基于调和分析和ARIMA-SVR的组合潮汐预测模型

为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。

河口三角洲径流和潮汐相互作用模型及应用

受径流影响和调制,径优型河口潮汐的非线性作用强,潮汐调和分析和预报误差大。文章在调和分析方法的基础上,结合河口三角洲内径潮相互作用机理,假定河道地形变化微弱,采用实测潮水位和上游径流量,建立径流和潮汐调和分析(river-tidal harmonic analysis,简称RTHA)模型,用于分析和研究珠江三角洲的径流和潮汐的相互作用过程。结果表明,对于珠江河口年尺度的潮水位数据,RTHA模型分析和预报的标准误差0.12~0.17 m,方差贡献(相关指数)为91%~98%,特别是在径流作用强的河口三角洲中上段,RTHA模型结果远高于传统的调和分析和预报结果,可以以较高精度分离径流和潮汐信号。利用该回归模型对珠江径流影响下非线性潮汐的变化进行研究,结果发现,珠江径流量的洪枯季变化引起河口全日分潮、半日分潮、三分之一分潮的振幅洪季小、枯季大,口门段四分之一分潮的振幅洪季大、枯季小;洪季全日分潮、半日分潮传播速度变小(位相增大),分潮振幅沿程衰减幅度显著增大,自枯季的10%~30%迅速增加到洪季的70%~80%。

利用T/P卫星高度计资料调和分析南海潮汐信息

利用j,v模型调和分析1992～2002年共10 a的TOPEX/Poseidon(T/P)海面高度距平资料,提取了南海K1,O1,P1,Q1,M2,S2,N2和K2等8个主要分潮的潮汐调和常数。分析比较了卫星上下行轨道的19个交叉点的振幅和迟角,其中M2,S2,K1和O1的平均向量均方根偏差分别是1.5,1.1,2.5和1.4 cm;将交叉点的调和常数与TPXO7.2模式的结果进行了比较,结果表明M2,S2,K1和O1分潮振幅的绝对平均误差均小于3 cm,迟角的最大绝对平均误差为7.8°。选取了与卫星轨道较近的8个验潮站,对验潮站的实测数据调和常数和本文所得调和常数进行了比较,结果显示K1分潮的向量均方根偏差为4.7 cm,M2分潮的向量均方根偏差为3.7 cm。论文结果表明利用j,v模型调和分析方法对南海海域卫星高度计资料进行潮汐信息提取是可靠的,并可为局部重力场的研究提供海洋潮汐改正数据,有一定的参考价值。

基于高、低潮位的西江感潮河段潮汐特征分析

通过对高、低潮位数据插值和NS_TIDE模型应用,分析西江感潮河段(马口—大横琴)的潮汐特征。对比三种插值方法发现,相对于三次样条插值法和线性插值法,Hermite插值法对逐时潮位的模拟效果最佳。潮位验证结果显示NS_TIDE模型总体误差较低,异常值主要是源自台风和洪水的影响。西江感潮河段平均水位和分潮振幅存在洪、枯季差异,上游受径流的影响大于潮汐,下游则相反;径流量和潮差增大,促进上游河段平均水位增高,对分潮振幅和迟角的影响在不同河段表现不同,主要与其所处空间位置和分潮自身频率有关。

基于非稳态调和分析和长短时记忆神经网络的河口潮位短期预报混合模型

河口潮汐过程受上游径流、外海潮波等因素影响,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,并以此作为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。

基于数值模拟的强潮海湾潮汐预报模型精度分析:以三门湾为例

全球潮汐预报模型在深水大洋具有较高的精度,但在近岸强潮海区由于地形岸线、模型分辨率等原因精度不一,难以直接应用。三门湾海域多年平均潮差4 m,最大潮差可达7 m,是典型的强潮海湾,为了评估TPXO9.0、TPXO9.0-atlas(TOPEX/POSEIDON TIDES)、NAO.99b(National Astronomical Observatory of Japan)与GTM(Global Tide Model)4种预报模型在三门湾海域的预报精度,本文分别通过上述4个潮汐预报模型提取水动力数学模型开边界进行对比,并利用提取的开边界潮位对二维水动力模型进行驱动。通过计算分析潮位站实测数据与数值模拟结果的误差,研究4种预报模型模拟的三门湾潮汐变化得出,NAO.99b模型在三门湾海域整体预报精度最佳,分潮振幅、迟角和实测数据误差最小,TPXO9.0-atlas分潮振幅模拟较好,但迟角误差较大。对湾内四大分潮进行潮汐调和分析发现,三门湾海域以半日潮为主,M2、S2和K1分潮振幅由湾顶向湾口递减,O1分潮相反。

潮汐分析和预报的误差分析

本文首先对潮汐研究和应用中常见的“误差”概念进行了分类和分析,从而消除了使用上的模糊性;其次较系统地分析了海洋扰动因素给潮汐调和常数的提取所造成的误差,并分析了振幅、振幅误差及迟角误差之间的关系;最后讨论了调和常数误差对潮汐预报的影响。

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。

一种高精度的短期潮汐预报模型

为提高潮汐预报的精度,提出一种基于支持向量机(Support Vector Machine,SVM)的模块化潮汐实时预报模型.将潮汐分为受天体引潮力影响的天文潮和受环境因素和其他因素影响的非天文潮,分别使用调和分析法和改进的SVM对天文潮和非天文潮进行预报,结合两种方法的输出构造最终的潮汐预报结果.在对非天文潮的预测中,将SVM与灰色模型相结合,并利用粒子群优化(Particle Swarm Optimization,PSO)算法对SVM的参数进行优化以提高预报精度.利用火奴鲁鲁港口的实测潮汐数据进行实时潮汐预报仿真.仿真结果表明该方法具有较高的短期预报精度.

考虑流量变化影响的西江感潮河道潮汐特征分析

本文基于2015−2017年西江感潮河道的潮位数据,应用非平稳潮调和分析模型NS-TIDE,研究了不同周期分潮振幅和迟角的时空变化特征、潮汐动力构成变化和潮波变形特征,并讨论了感潮河道中的潮位变形、极低潮位颠倒等现象的形成原因。结果表明,不同于全日、半日分潮振幅的沿程衰减和迟角的沿程递增,浅水分潮振幅先增后减,MSf分潮振幅呈递增趋势、迟角有显著的增减交替变化;各个分潮的振幅洪季衰减速率大于枯季,迟角在洪季变化较大,表明径流顶托作用下的潮波向上游传播速度较慢。受径流、地形等因素的影响,在洪季和上游河段,MSf分潮振幅更大,潮汐动力由主分潮向次分潮转移,M4和M2分潮振幅比的变化表明潮汐变形显著,MSf与M2、S2分潮的振幅比较大时有最低低水位的颠倒现象。

广西沿海潮汐特征分析

利用最新潮汐模型FES2014提取广西沿海K_1、O_1、M_2和S_2等4个主要分潮调和常数,计算潮汐类型,并绘制广西沿海潮波图及潮汐类型分布图。结果表明:广西沿海潮波传播方向为西南向东北方向;潮汐类型以正规日潮为主;北部湾东北部为不正规日潮混合潮。根据北海、防城港、龙门港及钦州航道等4个重要验潮站的实测数据,采用最小二乘原理的调和分析方法得到4个验潮站的调和常数。根据调和常数计算潮汐特征值,结果表明4个验潮站潮汐类型均为正规日潮,这与模型分析结果是一致的。利用北海长期验潮站分析得到北海站设计高水位约为470 cm,设计低水位约为110 cm。通过潮波图与水下地形分布图的比较,表明广西沿海潮汐的形成与水下地形分布密切相关。

引入差比关系法分析西北太平洋TOPEX/POSEIDON卫星高度计测高数据

TOPEX/POSEIDON(T/P)卫星高度计数据信息中存在周期成分混淆问题 .对其中的一类混淆引入差比关系方法对混淆的分潮进行分离 .卫星轨道交叉点资料包括升轨和降轨资料 ,资料量比沿轨点资料多 1倍 ,经分析发现 :在已有为期 6a多的观测资料时间序列中 ,在沿轨处混淆的分潮如K1和SSA在交叉点处不再混淆 ,可以直接分离 .因此首先对交叉点资料进行调和分析 .然后由交叉点的分析结果得到分潮间的差比关系 ,处理到相近的沿轨点处 ,从而得到沿轨点的调和常数 .用引入差比关系方法 ,对西北太平洋海区 6a多的T/P卫星高度计资料进行了潮汐分析 ,并与沿岸及岛屿验潮站资料进行了比较 ,所得结果较满意 .

基于Grey-GMDH的模块化实时潮汐预报

为了提高潮汐水位的实时预测精度,本文提出了一种基于灰色的数据处理群模块化(Grey-GMDH)潮汐水位实时预测模型。模块化将潮汐分解为两部分:由天体引潮力形成的天文潮部分和由各种天气以及环境因素引起非天文潮部分。使用Grey-GMDH模型和调和分析模型分别对潮汐的非天文潮和天文潮部分进行仿真预测,然后将两部分的预测结果综合形成最终的潮汐预测值。并选用San Diego港口的实测潮汐值数据进行实时预报的仿真实验,实验结果验证了该方法的可行性与有效性并取得了良好的仿真结果,验证了模型有着较高的预报精度。

三峡流量调节对长江口潮汐不对称的影响

利用非平稳调和分析方法(NS_TIDE)对长江口内6个水文测站的长周期水位资料进行调和分析,同时引入偏度指标刻画不同分潮组合产生的潮汐不对称时空演变规律。结果表明:随着潮波向河口内传播,潮汐不对称呈现先增大、后减小的趋势;流量的季节性变化使得潮汐不对称特征存在显著的季节性差异;通过敏感性分析探讨潮汐不对称对径流变化的响应,具体表现为流量增大会导致上游潮汐不对称性减弱,而下游的潮汐不对称性会随着流量的增大而增强;三峡大坝在洪季时的蓄水使大通站洪季流量显著减小,从而导致长江口上游地区的潮汐不对称现象更加显著,而下游地区则表现出相反的趋势。

感潮河段单站等时距水位非线性优化预报模型

目前感潮河段水位预报模型基于当前站水位、上游径流水位和下游海洋潮位数据进行预报,导致预见期受上游来流时间制约、上下游站数据缺失情况下无法进行预报、数据采集成本高等问题。文章假设感潮河段水位由径流因素和潮汐因素共同线性作用,基于单站等时距水位数据,建立了包含一个径流动力修正系数和若干个潮汐调和分潮系数的非线性优化预报模型,并结合曲线拟合最小二乘法、潮汐调和分析法、梯度下降法,给出一个寻优的迭代算法,对模型参数进行优化辨识。模型应用于长江感潮河段部分观测站,水位预报精度较好,具有可行性和实用价值。

利用验潮站资料的中国近岸海潮模型精度评估

针对全球海潮模型在我国近海海域精度较差的问题,该文采用中国沿岸30个长期验潮站的调和常数,对比了3种全球海潮模型DTU10、TPXO7.2、NAO.99b和1个区域海潮模型NAO.99Jb在中国沿岸的准确度。通过海潮模型与验潮站分潮的振幅中误差、迟角中误差以及8个主要分潮的预报误差,对渤海、黄海、东海和南海北部进行了详细的分析。结果表明,NAO.99Jb在中国海域精度最高,NAO.99b次之。在渤海海域,DTU10在Q_1分潮精度最高,NAO.99b在K2分潮精度最高,其余分潮均是NAO.99Jb精度最高;在黄海海域,NAO.99b在Q_1分潮精度最高,其余分潮均是NAO.99Jb精度最高;在东海海域,DTU10在Q_1分潮精度最高,TPXO7.2在P1精度最高,NAO.99Jb在O1、M2分潮精度最高,其余分潮均是NAO.99b精度最高;在南海北部海域,DTU10在N2、S2分潮精度最高,其余分潮均是NAO.99Jb精度最高。