基于非线性理论的钱塘江涌潮预报系统研究

发布时间：2017-10-04 04:24

  本文关键词：基于非线性理论的钱塘江涌潮预报系统研究

  更多相关文章： 潮汐预报 混沌理论 水文时间序列 神经网络 支持向量机

【摘要】：钱塘江涌潮以其独特的魅力而举世闻名,但在观赏钱塘江涌潮的同时,不能忽略其所带来的危害,每年钱塘江潮水都会给两岸群众带来人身财产损失。如果能提供准确的涌潮预报信息,那么必然能减小钱塘江涌潮带来的危害。文中提出了应用混沌理论于钱塘江涌潮预报的方法,内容主要包括涌潮到潮时差序列和潮位序列的混沌识别,并结合BP神经网络和支持向量机模型对其进行预报,主要工作如下:(1)钱塘江涌潮系统的混沌特性研究。首先分析了现有的潮汐预报理论,以及已应用于钱塘江的预报方法。然后讨论了混沌现象的成因,表明自然界中的原本存在的水文系统会伴随着大量的混沌行为,所以文中提出利用混沌理论优化钱塘江涌潮预报模型。能否成功应用取决于涌潮系统的动力特性,故重点分析了饱和关联维数法和最大Lyapunov指数法的使用,定性定量的分析了钱塘江涌潮系统的混沌特性。(2)基于混沌优化BP神经网络的潮时预报。由于每日涌潮的到潮时间符合阴历的变化规律,拟周期性较强,原本隐含的混沌特性不容易展现出来,所以建立关于涌潮的隔日到潮时差序列。对该序列混沌分析后,重构其相空间,将其每个相点作为BP神经网络的输入参数,利用BP神经网络学习其重构相空间后揭示出的演化规律。最终利用基于混沌优化的BP神经网络模型预报到潮时差序列对到潮时可能的误差预测,通过对钱塘江四个观测站的预报,结果显示四个站点的RMSE(根均方误差)值相对于传统方法平均减少了83.9%,比传统BP神经网络平均减少71.18%,表明该模型可靠且具有较高的预报精度。(3)基于混沌优化支持向量机的潮位预报。相比较于到潮时差序列,潮位序列的拟周期性较强,首先分析了单独使用支持向量机算法对潮位序列的追踪效果,虽然能跟踪原有潮位序列的走势但其精度却有待提升,故利用混沌理论优化支持向量机模型,最终其预报结果的RMSE值相较原始模型减小了60.28%,证明混沌理论对该模型的修正有效。
【关键词】：潮汐预报 混沌理论 水文时间序列 神经网络 支持向量机
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P731.34;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-15
• 1.1 课题研究的背景及意义10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11-12
• 1.2 国内外研究与发展现状12-13
• 1.2.1 传统预测方法12-13
• 1.2.2 非线性理论预测方法13
• 1.3 论文的组织结构13-15
• 第2章 混沌理论及在江河涌潮预报中的应用15-28
• 2.1 混沌学概论15-16
• 2.2 水文系统的相空间重构16-19
• 2.2.1 相空间重构概论16-17
• 2.2.2 关联维数定义17-18
• 2.2.3 饱和关联维数法18-19
• 2.3 Lyapunov指数法19-22
• 2.3.1 Lyapunov指数定义19-20
• 2.3.2 Wolf法20-21
• 2.3.3 小数据量法21-22
• 2.4 实际涌潮系统混沌特性识别22-27
• 2.4.1 相空间重构技术22-25
• 2.4.2 最大Lyapunov指数25-27
• 2.5 本章小结27-28
• 第3章 人工神经网络在江河涌潮预报中的应用28-40
• 3.1 BP神经网络应用研究28-32
• 3.1.1 BP神经网络原理及结构28-30
• 3.1.2 BP神经网络设计过程30-32
• 3.2 支持向量机（SVM）应用研究32-35
• 3.2.1 支持向量机理论基础32-35
• 3.2.2 支持向量机回归预测模型35
• 3.3 实例分析35-39
• 3.3.1 基于BP神经网络的钱塘江涌潮潮时预报35-37
• 3.3.2 基于SVM的钱塘江涌潮潮位预报37-39
• 3.4 本章小结39-40
• 第4章 基于混沌优化BP神经网络的江河涌潮短期预报模型及在钱塘江的应用40-52
• 4.1 钱塘江涌潮自动检测模块40-45
• 4.1.1 水位检测40-41
• 4.1.2 流速检测41-43
• 4.1.3 涌潮检测平台43-45
• 4.2 到潮时差序列的相空间重构45-49
• 4.3 实验结果及分析49-50
• 4.4 本章小结50-52
• 第5章 基于混沌优化支持向量机的江河涌潮潮位短期预报模型及在钱塘江的应用52-56
• 5.1 潮位序列的相空间重构52-54
• 5.2 实验结果及分析54-55
• 5.3 本章小结55-56
• 第6章 结论与展望56-58
• 6.1 工作总结56-57
• 6.2 研究展望57-58
• 致谢58-59
• 参考文献59-62
• 附录62

【相似文献】

中国期刊全文数据库 前10条

1 潘存鸿;林炳尧;毛献忠;;钱塘江涌潮二维数值模拟[J];海洋工程;2007年01期

2 于普兵;潘存鸿;;钱塘江涌潮一维数值模拟[J];水动力学研究与进展A辑;2010年05期

3 竹涛声;;从探索钱塘江涌潮的形成之谜说起[J];科学24小时;2011年01期

4 林默;钱塘江涌潮[J];厦门科技;2000年05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 谢东风;潘存鸿;陆波;叶小凡;;基于实测资料的钱塘江涌潮水动力学特性研究[J];水动力学研究与进展A辑;2012年05期

7 苏铭德,徐昕,朱锦林,韩耀宗;数值模拟在钱塘江涌潮分析中的应用──Ⅰ.数值计算方法[J];力学学报;1999年05期

8 ;河口海岸国际研讨会部分论文摘要[J];浙江水利科技;2004年01期

9 戴世强;;一万天辛勤铸新篇——《钱塘江涌潮的特性》评介[J];水动力学研究与进展A辑;2009年01期

10 苏铭德,徐昕,朱锦林,韩耀宗;数值模拟在钱塘江涌潮分析中的应用──Ⅱ.计算结果和分析[J];力学学报;1999年06期

中国重要会议论文全文数据库 前1条

1 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[A];浙江省信号处理学会2011学术年会论文集[C];2011年

中国硕士学位论文全文数据库 前3条

1 薛楚;基于非线性理论的钱塘江涌潮预报系统研究[D];杭州电子科技大学;2016年

2 陈菊芳;钱塘江涌潮作用下三维流场的数值模拟研究[D];浙江大学;2012年

3 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

，

本文编号：968613