴随方程、给出目标函数的梯度,并实现“孪生”数值试验;第二部分另文给出。 相似文献
9.
10.
11.
Application of artificial neural networks in tide-forecasting 总被引：3，自引：0，他引：3
An accurate tidal forecast is an important task in determining constructions and human activities in ocean environments. Conventional tidal forecasting has been based on harmonic analysis using the least squares method to determine harmonic parameters. However, a large number of parameters are required for the prediction of a long-term tidal level with harmonic analysis. Unlike conventional harmonic analysis, this paper presents an artificial neural network (ANN) model for forecasting the tidal-level using the short term measuring data. The ANN model can easily decide the unknown parameters by learning the input–output interrelation of the short-term tidal records. Three field data with three types of tides will be used to test the performance of the proposed ANN model. The numerical results indicate that the hourly tidal levels over a long duration can be predicted using a short-term hourly tidal record. 相似文献
12.
Wavelet and artificial neural network analyses of tide forecasting and supplement of tides around Taiwan and South China Sea 总被引：1，自引：0，他引：1
In multi-resolution analysis (MRA) by wavelet function Daubechies (db), we decompose the signal in two parts, the low and high-frequency contents. We remove the high-frequency content and reconstruct a new “de-noise” signal by using inverse wavelet transform. The calculation of tidal constituent phase-lags was made to determine the input and output data patterns used in building network structure of Artificial Neuron-Network (ANN) model. The “de-noise” signal was, then, used as the input data to improve the forecasting accuracy of the ANN model. The wavelet spectrum, conventional energy spectrum (fast Fourier transform, FFT), and harmonic analysis were used to analyze the characteristics of tidal data.Using only a very short-period data as a training data set in Artificial Neuron-Network Back-Propagate (ANN-BP) model, the developed ANN+Wavelet model can accurately predict or supply the missing tide data for a long period (1–5 years). The results also show that the concept of tidal constituent phase-lags can improve ANN model of tidal forecasting and data supplement. The addition of the wavelet analysis to ANN method can prominently improve the prediction quality. 相似文献
13.
在湛江附近海域建立了三维动边界水动力模型，通过验证，结果与观测数据符合良好，并在此模型基础上分别模拟计算了湛江东海岛填海大堤现状以及1958年大堤修建之前湛江海域的水动力场，通过两种情况下的流场、潮位、纳潮量以及水交换率的比较，分析了东海岛大堤的存在对湛江湾水动力环境的影响。 相似文献
14.
Bang-Fuh CHEN 《中国海洋工程》2007,21(4):659-675
In multiresolution analysis(MRA)by wavelet function Daubechies(db),we decompose the signal to two parts,the low and high frequency content.The high-frequency content of the data is removed first and a new "de-noise" signal is reconstructed by using inverse wavelet transform.The wavelet spectrum and harmonic analysis were used to analyze the characteristics of tidal data before constructing the input and output structure of ANN model.That is,the concept of tidal constituent phase-lags was introduced and the new "de-noise" signal was used as the input data set of ANN and the forecasting accuracy of ANN model is significantly improved. 相似文献
15.
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.
《Coastal Engineering》2007,54(9):643-656
This paper aims at improving the prediction of wave transmission behind low-crested breakwaters by means of a numerical model based on Artificial Neural Networks (ANNs). The data here used are those gathered within the European research project DELOS.Firstly, the motivations that lead to employ an ANN numerical model to forecast the wave transmission behind low-crested structures are discussed. Then, the ANN model is tested and its architecture is optimized with a test targeted on assessing both the accuracy and the robustness of the method. A study is devoted to investigate the ANN model capability in reproducing some physical relationships among the involved parameters. Finally, comparisons of ANN results with those from experimental formulations based on the classic regression approach demonstrate a considerable improvement in the forecast accuracy.The ANN forecasting tool is available as a user-friendly Internet applet at: http://w3.uniroma1.it/cmar/wave_transm_kt.htm. 相似文献
18.
19.
水位在忽略观测误差的前提下,可分解为潮位和余水位,后者具有较强的空间相关性以及非平稳特征,是影响水位预报精度的主要因素。港口工程、航运计划编制等方面对实时高精度水位预报具有重要需求,这对余水位预报模型构建提出了更高要求。另外,利用高精度余水位预报模型可减少验潮站布设数量。针对余水位短期预测模型精度不高的现状,本文对余水位进行集合经验模态(EEMD)分解,获得余水位在时间序列上的本征模函数(IMF);使用快速傅立叶变换(FFT)分析各本征模函数的频谱特征;再利用BP神经网络对各个本征模函数进行训练,预测了未来6 h、12 h、24 h的余水位值。对哥伦比亚河下游河口处的3组典型验潮站的余水位数据的预测结果表明,在未来6 h、12 h内的余水位的预测精度达到厘米级,在24 h内接近厘米级,证明了该组合模型在余水位短期预测方面的可行性。 相似文献
20.
为完善海洋观测体系,提高海洋观测数据在海洋预报和海洋防灾减灾中的适用性,文章以海洋经济较发达和遭受海洋灾害较多的温州市和台州市为例,选取潮位、波浪和水温3个重要海洋观测要素,分析海洋观测数据在海洋预报和海洋防灾减灾中的适用,并提出对策建议。研究结果表明:由于观测时间较短、地理位置特殊和数据代表性不足,海洋观测站的潮位数据未能在台风风暴潮的预报和防灾减灾中有效发挥作用;由于波浪观测仪器布设位置的地形阻挡和观测站少,波浪数据的预报准确性和实际应用不足;个别观测站的水温数据不适用于大面海洋环境和赤潮的预报,且缺少对低温灾害的观测。针对海洋观测数据的实际应用与相关业务脱节的问题,未来应提高观测数据质量、紧密结合当地海洋预报和海洋防灾减灾工作需求、开展重点目标保障预报工作以及加强海洋观测宣传教育。 相似文献