当前位置:主页 > 科技论文 > 海洋学论文 >

基于支持向量机的钱塘江潮时预报方法

发布时间:2018-02-01 07:49

  本文关键词: 钱塘江涌潮 统计分析 涌潮预报 支持向量机 出处:《水力发电》2017年07期  论文类型:期刊论文


【摘要】:针对在钱塘江潮时预报中经验模型和传统神经网络的可靠性不足的问题,提出一种基于支持向量机的钱塘江涌潮到达时间预报方法。通过历史数据了解并分析钱塘江涌潮的周期性以及各涌潮周期间的相关性,取预报日期前后一个月的数据作为一个预报模型,以预测日期前一个月以及近5年内同一月份的隔日时间差数据作为训练样本,利用支持向量机预测未来涌潮到达时间。最后,通过对钱塘江沿岸多个水文站2015年农历八月初一至八月二十一的隔日时间差实例预测,验证了方法的有效性。
[Abstract]:The reliability of the empirical model and the traditional neural network in the prediction of Qiantang River tide is insufficient. A prediction method of tidal bore arrival time in Qiantang River based on support vector machine is proposed. The periodicity of tidal bore in Qiantang River and the correlation between the periods of tidal bore period are analyzed through historical data. The data of one month before and after the forecast date is taken as a forecasting model, and the time difference between January and the month before the forecast date is taken as the training sample. Support vector machine (SVM) is used to predict the arrival time of tidal bore in the future. Finally, several hydrologic stations along the Qiantang River from 2015 to August 21st are used to predict the time difference between August 1st and August 21st. The validity of the method is verified.
【作者单位】: 杭州市水文水资源监测总站;杭州电子科技大学生命信息与仪器工程学院;
【基金】:浙江省自然科学基金资助项目(LQ16E080009) 浙江省教育厅一般科研资助项目(GK14080127043) 国家自然科学基金资助项目(61374005)
【分类号】:P731.3
【正文快照】: 0引言2016年G20峰会让世界了解了杭州,也让钱塘江大潮[1]闻名全球。当东海潮进入杭州湾后,由于河口突然由宽变窄,水位突然升高从而形成壮观的涌潮场景,即为钱塘江涌潮。近年来,钱塘江流域经济飞速发展,使得沿岸居住人口以及游客不断增加,为更好服务游客观潮、有利船舶航行以及

【参考文献】

相关期刊论文 前9条

1 王瑞荣;陈浩龙;薛楚;孙映宏;;基于灰色马尔可夫模型的钱塘江高潮位预测[J];杭州电子科技大学学报(自然科学版);2016年02期

2 徐翠飞;王瑞荣;王建中;薛安克;;一种基于水流流速的钱塘江涌潮检测方法[J];杭州电子科技大学学报;2013年03期

3 王德明;王莉;张广明;;基于遗传BP神经网络的短期风速预测模型[J];浙江大学学报(工学版);2012年05期

4 毛健;赵红东;姚婧婧;;人工神经网络的发展及应用[J];电子设计工程;2011年24期

5 毛献忠;龚春生;;钱塘江涌潮影响因素分析[J];水力发电学报;2011年04期

6 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

7 何峰;王瑞荣;王建中;薛安克;谢发权;何晓洪;孙映宏;;一种基于BP神经网络的江河潮位短期预测[J];长江科学院院报;2011年01期

8 张作一;王瑞荣;王建中;薛安克;谢发权;何晓洪;孙映宏;;基于前馈神经网络的潮汐预报[J];杭州电子科技大学学报;2010年04期

9 林炳尧,周潮生,黄世昌;关于涌潮的研究[J];自然杂志;1998年01期

相关硕士学位论文 前2条

1 李义;基于相关学习神经网络的图像识别方法研究[D];哈尔滨工业大学;2015年

2 徐翠飞;基于数据和黑箱建模理论的钱塘江涌潮自动检测与实时预报方法[D];杭州电子科技大学;2014年

【共引文献】

相关期刊论文 前10条

1 陈晴光;陈宇哲;;遗传BP神经网络在大宗商品市场风险预警中的应用[J];计算机系统应用;2017年07期

2 孙映宏;章国稳;姬战生;;基于支持向量机的钱塘江潮时预报方法[J];水力发电;2017年07期

3 卢康;贺西平;安笑笑;贺升平;尼涛;;基于TSVM的多特征融合超声金属防伪识别[J];云南大学学报(自然科学版);2017年04期

4 高军峰;司慧芳;于晓琳;顾凌云;;多导脑电复杂度特征的谎言测试研究[J];电子科技大学学报;2017年04期

5 白龙;孙强;;基于SVM和DS证据理论的网络攻击检测研究[J];科技通报;2017年06期

6 袁颖;李绍康;周爱红;;基于PCA-GA-SVM的火成岩分类方法研究[J];数学的实践与认识;2017年12期

7 施龙青;刘天浩;于小鸽;冯涛;马金伟;;封堵矿井突水点注浆量预测研究[J];中国煤炭;2017年06期

8 王晨光;崔崇立;杨伟铁;;基于灰色关联支持向量机的航材消耗预测[J];舰船电子工程;2017年06期

9 白丽扬;赵金海;刘占新;张志学;;基于数据挖掘算法的底板破坏深度预测[J];煤炭工程;2017年06期

10 王莉;杨永辉;詹益;王晓煜;王芮琳;;基于最小二乘支持向量机阀控式铅酸蓄电池寿命预测[J];大连交通大学学报;2017年03期

相关硕士学位论文 前1条

1 高亮;基于ADABOOST和BP的车标识别方法研究[D];安徽大学;2016年

【二级参考文献】

相关期刊论文 前10条

1 ;Study of tide prediction method influenced by nonperiodic factors based on support vector machines[J];Acta Oceanologica Sinica;2012年05期

2 谢东风;潘存鸿;鲁海燕;王立辉;唐子文;;钱塘江河口涌潮传播速度研究[J];浙江大学学报(工学版);2012年06期

3 ;The Application of a Grey Markov Model to Forecasting Annual Maximum Water Levels at Hydrological Stations[J];Journal of Ocean University of China;2012年01期

4 臧文亚;周仲礼;龚灏;张荣光;;基于灰色马尔科夫模型的重庆市水运货运量的预测[J];水运工程;2012年01期

5 曾旭;王瑞荣;王建中;薛安克;;一种基于视频识别的钱塘江涌潮检测方法[J];杭州电子科技大学学报;2011年04期

6 张凤烨;魏泽勋;王新怡;王永刚;方国洪;;潮汐调和分析方法的探讨[J];海洋科学;2011年06期

7 何峰;王瑞荣;王建中;薛安克;谢发权;何晓洪;孙映宏;;一种基于BP神经网络的江河潮位短期预测[J];长江科学院院报;2011年01期

8 龚春生;毛献忠;;基于SW型向量分裂格式的钱塘江涌潮模拟[J];水电能源科学;2010年06期

9 刘晓亮;丁世飞;朱红;张力文;;SVM用于文本分类的适用性[J];计算机工程与科学;2010年06期

10 施其权;李小明;肖辞源;;一类新型快速模糊支持向量机[J];计算机技术与发展;2010年02期

相关硕士学位论文 前1条

1 童章龙;潮汐调和分析的方法和应用研究[D];河海大学;2007年

【相似文献】

相关期刊论文 前10条

1 冯剑丰;王洪礼;李胜朋;;基于支持向量机的浮游植物密度预测研究[J];海洋环境科学;2007年05期

2 蔡佳;陈洪;;ν-支持向量机的收敛性[J];湖北大学学报(自然科学版);2005年04期

3 唐万梅;;基于灰色支持向量机的新型预测模型[J];系统工程学报;2006年04期

4 熊宇虹;温志渝;梁玉前;陈勤;张波;刘妤;向贤毅;;基于支持向量机的模型传递方法研究[J];光谱学与光谱分析;2007年01期

5 左林;;一个新的稀疏支持向量机模型[J];山西师范大学学报(自然科学版);2008年03期

6 赫英明;王汉杰;;支持向量机在积雪检测中的应用[J];南京气象学院学报;2009年01期

7 贾亮;王礼力;;支持向量机在上市公司财务预警模型中的应用[J];淮阴工学院学报;2010年02期

8 郎宇宁;蔺娟如;;基于支持向量机的多分类方法研究[J];中国西部科技;2010年17期

9 谢福民;;支持向量机理论研究[J];科技广场;2011年01期

10 王红蔚;席红旗;孔波;;一种新的半监督支持向量机[J];郑州大学学报(理学版);2012年03期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(一)[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e,

本文编号:1481349


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/haiyang/1481349.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户59d10***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com