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。     

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.     

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。     

浅水潮综合预报方法的研究

本文以上海港的潮汐预报方法为例,阐述了适用于河口及我国沿海其他浅水港口潮汐预报的一种综合性方法,它包括对天文潮、增减水及其综合水位的预报方法与效果问题的研究等。 上海港扼长江口、濒东海之滨,潮汐属非正规半日浅海潮,常受台风、寒潮和长江径流等水文气象因素的影响,航道水深较浅,潮汐水流情况复杂。近十多年来,通过实践,逐     

黄海、东海潮汐余差谱的初步分析

目前世界各国出版的潮汐表和潮流表几乎全是采用调和方法推算的,对于用这种方法进行的潮汐预报的误差已有许多人做过研究;我国也曾有人从调和常数准确度和分潮选取方面进行了研究,并研究了浅水港口的潮汐预报方法。我所与国家海洋局情报研究所潮流组的同志在这方面做了一些工作:在一定程度上提高了潮汐预报的准确度;满足了实践的需要。然而,潮汐预报余差(即实测水位与预报潮高之差)减小的量值与余差本身相比仍是微小。例如在浅水港口吴淞,用1963年实测水位资料的分析结果预报1970年的潮位,采用 Doodson的方法预报,低潮时间的误差在半小时以上者占49%,而采用浅水准调和分潮方法预报,则仅占9%。前者余差的标准差是20.6厘米,后者约为19.7厘米,两者只相差0.9厘米,对余差总体来说,所减少的量值还是很小的。 验潮站测得的每小时一次的水位值,实际上可以认为是周期性和非周期性水位之和。其中,周期部分是潮汐诸分潮振动的迭加结果;在实测水位中扣除预报的潮高后得到的余差基本上可看作是非周期性的。从谱结构来看,实测水位不仅是一系列以线谱为特征的分潮的迭加,而且还有本底噪声以及介于两者之间的非线性相互作用所导致的一些随机起伏。所以,用调和方法预报潮汐,其准确度必有某些限制。为了进一步研究潮汐预报误差,国外曾有人对特定地点的潮汐预报余差进行谱分析,从而得到了一些有意义的结果。本文即拟通过潮汐预报余差功率谱研究潮汐预报的准确度和误差的性质。     

利用伴随法优化非线性潮汐模型的开边界条件Ⅰ．伴随方程的建立及“孪生"数值试验

本研究采用基于最优控制理论的伴随法,把观测资料同化到陆架海域潮汐数值模型中去,优化开边界条件,提高数值预报的精度．潮汐模型的控制方程为考虑平流项、非线性底摩擦和侧向涡动粘性项的非线性浅水方程组;采用Lagrange乘子法建立了伴随模型．研究分两部分：第一部分即本文,建立非线性浅水方程模型的伴随方程、给出目标函数的梯度,并实现“孪生”数值试验;第二部分另文给出．     

用伴随法优化非线性潮汐模型的开边界条件Ⅰ.伴随方程的建立及“孪生”数值试验

本研究采用基于最优控制理论的伴随法,把观测资料同化到陆架海域潮汐 数值模型中去,优化开边界条件,提高数值预报的精度．潮汐模型的控制方程为考虑 平流项、非线性底摩擦和侧向涡动粘性项的非线性浅水方程组;采用Ｌａｇｒａｎｇｅ乘子 法建立了伴随模型．研究分两部分：第一部分即本文,建立非线性浅水方程模型的伴 随方程、给出目标函数的梯度,并实现“孪生”数值试验;第二部分另文给出．     

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。     

射阳港潮汐与乘潮进港

根据实测和航行实践分析比较发现,射阳港潮汐同潮汐预报表有一定偏 ,实际高潮 比预报值高,实际低潮位比预报值低,遍地比预报要早,低潮时比预报要迟。本文研究了这一变化规律,对确定科学的乘潮进港时间及港口规划、运营有指导意义。     

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.     

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。     

赤潮预测的人工神经网络方法初步研究

赤潮是一种由多因素综合作用引发的生态异常现象,具有突发性及非线性等特点。对其进行预测预报一直是海洋科学研究的热点。探讨了应用人工神经网络原理进行赤潮预测的方法,简要介绍了BP和RBF算法的基本原理,用2种算法对不同海域赤潮生物与环境因子之间非线性和不确定性的复杂关系进行学习训练和预测检验,并与传统的统计方法进行了比较。结果表明：人工神经网络方法在模拟和预测方面优于传统的统计回归模型,具有较强的模拟预测能力及实用性,值得进一步探索。     

基于T-S模糊神经网络的信息融合在赤潮预测预警中的应用

基于T-S模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点,又具有很好的学习能力。将基于T-S模型的模糊神经网络的信息融合算法应用在赤潮的预测预警中,研究各种理化因子与赤潮藻类浓度间非线性对应规律和有效预测赤潮藻类浓度。仿真实验表明这种方法具有有效的赤潮预测预警功能。     

中国海洋潮汐40年来研究进展

近４０年来我国海洋潮汐的研究获得显著进展。本文分别对潮汐的分析、推算，潮汐谱估计，平均海面，潮波理论和数值研究等方面进行阐述。潮汐分析、推算已有１００多个分潮的模型可供应用，交点订正系统除利用ｆ、ｕ的１１个公式外，还根据Ｗ．Ｈｏｒｎ的ｊ．ｖ模型，利用Ｄ．Ｅ．Ｃａｒｔｗｒｉｇｈｔ新的引潮势展开推出５９个ｊ、ｖ公式，后者理论上更为精确，它反映了近代天文学研究进展的成就。平均海面提出一种随机动态分析、预测模型，能比较可靠地求出平均海面长期变化趋势，并能对未来几年内作出月平均海面的预报。潮波理论结合中国海实际，研究潮汐摩擦规律及其效应，已能说明中国海主要分潮波系统的形成及其分布变化，潮波数值计算和模拟取得很大的发展，有些在建港和海洋开发利用中已经得到应用，是一种很有前途的研究方法。潮汐表的编算水平高、范围遍及各国主要海港，受到用户的欢迎。总起来说，我国海洋潮汐的研究工作，经４０年来的努力，从总体上说达到了国际水平，某些方面居领先地位。但整个潮汐的观测站网、仪器装备、监测水平和精度，仍有待改进提高。     

潮汐调和分析与应用研究

基于长江口外鸡骨礁、绿华山潮位站多年实测潮汐资料,开展潮汐调和分析与应用研究。采用最小二乘法计算调和常数,研究不同分潮组合及不同资料长度对调和分析结果的影响。采用规范法及直接预报法计算深度基准面,并分析计算结果。采用余水位订正方法推算潮位,并进行精度验证。结果表明:调和分析精度随分潮个数的增加而提高;采用年实测潮汐资料调和分析的精度总体高于采用多年实测潮汐资料调和分析的精度;采用预报年份相邻的年实测潮汐资料进行潮汐预报精度较高;理论最低潮面计算值,规范法较直接预报法偏小。基于绿华山站与鸡骨礁站实测资料进行余水位推算验证,精度基本满足实用要求。     

基于调和分析法与ANFIS系统的综合潮汐预报模型

港口沿岸地区以及河流入海口等地区的精确潮汐预报对于各种海洋工程作业有着非常重要的意义。潮汐水位的变化受到众多复杂因素的影响,而且这些复杂的因素往往有着较强的实变性和非线性。为了进一步提高沿岸港口码头等水域的潮汐水位的预测精度,本文提出了一种基于调和分析模型与自适应神经模糊推理系统相结合的模块化潮汐水位预测模型;并采用相关分析确定整个预测模型的输入维数;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。其中调和分析法用于天文潮部分的预测,ANFIS用于预测具有较强非线性的非文潮部分。模块化综合了两种方法的优势,即调和分析法能够实现长期、稳定的天文潮预报,ANFIS能够以较高的精度实现潮汐非线性拟合与预测。模型使用ANFIS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。此外,本文选用三种不同的模糊规则生成方法（grid partition （GP）,fuzzy c-means （FCM） and sub-clustering （SC））生成完整的ANFIS系统,并使用实测数据进行验证用以选取最优的ANFIS预测模型。最后将最优的ANFIS模型与调和分析模型相结合进行潮汐水位的最终预报。仿真实验选用Fort Pulaski潮汐观测站的实测潮汐值数据进行预报的仿真实验,仿真结果验证了该模型的可行性与有效性并取得了良好的效果,具有较高的预报精度。     

莱州湾南岸海水入侵特征及基于WA-NARX混合模型的动态预测

随着我国海岸带经济的快速发展与人类活动的加剧,地下水超采现象十分严峻,由此引发的海水入侵已成为滨海地区普遍存在的地质问题.本研究以莱州湾南岸海水入侵区为研究对象,根据地下水连续监测数据分析了地下水位和电导率的动态变化特征.在此基础上,基于降雨、蒸发、潮汐及农业排灌用电量等影响地下水动态变化的因素,建立了小波分析(WA)...     

数据融合下的短期潮位预报测试及分析

针对短期验潮数据分析难度大、预报精度低的问题,设计了一种基于数据融合技术的短期潮位预报方法,利用扩展卡尔曼滤波(EKF),将通用的潮汐模型计算水位融合到调和预报模型之中,生成精度更高的融合预报值.数据测试表明,对于3天的验潮数据,EKF方法至少对向后5天的预报有效,融合值较两种源数据的平均优化度分别为33％和60％;对...