基于GPOS-BP神经网络模型的潮汐预报

为了提高预报潮汐的精度,提出了一种遗传算法(GA)与粒子群算法(PSO)结合的神经网络仿真模型进行潮汐预测,及引入遗传算法变异操作提升粒子群算法的寻优的性能,改善BP神经网络阈值和权值选取敏感、易陷入局部极小值的缺点。然后利用本文算法与调和分析法对潮汐进行非天文潮预报和天文潮预报。最后对Alexandria港口的实测潮汐数据仿真预测,实验结果验证了该方法的可行性与可靠性,且具有较高的预报精度。     

基于后处理载波相位差分GPS技术的验潮浮标

GPS验潮原理已经发展成熟。按照潮汐测量工作的自动化、高精度的要求,根据海洋浮标的实际工作环境和海洋浮标设计经验,利用嵌入式技术和系统集成技术研制了浮标数据采集器,利用机械设计技术设计了浮标体,并进行了精度验证试验和应用试验,采用GAMIT软件处理浮标数据。试验结果表明,该GPS浮标的瞬时海面高测量精度和潮汐测量精度均满足精度要求,可以应用于海洋潮汐测量工作。     

BP模型用于潮汐预报研究

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.     

海底地形测量成果的质量检核评估(三):自容式压力验潮仪数据的精密处理

水位控制是海底地形测量资料处理的重要技术环节之一,潮汐观测数据质量控制则是提高水位改正精度的关键。针对当前自容式压力验潮仪使用中经常会遇到的潮汐观测数据缺失、波浪扰动影响等技术难题以及海水密度精密改正、基准面传递确定等技术需求,开展了相关理论方法研究并开发了较实用的潮汐数据处理模块。结果表明,经多个环节的精密处理后潮汐观测数据精度提高明显,适用于海底地形测量水位改正及其他海洋工程应用。     

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

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.     

风暴潮与天文潮非线性相互作用结果及有关问题的分析

分析了风暴潮与天文潮非线性相互作用的结果，给出了增、减水的解析表达式，指出了潮汐预报精度在增、减水分离中的重要性，提出了提高潮汐分析预报精度的方法。     

南海潮汐数值预报及其在海道测量中的应用

以协振潮波二维铅直平均运动方程为南海海域潮波运动的物理模式，用ADI方法进行差分求解，对该海域进行潮汐数值预报，并应用于海道测量。经实测数据对比，此方法不但可行，而且精度远高于一次或三次24h潮汐预报的方法。     

基于非结构网格的波流耦合数值模式研究

本文采用ADCIRC模型和SWAN模型, 建立了一个基于非结构化网格的波流耦合数值模式, 风浪计算和潮汐风暴潮计算均采用同一套三角网格, 对复杂岸线和建筑物布置均有较好的描述, 且避免了模型插值, 提高了计算效率和精度。利用该模型对渤海湾西南海域几次强风过程中的风浪和潮汐风暴潮进行了研究, 通过实测资料对该模型进行了验证, 结果表明该模式具有较高的精度, 能较好地描述风浪、潮汐风暴潮的传播演变及其相互作用, 可应用于风浪与潮汐风暴潮的模拟计算。     

黄浦江航道多波束测深数据处理研究

针对上海世博会对黄浦江航道核心水域高精度海底地形的需求,采用SeaBat8125多波束测深系统对该区域进行了全覆盖测量.通过潮汐基准面归算、潮汐改正精度内符合检验、原始数据各项改正、除噪处理及测深误差分析等几个步骤,得到基于吴淞零点的最终水深成果.各项检验表明,此次多波束测深成果质量满足实际需求.     

一种建立南海浅海海域高精度潮汐模型方法的研究

针对应用高度计数据建立的海潮模型在浅海海域精度较低的现状,提出采用移去-恢复技术联合利用19a T/P、Jason-1卫星原始轨道、变轨轨道高度计数据建立南海浅海海域高精度潮汐模型的方法。处理卫星高度计数据时以平均海平面为基准面,按纬差0.1°间隔采用沿迹分析提取南海海域原始轨道2 184个正常点和变轨轨道1 626个正常点;分别对原始轨道、变轨轨道正常点进行调和分析以及响应分析,得到潮汐主要分潮调和常数;进一步建立网格潮汐模型,讨论了不同分辨率潮汐模型的精度差异。基于验潮站数据集结果运用移去-恢复技术对所建潮汐模型进行改进,改进后潮汐模型4个最主要分潮O_1,K_1,M_2和S_2的RMS分别提高至7.76,9.40,13.86和8.51cm,RSS达到20.32cm,表明移去-恢复技术能够明显改善潮汐模型在浅海海域的精度。     

感潮水闸流量神经网络计算模型研究

感潮水闸流量的准确计算对于河网地区水闸引排水效益的分析和水闸综合管理体系的建立具有非常重要的意义。对感潮水闸的水力特性进行了详细分析,认为感潮水闸具有瞬时性和非线性等水力特点,提出采用人工神经网络理论建立其过流量的计算模型。建立了三种计算模式,应用浦东新区东沟水闸资料对不同模式进行了训练、测试和比较,推荐以水闸内外河水位、闸门开启度和上一时刻流量作为神经网络输入的计算模型为最终感潮水闸流量计算模型。研究表明,人工神经网络可以较好地隐含识别感潮水闸的多种出流类型,并具有较强的泛化和容错能力,从而为感潮河网地区水闸流量的计算提供了一种新的解决途径。     

Application of artificial neural networks in tide-forecasting

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.     

潮汐调和分析与应用研究

基于长江口外鸡骨礁、绿华山潮位站多年实测潮汐资料,开展潮汐调和分析与应用研究。采用最小二乘法计算调和常数,研究不同分潮组合及不同资料长度对调和分析结果的影响。采用规范法及直接预报法计算深度基准面,并分析计算结果。采用余水位订正方法推算潮位,并进行精度验证。结果表明:调和分析精度随分潮个数的增加而提高;采用年实测潮汐资料调和分析的精度总体高于采用多年实测潮汐资料调和分析的精度;采用预报年份相邻的年实测潮汐资料进行潮汐预报精度较高;理论最低潮面计算值,规范法较直接预报法偏小。基于绿华山站与鸡骨礁站实测资料进行余水位推算验证,精度基本满足实用要求。     

A combined numerical model of three-dimensional tidal motion and sediment transport in tidal current and its application

INTRODUCTIONTheregularpatternsofmovementanddistributionofcurrentandsedimentinwaterbodyinestuaryandatcoastareconcernedbythepublicatalltime,butonlyafewresearchesonthenumericalsimulationofthethree-dimensionalnonlinearmovementoftideandwave,inwhichLeendertse's(Leendertseetal.,1973)finitedifferencemethod(FDM)istheleadingone,havebeendoneuptonow.TheLeendertseFDMisnotverygoodinitsapplication.Themainreasonisthatinthemodethesquaregridsinaplanecomputationaldomainareadopted.Thisgridsystemcannotfitt…     

珠江河口底边界层湍流积分尺度研究

介绍湍流积分尺度的几种常用计算方法.基于三组珠江口崖门的湍流观测资料,分别计算了一个潮周期内珠江口底边界层湍流积分尺度的变化,并对比不同计算方法的稳定性.计算结果表明,基于Taylor假定的自相关函数积分法的计算结果稳定可靠.湍流积分尺度在一个潮周期内的变化很大,积分尺度的变化与平均流的流速变化有着很好的对应关系,三个测次纵向、横向和垂向积分尺度的平均值分别约为4.9～10.4 cm、3.3～6.2 cm和4.3～5.2 cm.     

三维潮流和潮流输沙问题的一种混合数值模拟及其应用

应用一种平面迎风有限元与垂向隐式有限差分相结合的数值计算方法建立了三维潮流和潮流输沙数学模型,并分别与相应的理论公式进行了对比验证.将建立的模型对广西廉州湾水域进行了计算,与实测资料的对比分析表明模型的计算结果符合实际.     

码头潮流精细化观测预报浅析

对港口码头的定点进行潮流精细化预报,是对区域潮流场预报工作的有利补充。结合当前定点潮流预报工作的开展,从基本的4个测站的站点布设,选择合适的时间获取预报所需的原始观测资料,再到实测数据处理,至预报计算方法,以及预报产品开发应用等多方面,深入探讨如何科学有效地开展港口码头潮流精细化预报工作,更好地满足当前市场的需求。关于资料的采集主要侧重目前运用较为成熟的四测站布置方案,并结合实际工作中遇到的一些问题进行具体阐述。     

硇洲岛跨海水准联测实践与分析

利用湛江市硇洲岛和大黄江跨海水准测量项目所采集的实测数据进行有效的计算和较深入的分析,研究了GPS及水准联测实施跨海水准测量确定海岛验潮站基准面的方法,得出了有推广应用价值的结论。     

Wavelet and artificial neural network analyses of tide forecasting and supplement of tides around Taiwan and South China Sea

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.     

数据融合下的短期潮位预报测试及分析

针对短期验潮数据分析难度大、预报精度低的问题,设计了一种基于数据融合技术的短期潮位预报方法,利用扩展卡尔曼滤波(EKF),将通用的潮汐模型计算水位融合到调和预报模型之中,生成精度更高的融合预报值。数据测试表明,对于3天的验潮数据,EKF方法至少对向后5天的预报有效,融合值较两种源数据的平均优化度分别为33%和60%;对于7天的验潮数据,EKF方法在向后20天的预报中几乎都产生了优化效果。该方法适宜在资料缺乏的海区使用,为短期潮位预报提供了一种新的解决方案。