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。

小波神经网络在短期潮位预报分析中的应用

介绍小波分析方法和小波神经网络模型,采用BP神经网络模型和小波神经网络模型对短期潮位进行预测分析,并对比分析了两种模型对短期潮位预测的精度。研究表明,小波神经网络模型有效结合了小波分析和神经网络的优点,预测结果明显优于BP神经网络模型,满足海洋测绘的精度要求。