基于T_TIDE的江苏沿海潮汐特性分析

文中介绍了基于经典调和分析原理的潮汐预报工具———T_TIDE,利用T_TIDE对实测潮汐资料进行调和分析及预报,研究了江苏沿海吕泗验潮站(LSI站)和连云港验潮站(LYG站)的潮汐特征。结果表明,T_TIDE在江苏沿海潮汐预报中精度较高,可为沿海工程提供任意时段的潮汐预报服务,并为施工窗口期的选择提供理论支撑。M2分潮是LSI站和LYG站的主要分潮,2个站点的潮汐类型都是半日潮。1998—2012年间,LSI站的M2分潮振幅呈上升趋势。在LYG站,1995—2001年间M2分潮的振幅逐渐减小,2001—2012年间M2的振幅逐渐增大。在LSI站和LYG站,迟角都有明显的下降趋势。对2个验潮站的海平面变化进行了研究,结果表明,LSI站和LYG站的海平面分别呈现上升趋势和下降趋势。

南海北部沿岸海域潮汐的调和分析

采用t_tide潮汐分析工具对南海北部的5个验潮站2009年全年的逐时潮高资料进行调和分析,计算出各站的调和常数,评估调和常数的准确性、稳定性,并总结了广东沿岸海域潮汐特征.利用对2009年逐时潮高的调和分析结果对2010年全年的潮高进行预测,将各站预测结果与同时间的实测数据进行全年和分季节进行比较,对预测结果与实测数据的残差进行统计分析.通过对残差的散点分布、概率分布、置信区间等统计结果进行分析,检验预测结果的准确性、稳定性和可靠性.结果表明:广东沿岸海域潮汐是以M2分潮为主,K1、O1、S2为次结合的潮汐机制,采用t_tide潮汐分析工具对南海北部潮高的预测结果与实测数据拟合较好,相位预测准确,潮高预测除在时间序列尾部(年尾)有些许较大的误差外,t_tide工具在南海北部潮汐预报中具有较高的准确性和稳定性.预测残差的整体服从正态分布,残差均值小于10-2m量级,方差最大为0.229 4,最小为0.173 2,95%置信区间长度小于10-2.各站季节分析主要分潮的离散度小于0.04的结果充分证明不同季节的分析区别不明显,3个月资料与整年资料的调和分析结果几乎一致,与所选取的季节资料几乎无关.虽然在预测值中,有极个别的残差将近1 m,但并不足以影响到预测的准确性.

用MATLAB的T_TIDE程序进行包含误差估计的经典潮汐调和分析

任何对用于海洋的压力表和测流计进行分析的一个标准步骤就是区分信号里的潮汐和非潮汐成份。潮汐信号可以或者被去除,或者描述它的有用特征作进一步分析。尽管潮汐信号可以采用标准的高通或者带通滤波技术去除,但是它们的相对确定性和大的振幅,使一些特殊技术的效果更加显著。在经典调和分析里,当特定频率和天文参数相关时,潮汐信号被模拟为有限项正弦曲线之和。用MATLAB写了一套程序用于:(a)对大约1年或者更短的时段进行经典调和分析,(b)采用节点校正说明(某些)未分解的成份,(c)计算所分析成份的置信区间。

Matlab.NET混合编程在潮汐调和分析与预报中的应用

利用.NET中C#强大的界面开发能力和经典的Matlab潮汐调和分析程序包T_TIDE,采用Matlab.NET混合编程技术,创建潮汐调和常数计算THCCalculate.dll和潮汐预报Tide Forecast.dll,在主程序中调用对应的函数,实现了操作简单且具有良好用户界面的潮汐调和分析与潮位预报系统,具有潮位数据读取、调和分析和预报、数据绘制等功能。结果表明:使用混合编程技术能充分发挥C#与Matlab各自的特点,较好地提高程序开发和运行效率,具有较广泛的应用范围。

青岛港潮汐的调和分析与预报

用T_TIDE潮汐分析工具对青岛港口2019年1—12月逐时潮高资料进行不同时段的调和分析,计算其调和常数,并总结该港口潮汐特征。从2019年全年的调和分析结果中选择不同分潮建立调和预报模型,对2019年1月的潮高进行预测,通过相对误差、判定系数结果分析,确定最优调和预报模型。结果表明:青岛港口为正规半日潮港,以太阴主要半日分潮M_(2)分潮为主,其次为太阳主要半日分潮S_(2)、太阴主要椭率半日分潮N_(2)、太阴-太阳赤纬全日分潮K_(1)和太阴赤纬全日分潮O_(1)等分潮;对比不同时间长度的分潮振幅及平均海平面,可知其与用于调和分析的潮位资料长度几乎无关。分潮由5个增加至24个可明显改进预报效果,再增加几乎没有改进,故选用24个分潮为最优的调和预报模型。为验证模型具有良好的实用性,对五号码头的实测潮汐数据进行分析预报,进而可知建立的模型能够较好地预报青岛港附近海域的潮汐变化。

连云港站潮汐调和分析与预报

应用潮汐资料分析T_tide程序,将连云港站点1993年潮汐资料调和分析结果与实测情况进行比对,并根据1993年计算的调和常数进行1994年潮位预测分析,结果资料表明:计算分析与预测潮位与实测潮位基本吻合,精确度都在96%以上;测站区域主要分潮有O1、K1、N2、M2、S2,其中M2分潮尤其显著;不同季节得出的潮性系数一致,调和分析结果与季节无关。

改进的T_TIDE程序包在潮汐中的应用

基于独立点格式和三次样条插值,提出了一种新的处理非平稳潮汐的增强调和分析方法。该方法从T_TIDE程序包中开发出来,通过MATLAB工具箱S_TIDE实现。通过分析青岛港观测站逐时的潮位观测数据,进行灵敏度实验,讨论独立点数的选择。结果表明,当独立点个数为1时,S_TIDE与T_TIDE方法得到的回报潮汐水位、潮汐组成特性平和均海平面变化特性相似。随着独立点个数的不断增加,非线性趋势越来越明显,峰值和谷值点的个数递增,平均海平面显示出更多的振荡。因此,S_TIDE理论上可以应用于各种非平稳潮汐。

一个东海潮汐数值模式及检验

为验证一个东海潮汐数值模式结果的精度并了解我国东海区域的潮汐特征。该文使用T_TIDE对东海大桥南和洋山站的潮汐资料进行调和分析,并针对所研究区域最主要的8个分潮:M_(2)、S_(2)、K_(1)、O_(1)、N_(2)、K_(2)、P_(1)、Q_(1)分别对比两站实测数据与模式结果的调和分析结果。结果表明:两站点的模式结果和观测海表高度的均方误差D与潮汐产生的海表高度变化V的比值为25.99%和25.29%,模式结果计算所绘制的M_(2)和K_(1)分潮的同潮图与前人研究结果在无潮点的位置、同潮时线、等振幅线的分布和趋势上相似。这说明了使用时间长度相同但年份不同的实测数据验证潮汐数值模式结果的可行性,并能够帮助了解我国东海区域的潮汐特征。

基于LightGBM算法的潮位预报修正研究

潮汐预报在数学上属于回归预测,是人工智能算法的经典应用领域之一。文章以上海米市渡站点为例,提出了采用LightGBM算法修正调和分析T_TIDE模型预报潮位的方法。以T_TIDE模型的预报误差序列作为LightGBM算法的输入层参数,训练得到的LightGBM模型可有效预测T_TIDE模型后续的短期(48 h内)预报误差,从而对T_TIDE模型的潮位预报结果进行短期修正。米市渡站测试结果表明,构建的LightGBM模型能将T_TIDE模型的24 h和48 h预报均方根误差分别降低至0.10 m和0.12 m,相应的±0.30 m合格率都提升至95%以上。但是,LightGBM算法在台风期间对T_TIDE模型的预报结果存在误修正,台风期间的潮位预报修正有待进一步研究。

一种基于python的潮汐预报算法

python语言具有开源、可扩展和丰富的第三方库等特点,本文利用python语言编写完成了潮汐预报程序HY_Analyser,通过选用南海海域6个验潮站某年的水位观测数据进行调和分析,得到调和常数预报下一年的水位数据,并和T_tide工具箱的预报结果进行比对分析,验证HY_Analyser的可行性。结果表明,HY_Analyser和T_tide工具箱算得的结果高度一致,相较于需要以matlab为平台的T_tide工具包,HY_Analyser不需要编写基本代码,只需要进行简单的文件设置即可完成水位预报,可作为一种实用方法应用于潮汐预报。