南极海域潮汐模型研究进展及精度评定

极地潮汐对海冰动力学和漂浮冰架的研究起着重要的作用。现有的海洋潮汐模型在浅海和极地海域的精度远低于开阔深海海域。本文总结了全球潮汐模型在南极海域的研究进展,环南极海域潮汐模型的构建方法以及南极半岛(Antarctic Peninsula)、罗斯海(Ross Sea)海域、龙尼-菲尔希纳冰架(Filchner-Ronne Ice Shelf, FRIS)、威德尔海(Weddell Sea)海域、埃默里冰架(Amery Ice Shelf, AIS)5个典型区域的潮汐模型构建方法。评价了FES2014、TPXO9、CATS2008以及区域潮汐模型在南极海域的精度以及在南极半岛、罗斯海海域、威德尔海海域、埃默里冰架4个典型区域的精度。FES2014和AntPen模型在南极半岛区域模型精度较高,和方根误差(RootSum Squares, RSS)分别为8.61 cm和7.46 cm。TPXO9和RIS_Optimal模型在罗斯海海域精度较高, RSS分别为5.62 cm和6.21 cm, TPXO9模型在威德尔海海域以及埃默里冰架精度最高, RSS分别为18.33 cm和12.77 cm。

基于LSTM神经网络的潮位预报及分析

因潮位预报受风、浪、流等环境因素影响,传统的潮汐调和分析预报方法不能很好地预报潮位时间序列的复合特征,提出一种基于长短期记忆(Long Short Term Memory,LSTM)神经网络的潮位预报方法,并分别对TPXO9全球潮汐模型模拟潮位的2021年6月逐分钟潮位数据、4个不同潮汐类型验潮站(日照、鲅鱼圈、三亚、北.海)的2010年逐时实测数据进行训练、预报及精度验证。利用上述试验确认LSTM模型中隐藏神经元数目、初始学习率、迭代训练次数等网络层参数的最优选择分别为90.0.001、200。对4个验潮站进行潮位预报,结果表明:当训练数据量设置为数据样本总量的30%时,即可得到精度较高的预报结果,精度约为3~5cm。采用LSTM神经网络方法进行潮位预报是有效且可靠的。