浅水港口潮汐预报准调和方法的改进

文中提出了浅水港口潮汐预报准调和方法的两个改进方案.一个是在方国洪等(1981)《浅水港口潮汐预报的一个方法》基础上,增加14周/日、16周/日以及与前期潮汐状况有关的浅水准调和项共6项(方案Ⅰ);另一个在是王骥(2001)提出的方案基础上改进的方案,该方案与方案Ⅰ相比,增加了5个准调和项(方案Ⅱ).这两个方案选用相同的57个调和分潮,但分潮的组合及派生出的准调和项有所不同.方案Ⅰ用40项准调和项表示浅水效应,方案Ⅱ则包含长周期、全日、半日周期的准调和项18项.经过大量实测水位资料的分析和预报检验,表明改进后两个方案对浅水港口潮汐的预报精度均较改进前的准调和方法和传统调和法有明显提高,对第一类浅水港(以吴淞港为例),文中所列的8项预报指标都有显著提高,特别是低潮时均方差由26.8min降至15.1min;对第二类浅水港(以成山角为例),高潮时均方差显著减小,由39.6min减至26.7min.     

相关法对浅水非线性效应的处理及应用

介绍了浅水非线性效应的处理方法,研究了相关法的原理及其应用,并以厦门港及烟台港为例对上述港口未来时刻作了潮汐预报,从实用的角度说明了相关法应用于浅水效应显著的港口时预报效果的改善将更为明显。     

潮汐预报在岸基雷达检测中的应用

针对岸基雷达测试过程中潮汐影响雷达测试结果的实际情况,分析了不同海区潮汐变化对目标高度的影响,提出了采用调和常数法进行目标高度改正,完善了岸基雷达测试过程中数据处理方法,通过潮汐改正前后数据对比,证明该方法切实可行。     

南海潮汐数值预报及其在海道测量中的应用

以协振潮波二维铅直平均运动方程为南海海域潮波运动的物理模式，用ADI方法进行差分求解，对该海域进行潮汐数值预报，并应用于海道测量。经实测数据对比，此方法不但可行，而且精度远高于一次或三次24h潮汐预报的方法。     

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。     

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.     

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。     

用混沌理论提高潮汐预报的准确度

为提高潮位预报的准确性,在具有较长潮汐观测数据的站点,基于混沌理论,对观测值与潮汐模型预测值之差所构成的余水位序列(即误差序列),采用局域线性模型的分析方法,给出可能误差预测,修正模型的预报结果,提高潮汐预报的准确性。所给例子,对预测跨度T=2 h,经局域法修正后,崇武站2007年12月份1个月预测水位统计的RMSE值减少74.7%,厦门站减少60.5%;对T=24 h,崇武、厦门两站RMSE值减小都在50%左右。     

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.     

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。     

中国有害赤潮预测方法研究现状和进展

根据近几年来有害赤潮研究的进展，介绍了几种有害赤潮预测方法，主要包括：经验预测法，如海水温度变动预测法、海水透明度法、赤潮生物光合活性法；统计预测法，如判别分析、主成分分析；数值模型预测法，如营养动力学模型和种群生长动力学模型。文中提出，鉴于目前各种有害赤潮预测方法的局限性和不确定性，以及有害赤潮灾害预测的迫切性，为了尽快建立起有效和可靠的有害赤潮预测方法，在开展预测方法的同时，必须加强赤潮发生机理研究和赤潮生消过程的现场监测，前者是建立预测方法的理论基础，而后者是预测方法建立的要资料基础。     

港口潮汐潮流及海浪高分辨率数值模拟

利用约束型Delaunay地形网格构造技术,以及潮汐、潮流、波浪数值计算和网格嵌套技术,融合高分辨率的地形数据,对港口海洋潮汐、潮流、波浪进行高分辨率数值模拟和仿真,并以我国近海某港口为例,对预测预报结果进行了分析、对比,取得了理想的效果.     

基于模糊神经网络(FNN)的赤潮预警预测研究

为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型。将模糊神经网络(FNN)技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能。     

基于模糊神经网络(FNN)的赤潮预警预测研究

为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP 算法的一个四层模糊神经网络模型。将模糊神经网络(FNN)技术引入赤潮预测研究,并与普通 BP 网络、RBF 网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能。     

赤潮监测和预报的构想

在对赤潮监测要素和方法进行分析的基础上，构思了几各监测和预报赤潮的方式，并建议以水质浮标和剖面监测系统为主要方式开展研制工作。     

《向阳红九号》调查船的空气微生物

本文对《向阳红九号》调查船做了空气微生物的监测，结果表明：平均全船舱内空气微生物总量、空气真菌含量、空气真菌量占空气微生物总量的百分数分别是３７３０．９ＣＦＵｍ－３，１６８．１ＣＦＵｍ－３和１５．３×１０－２。尚未超过国家对客船规定的卫生标准，但有２１×１０－２的测定结果已超标。两次测定间的差异主要由空气扰动状况所致；层间及舱室间的差异是因人员工作生活习惯等造成的。结果还表明，较好条件的上层乃至全船舱室大有改善环境卫生条件的必要。     

利用化学因子预测赤潮的可行性探讨

本文从化学的角度对赤潮预报进行了可行性探讨 ,分析了部分化学参量作为赤潮预报依据的机理 ,综述了赤潮化学预报的研究现状 ,并对今后的赤潮预报研究进行了探讨.     

Study of Wave and Tide Influence on Slope Stability of the Navigation Channel of Tianjin Port

The Tianjin Port is the largest man-made port in China.Since the navigation channel of the Tianjin Port is constructed by dredging,a very important problem,as many people concerned,is the submarine slope stability.As the environment on land is different from that in submarine,it is necessary to evaluate the influence of the environmental loading,such as wave and tide,on the stability of navigation channel slope.In the present study,based on the observed results,the characteristics of the navigation channel slope are summarized,and the causes of creating the special slope shape are analyzed.The roles of waves and tides are evaluated,and failure mechanics are discussed to helq us predict what will happen in the future.     

利用验潮站数据进行三种潮汐模型的精度分析

采用全球分布的565个验潮站水位资料对NAO.99b,CSR4.0和TPXO7.2三种潮汐模型进行精度评估。结果表明:在全球海洋范围内,NAO.99b模型精度最高;在黄海海域,TPXO7.2模型的精度最高;在东海和南海海域,则是NAO.99b模型最优;在深海海域,三种模型精度差异不大;在浅海海域,采用同化方法的潮汐模型比采用经验方法的潮汐模型更有优势。