基于集合经验模态分解与BP组合模型的短期余水位预测

发布时间：2021-05-25 10:00

　　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。 

【文章来源】：海洋通报. 2020,39(01)北大核心CSCD

【文章页数】：9 页

【文章目录】：
1 原理和方法
    1.1 集合经验模态分解
    1.2 BP神经网络
    1.3 基于组合模型的余水位仿真实验
    1.4 余水位预测精度评定
2 实例分析
    2.1 研究区域与数据
    2.2 IMF分量分析
    2.3 组合模型预测
3 结论


【参考文献】：
期刊论文
[1]基于多种神经网络的风暴潮增水预测方法的比较分析[J]. 薛明,李醒飞,成方林.  海洋通报. 2019(03)
[2]中国近海及邻近海域精密潮汐模型的构建[J]. 许军,桑金,刘雷.  海洋测绘. 2017(06)
[3]短期潮汐预报探索[J]. 孙美仙,程勇,滕骏华,梁颖祺,胡楠.  海洋预报. 2014(03)
[4]连云港近岸海域非潮汐水位变化分析[J]. 张存勇.  海洋湖沼通报. 2013(03)
[5]湄公河水电开发与渔业发展——从哥伦比亚河获得的经验启示[J]. J.W.弗格森,徐薇.  水利水电快报. 2012(10)
[6]用混沌理论提高潮汐预报的准确度[J]. 李燕初,许德伟,阮海林.  海洋学报(中文版). 2012(01)
[7]余水位及潮汐差分方法[J]. 裴文斌,牛桂芝,董海军.  水道港口. 2007(06)
[8]基于神经网络的潮汐预报方法初探[J]. 胡继洋,李启华,王宇浩.  海洋预报. 2006(S1)
[9]浅水港口潮汐预报的一个方法[J]. 方国洪,于克俊.  海洋与湖沼. 1981(05)



本文编号：3205142