基于稀疏AR模型的潮流信号建模与预报

潮流信号处理与预报在很多方面具有非常重要的意义和价值。本文引入信号稀疏表示理论,构建一种稀疏AR模型,寻找各潮流数据间的历史关联性,并进行预报分析。首先由实测潮流信号进行常规AR建模,获得一组过完备稀疏基;其次随机从该过完备稀疏基抽取部分建立欠定方程组,利用稀疏优化算法获得最稀疏的AR系数;多次重复上一步,获得稀疏AR系数的平均以增强稀疏AR模型的稳定性;最后利用这些稀疏AR系数来重构或预测潮流信号。文章针对实测潮流信号,特别是存在多峰值有回流现象的潮流信号,进行了稀疏AR建模与预测的多次实验。实验结果与传统的潮流信号调和预报方法相对比,发现基于稀疏AR模型的潮流预报对于潮流存在多变的现象时,具有明显优越性,从回报结果来看,稀疏AR模型的潮流预报均方差明显小于传统潮流调和分析预报方法。     

太平洋次表层海温距平的立体EOF分析及其与ENSO的关系

应用太平洋次表层海温距平资料构造了一个立体的西低东高的四级阶梯模型,使用EOF方法对此模型进行时空分解,并讨论与ENSO循环的关系。结果表明,EOF分解的前两个主分量方差贡献达到42.58%,其中第一主分量代表了暖池-厄尔尼诺(拉尼娜)模态;第二主分量代表了次表层温度距平的东西运移模态。后者存在着突变和渐变两个过程,在赤道及其附近,由冷位相变暖位相为渐变过程,暖位相变冷位相是突变过程,在赤道外南北纬10°附近则反之,厄尔尼诺正是东西运移模态突变的结果。时滞相关分析估算,一次ENSO循环的平均周期约为41个月,即3.42a,厄尔尼诺、拉尼娜模态与温度距平的东西运移模态的位相差平均约为9.7个月。运用逐步回归法求得一个对nino3指数预报效果比较理想的预报方程,其中EOF分解的第一时间系数对nino3距平指数有重要的预报价值,第二时间系数对nino3距平指数预报意义虽然不如第一时间系数明显,但仍具有一定的参考价值。     

热带太平洋次表层三维海温距平场的EOF分析

应用太平洋次表层海温距平资料构造了一个立体的西低东高的四级阶梯模型,使用EOF方法对此模型进行时空分解,重点讨论了分解结果与ENSO循环的关系,并对Nino 3距平指数进行试预报,结果表明,用 EOF分解的第一主分量代表暖池-厄尔尼诺(拉尼娜)模态,第二主分量代表次表层温度距平的东西运移模态,厄尔尼诺事件正是东西运移模态突变的结果.时滞相关分析估算,一次ENSO循环的平均周期约为41个月,厄尔尼诺、拉尼娜模态与温度距平的东西运移模态的位相差平均约为9.7个月.应用逐步回归方法得到超前Nino 3距平指数3、6和12个月的3个预报方程.预报结果表明,第一、第二时间系数对Nino 3距平指数均具有一定的预报价值,预报时效可达1 a左右.     

Kalman滤波风暴潮数值预报四维同化模式研究进展

本文首先介绍了Kalman滤波在风暴潮数值预报中的应用，特别介绍了近年来国际上发展的一些在实际中可行的次优化Kalman滤波算法。并通过一个稳态Kalman滤波风暴潮数值预报模式的实例表明，使用资料同化可以明显改进风暴潮后报结果；资料同化能够提供更为合理的预报初始场，对风暴潮的短期预报有较明显的改进。一旦没有资料同化到模式中去，预报结果很快接近确定性模式。     

数值模式与统计模型相耦合的近岸海浪预报方法

针对数值模式和统计模型预报近岸海浪存在的局限性,构建了数值模式和统计模型相耦合的近岸海浪预报框架,在模式计算格点和近岸预报目标点之间定义一个海浪能量密度谱传递系数,通过经验正交函数分解和卡尔曼滤波方法建立传递系数的统计预报模型并与数值模式进行耦合。经过对近岸波浪观测站1a的预报试验表明:该方法能够提高近岸海浪有效波高预报精度,有效波高的均方根误差降低了约0.16m,平均相对误差降低约9%。进一步试验和分析发现,该方法的预报有效时间小于24h,将海浪能量密度谱经过分解后得到的基本模态反映了近岸波侯的主要特征,海浪能量密度谱传递系数的变化体现了波侯的季节变化特点。     

Kalman滤波法在海温数据同化中的应用研究

以一维水温垂直分布数值模型为例，探索 Kalman 滤波法在海温观测数据同化中的应用。文中给出了在 165°E 赤道海域将连续观测的海温资料同化到模型中的 Kalman 滤波法试验，计算结果表明该同化方法对改进海温数值计算是十分有效的。     

海平面变化的小波和自回归模型集成预测试验

针对海面变化预测时间序列模型中趋势组份和周期(准周期)组份的提取和预测问题,基于吴淞站1955～2001年月平均潮位序列,采用小波分析(WA)与自回归(AR)模型相结合的方案,对小波分解的不同尺度分量序列,借助于时间序列模型进行分量预测,再对它们进行叠加建立预测模型,进行了月平均潮位预测试验.以1955～1996年数据为基础建立模型,1997～2001年数据作为验证,结果表明两种方法的结合使用显示了较好的效果,具有较高的精度.     

基于AR模型的海洋环境噪声仿真预测研究

文章主要介绍了AR模型及其参数确定的基本方法。应用Matlab仿真软件,对海洋环境噪声信号的时间序列进行仿真分析,并对预测值与真实值进行比较。结果表明,应用AR模型预测得到的环境噪声信号很好地逼近了实测值,预测的功率谱也具有较高的精度,模拟的结果较好,为海洋环境噪声的预报提供了一种简单可行的模式。     

基于支持向量回归的海面高度统计预报方法研究

本文提出一种基于支持向量回归的统计预报方法,通过经验正交分解对原始数据矩阵进行时空分解,提取出空间模态和时间系数。由于海面高度变化具有非线性、大惯性的特点,对时间系数进行小波分析,能有效滤除其中的高频信号,得到表征海面高度变化的低频信号。利用支持向量回归方法对小波分解后的低频信号构建预报模型。最后,进行小波重构,还原时间序列长度,实现未来7天的海面高度预报。通过黑潮附近海域的海面高度预报结果验证,该预报方法的预报效果优于整合滑动平均自回归预报方法。本文通过机器学习的算法实现了海面高度的预报,为海洋预报方法提供了新的思路。     

基于小波分解重构技术的西太平洋热带气旋生成频数预报模型

利用小波的多尺度分辨特性和小波分解技术,将预测对象按不同时间尺度分解。通过去掉无法预测的高频变化,并依据时间尺度大小和不同的预报方法分别建立分解预报模型,再利用小波重构技术进行合成预报,使原本难以预测的问题变得较易预测。研究结果得出,利用此方法一方面可以用于预测复杂的气候变化,另一方面也可以同时提高预测效果。