短期潮汐预报探索

以天文潮调和分析原理为基础,通过对余水位的分布特征统计分析,提出一种基于少量观测潮位数据实现短期潮汐预报的方法,并研究开发相关的预报软件。应用案例试验结果表明所提出的统计预报方法具有两项重要的应用价值:(1)在缺测数据修订方面具有较高的精度,平均绝对值误差优于5 cm;(2)在为期3天的短期潮汐预报中具有较好表现,平均绝对值误差小于13 cm。     

潮汐预报与服务

一、我国的验潮概况 我国的验潮历史可追溯到1900年前后,根据资料记载,最早开始验潮的站有秦皇岛(1907年)、大连(1909年)、塘沽(1895年)、青岛(1898年)、厦门(1907年)、广州(1908年)等,据统计到1949年全国只有14个验潮站,由于管理混乱,其中仅有8个站有部份高潮和低潮资料,其它各站资料均失散。 解放后随着我国国防、航运、水产、海洋开发与海洋工程等事业的不断发展,沿海等地相继建立了许多验潮站,据不完全统计约有 200多个,这些站分别隶属于水电部(151个)、海洋局(24个)交通部(17个)等单位。这200多个验潮站中,多数安装了国产自记验潮仪,准确及时地记录了沿海的潮汐变化。     

单站潮汐的谱分析预报

本文给出一种单站潮汐预报的方法,利用该方法对厦门和东山的潮位资料进行谱分析求出调和常数,并利用分析结果回报两港的潮位.把谱分析得出的调和常数与基于最小二乘法的调和分析结果及实测结果进行比较并分析潮汐回报的效果,证明该方法原理简单,简便实用,对潮汐的预报具有一定的应用价值.     

用微型计算机作潮汐预报

本文介绍了用大量分潮如何在仅有的16KB的微型计算机上作潮汐预报。另外这些分潮可以根据一定的条件作适当的选取,它们的调和常数以及其它有关常数均可记录在标准的小型盒式磁带上。     

上海港的潮汐预报近史

在近100多年来,上海港是我国最早有精确潮汐预报的港口之一。据长江口和黄浦江水文报告记载,吴淞水位站始设于1860年;1912年设自记站,使用第一台自记潮位仪。当时利用绿华山、铜沙、吴淞、江阴潮位资料,分析出23个分潮,作出了精确的潮汐预报。据记载,黄浦江的水文测验始于1911年8月14日;其中1913年的那个测验方案,则是我国第一个完整的测验方案。     

BP模型用于潮汐预报研究

针对调和分析法预报潮汐精度不高的缺陷,论述了神经网络的BP(反向传播)模型用于潮汐预报的可行性和先进性,设计了潮汐预报的BP神经网络模型,论述了模型的算法改进和预报方法过程,用验潮站20多年的潮汐记录,验证了BP模型用于潮汐预报的可行性和精度.     

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。     

全球大洋潮汐模式在北印度洋潮汐预报准确性的评估

为评估DTU10、TPXO8、GOT00.2和NAO.99b 4个全球大洋潮汐模式对北印度洋潮汐的预报能力,采用英国海洋资料中心提供的海区中部和沿岸站潮汐调和常数资料,检验了这些模式4个主要分潮(M_2、S_2、K_1、O_1)的准确度。它们的各分潮调和常数资料准确度都比较高,振幅绝均差的最大值仅5.61 cm,迟角绝均差的最大值仅9.13°。这些模式的调和常数给出潮波传播特征差别不大。基于这些模式提供的调和常数,分别建立了北印度洋4、8和16分潮潮汐预报模型,将预报结果与中国海事服务网提供的沿岸24个站潮汐表资料进行对比。各模式的8分潮(M_2、S_2、N_2、K_2、K_1、O_1、P_1、Q_1)潮汐预报模型均优于4分潮(M_2、S_2、K_1、O_1)潮汐预报模型,NAO.99b模式可以提供16分潮(M_2、S_2、N_2、K_2、K_1、O_1、P_1、Q_1、MU_2、NU_2、T_2、L_2、2N_2、J_1、M1、OO_1)潮汐预报模型,但是对预报结果改善不明显;在各模式中,GOT00.2模式的8分潮潮汐预报模型对北印度洋沿岸的预报效果最好,平均绝均差为14.97 cm。     

基于高、低潮的潮汐调和常数提取及潮汐预报

针对短、中期高、低潮数据情况下的潮汐调和分析问题,采用埃尔米特三次插值方法对高、低潮数据进行插值得到近似的逐时潮位,再使用最小二乘法求解调和常数,进而利用得到的调和常数进行潮汐预报;同时在此基础上利用MATLAB设计并开发了一个潮汐预报系统。本文分别对位于近海、河口、内河感潮河段等3种区域的验潮站的预报结果与潮位数据进行了对比分析,结果表明文中方法能够很好地对近海和内河感潮河段区域的潮汐进行预报,而对于水动力环境复杂的河口区域预报结果相对较差;对于进行调和常数计算的实测数据所对应较近时间段的预报结果优于较远时间段的预报结果;对比验证结果表明本文方法提取的调和常数和利用T_tide计算得到的结果基本一致。开发的潮汐预报系统可以方便地利用高、低潮潮位或更小时间间隔的潮位数据进行潮汐调和分析和预报。     

浅水港口潮汐预报的一个方法

我国沿海有许多重要浅水港口,如上海、广州等。这类港口由于航道较浅,对潮汐预报的准确度要求就比较高,而这些地区的潮汐预报误差一般较大。除了气象影响在这些地区表现得更激烈之外,从潮汐本身而言,主要是由于在浅水区域非线性效应不可忽视,潮波波形常常产生显著的畸变。要预报这样的潮汐过程,必须充分重视高频振动,特别对于高、低潮,由于它们发生的时间决定于潮高的一级微商,高频振动有着特殊重要的意义。     

基于神经网络的潮汐预报方法初探

文章运用非调和法,直接从引起潮汐现象的天文因素入手,以2002年香港验潮站实测资料为例,用神经网络对潮汐知识进行了学习仿真,对未知结果进行了预报。将预报结果和潮汐表比较,结果表明,此方法可行,预报精度比潮汐表略有提高。     

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。     

北部湾潮汐数值预报及其分析

采用二维非线性运动方程和连续方程组，以多个分潮同步输入，做耦合数值模拟，进行潮汐数值预报。结果表明，K1潮波等振幅线分布与历史潮波图明显不同，此线呈舌状向北伸展，特别在湾的南部海域，其中央区振幅很小，10cm等振幅线可以伸至北纬19°以北。O1分潮的分布与K1分潮类似；北部湾北部以全日潮为主，湾的南部潮汐性质指标数2．0的等值线呈舌状向湾内神，两侧为不正规日潮，中间为不正规半日潮。4．0等值线向北推移，在19°N以南中央海区预报结果与前人的结果不同；南部海区中央一带潮差很小，最大可能潮差不超过2m，这种分布与前人结果有较大差异。     

人工神经网络在潮汐数值预报中的应用

潮汐数值预报经过了几十年的发展,但是其预报精度并不能让人十分满意,本文试图将传统的潮汐数值预报模式与近年来发展迅速的人工神经网络相结合并改进潮汐数值预报的精度。文章建立了一个神经网络系统,采用潮汐数值模式的输出结果作为网络输入,潮位观测资料作为输出,用建立的神经网络进行训练,结果表明人工神经网络可以明显地改进潮汐数值预报的精度。     

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 M2分潮为主,其次为太阳主要半日分潮 S₂ 、太阴主要椭率半日分潮 N₂ 、太阴-太阳赤纬全日分潮 K₁和太阴赤纬全日分潮 O₁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。     

基于GPOS-BP神经网络模型的潮汐预报

为了提高预报潮汐的精度,提出了一种遗传算法(GA)与粒子群算法(PSO)结合的神经网络仿真模型进行潮汐预测,及引入遗传算法变异操作提升粒子群算法的寻优的性能,改善BP神经网络阈值和权值选取敏感、易陷入局部极小值的缺点。然后利用本文算法与调和分析法对潮汐进行非天文潮预报和天文潮预报。最后对Alexandria港口的实测潮汐数据仿真预测,实验结果验证了该方法的可行性与可靠性,且具有较高的预报精度。     

基于神经网络的潮汐预报方法初探

运用非调和法,直接从引起潮汐现象的天文因素入手,以2002年香港验潮站实测资料为例,用神经网络对潮汐知识进行了学习仿真,对未知结果进行了预报.将预报结果和潮汐表比较,结果表明,此方法可行,预报精度比潮汐表略有提高.     

便携式潮汐预报仪的开发与研究

讨论了一种便携式潮汐预报仪的开发与实现。其内部集成嵌入式μC/OS-Ⅱ实时操作系统以及潮汐预报软件,能够根据用户需要实时计算待测港口的潮位信息。将预测数据与实测数据进行比对,说明本系统与传统纸质潮汐表及微机版电子潮汐预报仪相比,具有便携、使用方便、预测精度高等优点。     

潮汐和潮流预报的整体潮方法

按照牛顿力学定律的要求建立了一种新型的时间系统,即依据日、地、月三体相互运动建立了一种潮汐时间系统;并选用了引潮天体（月球和太阳合成体）星下点处的整体引潮力为标志性引潮力。在该潮汐时间系统里潮运动就变成一种完全遵从牛顿运动定律的确定性运动,引潮力与潮汐和潮流形成一种确定性的因果关系。将之称为整体潮方法简称为整体法。将定义的引潮力和潮振动中的2种典型振动称为I型和II型,其相互转换周期为1/2回归月。因此,极大地简化了潮汐和潮流的计算和预报工作。本方法对固体潮和大气潮也有应用价值。