基于多元逐步回归及实时修正的长江南京站高潮位预报

南京潮水位站是长江进入江苏的“第一站”,提高潮位预报精度对于南京市防洪减灾具有重要意义。利用南京潮水位站2010~2020年高潮位超过8.50 m年份的实测资料,采用多元回归分析建立南京潮水位站高潮位预报模型。为消除多重共线性的影响,采用逐步回归对变量进行筛选,并对预报模型进行实时修正以提高预报精度。结果表明:根据GB/T 22482-2008《水文情报预报规范》,该模型预报精度可达甲等。该预报方法简单、实用,对于提高受潮汐影响站点的潮位预报精度具有一定的参考价值。

基于AutoML的长江下游周旬尺度枯水位及潮位预报

基于微软在2018年发布的自动化机器学习建模平台Azure AutoML,探索长江下游水位及潮位预报模型构建与应用。以大通枯水期周旬尺度最低水位、南京未来14与20次低潮中最低潮位的预报为例,开展研究并从模型构建与评估、预报精度、输入因子重要性等角度进行分析。研究结论表明:微软Azure AutoML平台可便捷地进行自动化机器学习模型的构建;两站点的预报模型在2014—2020年模型构建过程、2021年模型精度分析过程中均取得较高的精度指标,但在最低水位(潮位)波动变幅较大的阶段,预报模型的性能有待进一步提高;大通站不同预见期预报模型的重要输入因子较为一致,排名前三的重要变量依次为八里江、大通、安庆水位;南京潮位预报规律较为复杂,应尽量纳入更长时段的前期潮位信息。

LSTM风暴潮模型赋能黄浦江水情预报

为提高黄浦江水情预报的精准度,研究人员将现有黄浦江潮位预报辅助系统、风暴潮模型、黄浦江水系数值模型等打通,通过接口方式,将基于LSTM风暴潮模型计算的数值输出成果集成至黄浦江水情预报系统,有效降低了人工预报误差的安全风险,提升了自动化水情业务预报能力,为防台防潮决策提供了有力的技术支撑。

长江河口段潮位预报及实时校正模型

针对长江河口段潮位周期性变化规律,采用调和分析法建立了潮汐预报模型,根据对分析期若干年潮位推算揭示了误差与上游径流间关系,并建立了以上游大通水文站实测流量为输入的实时校正模型。潮汐预报模型与实时校正模型相结合,既可提前预知长江河口段的水情,又能根据动态掌握的大通流量信息对前期预报结果实时校正以提高预报精度,对类似河段的潮位预报具有参考价值。

径流的河口潮位预报方法研究

河口地区潮位受上游洪水渡和下游潮波的共同影响,综合考虑两者的作用是提高预报精度的关键。本文以长江口天生港、徐六泾、杨林站为例,根据大量样本资料,建立了各站的日均增水与大通径流增量之间的关系,并利用所得关系式,根据上游径流大小,对潮汐预报的潮位进行校正。经过校正,三站日均潮位误差(+20cm的合格率,分别由77.3%提高到92.1%、76.3%提高到88.7%、83.8%提高到89.2%,最终的潮位预报精度明显提高。

长江下游镇江至吴淞段潮位相关途径预报方法

选择镇江、江阴、浒浦、七浦、吴淞口等潮位站为研究对象,通过分析沿江各潮位站日平均水位的影响因素,利用多元线性回归建立了沿江各站日平均水位与上游大通站日平均流量过程的相关关系;在此基础上,考虑到沿江各站日平均水位除了与上游大通站流量有关外,还与吴淞口天文潮的大小有关,增加了能够反映潮差大小的相关因子,有效提高了相关方程的精度.由于吴淞口潮汐向上游传播时会产生潮差减小、相位后移、潮汐变形等水力现象,沿江各站的潮差大小与吴淞口潮差大小及长江干流的流量有密切关系,建立了相应的潮差相关方程.通过此相关途径方法来预报沿江各断面整点潮位过程,可取得较高的预报精度.

长江潮位预报方法的研究

长江感潮段自安徽大通站至长江江口,长620km。随着跨流域远距离调水和沿江涵闸涨潮抢引、落潮抢排,以及潮汐能利用,沿江泵站的经济运行的出现,不仅需要较简便而可信的中、长期潮位预报方法,而且迫切需要防洪、以致以枯季调水、引水为目的的短期潮位预报方法。本文根据长江大通站径流水文序列的周期成分和长江中潮汐的特点,提出中潮位平稳时间序列方法与17分潮调和分析相结合的中长期预报模式,以及进行汛期和枯季短期预报的主、副港相关法,使之能在一般微机上作业,以利于普及与应用。

南京站实时潮位预报系统研制

阐述了实时潮位预报系统研制应遵循的原则,研制了长江南京站实时潮位预报系统,对系统体系结构、功能、采用的预报方法以及系统作业流程作了详细地介绍。并以2004年 7月的预报为例,介绍了系统操作的全过程。系统的研制为开发类似的潮位预报系统提供了成功的经验。

SARIMA模型在长江三江营潮位预报中的应用

1前言 水位是按时间顺序记录的自然现象，是连续随机过程的离散化观察结果，可作为时间序列进行处理。水位预报是防汛抗旱中的一项重要工作，尤其是大江大河的水位预报对于防汛抗旱的决策、调度至关重要。如何利用大量的观测资料确定一个简单有效的预报模型，是摆在防汛抗旱部门面前的一个重要课题。

黄骅港传统预报与实测潮位差异分析及潮位实时推算方法

基于黄骅港港池站和航道40+0站的一年期潮位实测资料及该海域的一年期气象资料,对两站传统预报与实测潮位的差异进行了统计分析,对两站的余水位特性及变化规律进行了研究。研究成果表明:(1)黄骅港传统预报潮位与实测潮位存在一定差别,对于黄骅港乘潮时间较长的航道,传统的潮位预报值还不能作为乘潮进出港的依据,因此进行实时潮位遥测遥报是必要的;(2)港池、航道40+0两站之间的余水位变化具有很强的相关性,可以用余水位修正的方法建立这一水域内相关站点之间的潮位推算模型,实现利用岸基遥测遥报潮位实时推算整个航道潮位。

南水北调东线工程源头长江潮位预报

南水北调东线工程通过江都水利枢纽抽引长江水,准确及时的引水口水位预报对提高水利工程调度和水资源配置的科学性至关重要。选择引水口附近的三江营潮位站为代表,由于三江营地处潮区界以内,所以在预报其潮位时需要综合考虑潮汐引力、上游来水量和区间降水量等影响因素。首先采用潮汐调和分析法计算得到天文潮位,再采用二次校正法、多元线性回归法、支持向量机(support vector machine,SVM)法和随机森林法,对三江营的日均潮位和逐时潮位进行预报,并比较4种方法的预报精度。结果表明,4种方法得到的年日均潮位预报结果均能达到乙级以上精度,预报效果较好,其中:二次校正法的预报精度最高且最稳定,日均潮位和逐时潮位预报均能达到甲级精度,适合用于水利工程精细化调度;SVM法的预报精度次之,多元线性回归法和随机森林法相对较差,但后3种方法的预见期长于二次校正法,适合用于对预见期要求较高的潮位预警。

基于多元线性回归的镇江站高潮位预报模块设计

影响潮位观测预报的因素复杂,手工预报工作量大,需开发预报软件以满足决策需要。基于多元线性回归模型,结合现代计算机技术,设计开发了镇江站高潮位预报模块。应用该模块对镇江站高潮位进行了历史仿真。结果表明,该模块简单实用、运算速度快、预报精度高,完全满足预报规范要求,可用于镇江站高潮位预报。对类似感潮河段的潮位预报具有重要的实践意义和借鉴价值。

基于双向交互式回归模型的镇江站高潮位预报

感潮河段受上游径流和下游潮波的双向交互作用影响,机理复杂,预报困难,寻找合适的方法对感潮河段的潮位进行预报非常关键。以镇江站为例,考虑洪潮要素的交互作用,依据因果分析方法,结合统计学理论,引入双向交互式回归方程,建立日最高潮位预报模型,并用该模型对镇江站历史资料进行模拟检验。结果表明,双向交互式回归模型合理、实用,且预报精度较高。

基于门限交互式回归模型的感潮河段潮位预报

感潮河段水流情势复杂,河道冲淤多变,地形资料获取困难。依据潮位变化成因,结合统计分析方法,提出利用门限交互式回归模型TIR对特征潮位进行预报。TIR模型将交互式回归置于门限类模型框架中,避免洪潮要素综合过程中线性叠加假定的限制和缺陷,同时考虑洪潮驱动要素的时空差异及潮位非线性变化特征。依据门限分段理论,针对特定潮位站的不同水位等级,分别建立了不同的潮位预报相关关系。将TIR模型分别应用于南京、镇江及江阴3个潮位站,结果表明,各站预报效果良好。门限交互式回归模型框架合理、适应性强、资料依赖程度低、可获得较高的预报精度。

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。

中国沿岸验潮站潮位预报及精度评估

利用T-TIDE经典潮汐调和分析潮位预报方法、TMD工具箱法以及WWT海潮模型潮位预报方法,对中国沿岸17个验潮站进行一个月的逐时潮位预报,并与实测数据对比,评估其预报精度。结果表明,在大多数验潮站,T-TIDE潮位预报方法精度最低,TMD和WWT潮位预报精度在大连、老虎滩等9个验潮站差值在0-3cm之间。在黄海海域,建议采用TMD潮位预报方法;在东海海域,需要根据验潮站位置的不同而选择不同的潮位预报方法;在南海海域,建议采用WWT潮位预报方法。

宁波市三江口高潮位增水分析及预报方法

感潮河段潮位变化受天文潮、气象因素及上游来水的共同作用，潮位预报难度较大。通过分离天文潮，抓住主要影响因素－风的影响，利用线性回归作出预报公式，并结合排水、径流的影响作出潮位预报，精度较高。这一方法的运用对沿海感潮河段的潮水位预报提供了一些参考。

谐波分析法在宁波站极值高潮位长期预报中的应用

潮位站的年极值高潮位的时间序列变化具有随机性和周期性的特点，可用随机方法模拟，应用谐波分析方法对宁波潮位站的年极值高潮位进行分析，建立模拟方程，经后验，结果较为满意。同时，用模拟方程对1996年的宁波潮位站极值潮位进行了预测。

多元回归方法在长江南京站潮位预报中的应用

1概述 2010年6月中下旬以来,江西、湖南部分地区降特大暴雨,洞庭湖、鄱阳湖水位持续上涨,造成长江干流来水量明显加大,长江部分河段出现超警戒水位,长江大通站水位也出现较大的上涨过程。随着长江来水量的不断加大,加上受沿海6月底天文大潮顶托的影响,南京站潮位出现超警戒状况,长江防洪形势严峻,因此做好南京潮位精确预测预报,将为防洪减灾提供科学依据。

基于NARX神经网络的极端风暴潮事件预报研究

通过构建采用外部输入的非线性自回归神经网络(NARX),利用1979年1月1日00时—2003年12月25日23时逐时的实测潮位数据和再分析气象数据结合调和分析预报结果搭建模型,对库克斯(Cuxhaven)港口2004—2018年中增水最大的两次风暴潮极端事件潮位进行预报和验证,同时对影响模型性能的参数进行量化分析。结果表明:在NARX神经网络延迟数为24 h时模型的精度最高,两次极端风暴潮验证下的R2分别为0.94和0.95,且在最高潮位时的误差分别为57.78 cm和26.55 cm。实验中模型在延迟数方面存在阈值,当延迟数为24 h时模型效果最佳,在延迟数达到阈值前模型的精度逐渐上升,超过该阈值后模型精度下降;输入时间数据序列的长短会影响模型的精度,序列越长模型精度越高,但影响效果会逐渐降低。