水声宽带信号波形预报技术研究

为了实现远程水下目标微弱信号检测,掌握远程传输后信号波形的特征,水声宽带信号波形预报技术是研究水下信号精细化特征研究的重要突破口之一.针对宽带信号,采用波束位移射线简正波(BDRM)频域合成波形预报算法和 BELLHOP 射线时域波形预报算法,获得宽带信号远程波形预报模型,并在浅海负跃层和深海声道两种典型海洋环境下,利用上述两种宽带波形预报算法,仿真计算了宽带信号远程波形,比较了两种波形预报算法精度.结果表明,在一定条件下,两种模型具有同等计算精度,可满足不同条件下的信号波形预报需求.     

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.     

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。     

基于最优化相关分析的油菜开花期预报模型研究

为了最大限度地满足政府举办特色农业旅游的需求,以高淳为例,研究分析了高淳油菜农业气象观测数据,发现油菜开花期与t≥3℃的有效积温呈极显著相关关系;进而利用最优化相关分析法,筛选出影响油菜开花期的最佳建模因子,创建了开花期气象中期预测模型以及基于环流和海面温度的开花期长期预测模型,均达到α=0.001显著水平,预报时效可提前10～30 d;经检验,三种模型的历史拟合结果和三年试报效果较好;在此基础上,试用了三种模型的复相关系数作为加权系数进行加权平均,综合集成预报效果更佳。油菜开花期预报将对公众踏青赏花和政府招商引资具有现实的意义,同时预报思路可为其他作物花期预报研究提供借鉴。     

基于多变量LSTM神经网络模型的风暴潮临近预报

台风的风暴潮是台风引发的一种重要次生灾害,对沿海城市带来的威胁是多方面的。及时准确地预报风暴潮,对沿海地区采取合理措施减少人员伤亡和经济损失具有重要意义。本文利用长短期记忆神经网络 （LSTM） 模型,综合考虑风速、 风向、气压等气象因素和前时序的潮位数据,建立了风暴潮的临近预报模型。结果表明,基于 LSTM 的临近预报模型具有相当的预报技巧,利用前时序的风速和风向数据以及潮位数据建立的模型可对风暴潮潮位进行准确地预测。研究还表明,仅考虑前时序潮位的预测模型误差最大,考虑气压后的模型预测能力有一定进步,而考虑风的要素以后,预测的效果提升更为明显。     

基于声学宽带扩频信号的抗多径测距技术研究

为研究宽带扩频信号在复杂水声信道下的测距精度,提高水声定位系统的抗多径性能,以BELLHOP模型的多径干扰冲激响应作为水声信道环境基础,通过构造不同传播距离、海洋环境特征的多径水声信道,对宽带扩频编码进行同步相关测距仿真;提出一种基于宽带扩频信号载波域同步的抗多径测距方法,利用载波携带的宽带特征信息进行相关同步以提高理论测距精度。实验结果表明：在有直达声且不考虑声线弯曲条件下,浅海多径信道条件测距精度可达厘米级,中深水信道维持分米级测距精度,较基带同步方法的抗干扰性能有所提升,基于宽带扩频信号载波域同步的抗多径测距方法,能够为声学定位系统的高性能测距技术提供理论依据。     

基于FIO-COM的海洋声学预报系统的构建与应用

将海洋模式与声传播模型结合在一起,设计开发了一种适用于高性能计算机的全球海洋声学预报系统FIO-GOAFS,该系统以自然资源部第一海洋研究所全球0.1°分辨率海浪-潮流-环流耦合模式（FIO-COM）为基础,利用海洋模式预报的温、盐、深参数计算声速剖面,并对声速剖面进行水声环境特征诊断,之后将海洋模式与水下声场传播模型协同连接,结合地声模型（海底地形和底质参数）,实现了全球海域的水声环境特征诊断及水下声场及相关结果的预报。海洋模型提供水下声学预报所需的水体声速、海浪波高等参数,地声模型提供海底地形、底质声速、密度以及衰减等参数,通过调用海洋-声学连接模块提取声传播路径的地形及海洋环境参数剖面,实现海洋模型和声学模型的有效连接。全球海洋声学预报系统在高性能计算机上并行实现,主要包括声场计算中的频点、方位角并行以及声学预报时针对地理空间区域的并行。最后,利用该系统预报并分析了全球海域的水声环境特性及声呐作用距离的季节变化和空间分布特征,为现代声呐的设计、操作和水下应用提供参考。     

一线模型在海岸演变预报中的应用

本文采用岸线演变的一线模型对北方某港口城市一典型砂质岸段的岸线演变进行了数值模拟,内容包括两部分:第一分部阐述了一线模型的原理和其中各个参数的选取.作为重点,建立了波浪破碎模型,用一个实用的方法计算折射、绕射和浅水变形联合作用下的破碎波高和波向角;第二部分用波浪、地形及岸线资料对模型进行了校核和验证,预报了所研究的岸段5a后的岸线位置;提出了岸滩防护的工程措施,用数模研究了它们的防护效果.     

东南太平洋秘鲁鳀资源量预报模型的构建

秘鲁鳀（Engraulis ringens）是栖息于东南太平洋沿岸的一种小型中上层鱼类。有效地对秘鲁鳀资源量进行预报将有助于为我国鱼粉进口企业提供决策支撑。为此,本研究结合秘鲁鳀生物（上一个渔汛季度的资源量、渔获物中的幼鱼比例）和环境（渔场水温和nino1+2区的温度距平）因素及捕捞量为预报因子,利用主成分分析和多元线性回归的方法对17个渔汛季度（2006年至2014年第一渔汛季度）秘鲁鳀的资源量建立预报模型并利用主成分分析的结果对影响秘鲁鳀资源变动的因子进行初步评价。研究表明,随着时间的推移样本量的增加,模型拟合资源量与真实资源量的平均相对误差逐渐下降,拟合资源量序列与真实资源量序列的相关系数逐渐增加。最终模型5（建模数据为2006-2013年第二渔汛季度的数据,验证数据为2014年第一渔汛季度的数据）能够很好地拟合出秘鲁鳀资源量的大小及变动趋势拟合资源量序列与真实资源量序列的相关系数为0.861;拟合资源量序列与真实资源量序列的平均相对误差为12%;预报得到的2014年第一渔汛季度的数据与真实值相比,相对误差为1%。结合主成分分析的结果对影响秘鲁鳀资源变动的因素进行评价结果表明,第一主成分的方差贡献率为46%,其中环境因素占据了最大的载荷;第二主成分的方差贡献率为23%,同样环境因素占据了最大载荷,但是,排名第二和第三的因素分别是上一个渔汛季度的资源量和捕捞量,其载荷相当;第三和第四主成分的方差贡献率分别为9%和7%,其中幼鱼比例占的载荷最大。根据各主成分得分序列与资源量序列的相关系数结果,环境因子对秘鲁鳀资源变动有重要影响。     

基于Stacking机器学习模型的南海北部海温预报

基于Stacking(ET-ET)的机器学习算法,利用美国国家环境预报中心再分析数据和MGDSST海温融合数据,建立了一套高效的海温长期预报方法,并在南海北部海域开展了1 a的表层海温长期预报实验。结果表明：基于Stacking(ET-ET)机器学习模型的表层海温长期预报的均方根误差降至0.52℃,平均绝对百分比误差降至1.58%,明显优于基于支持向量机、人工神经网络和长短期记忆模型的预报结果。     

地震波形指示反演在EA油田珠江组低渗储层预测中的应用

低渗储层预测是油气勘探开发的难点。阳江凹陷EA油田珠江组油层是典型的低渗储层,这类储层普遍具有砂体横向变化快、连续性差、单砂体规模较小、低孔低渗的特征,传统的地震反演方法对于这类储层的反演精度较低。为了获得高精度反演结果,采用地震波形指示反演方法,以地震波形的横向变化代替变差函数,通过井震结合进行高分辨率储层预测。首先,在确定使用渗透率曲线作为敏感曲线的基础上,通过覆压校正和拟合得到样品的覆压孔隙度和覆压渗透率;然后,根据岩性、填充物的不同建立3个渗透率模型,求得渗透率曲线;最后,利用渗透率曲线进行波形指示反演得到反演结果,计算各主力层砂体厚度。研究结果和盲井检验表明,地震波形指示反演提高了储层横向、纵向的预测精度,能够成功预测砂体边界、砂体厚度,预测结果可为油气勘探的进一步开发提供依据。     

基于能量竞争载荷模型的海洋立管双向涡激振动时域预报方法研究

海洋立管是深海油气开发中用于连接海底井口和水面浮体的唯一通道。立管在洋流作用下极易发生涡激振动（vortex-induced vibration,简称VIV）,发展快速经验性涡激振动时域预报方法对立管的安全设计具有重要意义。通过柔性立管模型试验,结合载荷重构方法和最小二乘法,识别建立了能量竞争载荷模型下的经验水动力载荷系数模型。应用识别建立的经验水动力载荷系数模型,发展形成了海洋立管顺流向及横流向双向涡激振动时域预报方法。将预报结果与试验结果对比,结果表明：基于能量竞争载荷模型的海洋立管双向涡激振动预报方法能够有效预报海洋立管涡激振动主导模态、主导频率、流向平均位移响应和涡激振动位移响应等力学行为特性。研究成果对发展更为有效的涡激振动预报手段具有有益参考。     

基于双注意力机制的台风轨迹预测模型

台风轨迹的准确预测对于减少台风灾害及风险评估意义重大。本文提出了一种基于双注意力机制的台风轨迹预测模型(Dual-Attention-Encoder-Decoder),首先根据台风轨迹数据计算台风轨迹的变化曲率,将台风曲率序列与台风轨迹序列一同作为预测模型的特征输入,充分考虑了台风轨迹中隐藏的转向、偏折信息;然后构建双注意力机制增强的编码器-解码器网络(Encoder-Decoder)作为预测模型,利用特征注意力机制和时间注意力机制分别对模型输入和隐藏状态进行权重分配,能够学习输入特征和预测目标之间的关系,并且有效解决编码器-解码器结构对过长序列预测的性能下降问题,编码器和解码器均采用LSTM网络,能够存储长时间依赖并且收敛性好,不易发生梯度消失或爆炸;最后,本文使用1949—2017年中国气象局提供的西北太平洋台风最佳路径数据集,将DA-Encoder-Decoder模型与BP、SVR、LSTM、ELM等模型进行对比,分别对24 h、48 h、72 h台风轨迹进行预测。结果表明:DA-Encoder-Decoder模型的均方根误差和实际误差距离指标均优于其他四种预测方法,验证了本文方法的有效性。     

WRF模式中台风"启德"模拟对 参数化方案的敏感性分析

为准确模拟台风路径和强度,采用WRF模式比较不同微物理过程和积云对流过程参数化方案对台风路径和强度模拟的影响,并基于集合预报方法考虑对台风预报系统误差进行优化。选用4种微物理过程方案和3种积云对流参数化方案,针对1213号台风“启德”进行模拟,结果表明不同的参数化方案对台风路径和强度的预报结果有明显影响,积云对流过程参数化方案相对于微物理过程参数化方案更加敏感。基于不同参数化方案扰动成员的集合平均预报方法,对于台风路径和强度的模拟误差均有明显改善,台风路径误差随时间增幅较小,其结果优于全部12个单方案试验的模拟结果;从台风强度方面来看,基于集合预报方法模拟得到的台风强度变化趋势与实况结果一致,且误差较小,优于大多数试验方案。结果表明:采用不同微物理过程和积云对流过程参数化方案的组合构建的集合预报模型,对于台风路径和强度的模拟均有一定程度改善,减小了采用不同参数化方案产生的路径不确定性,使其在台风“启德”的路径模拟上与实况更为接近,可为提升台风预报能力提供科学参考。     

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Newton法优化ARMA模型参数的船舶升沉运动预测研究

为解决波浪补偿系统中时延现象导致的控制性能下降问题,通过建立Newton-ARMA模型提前预测船舶升沉运动来消除时延现象。首先设计卡尔曼滤波器对船舶升沉运动加速度信号进行降噪滤波处理;然后使用加速度二次积分模块将加速度信号转换为位移信号;最后建立自回归滑动平均(ARMA)模型,并使用牛顿(Newton)法对模型参数进行优化,得到船舶升沉运动的Newton-ARMA预测模型。仿真结果表明,Newton-ARMA模型对船舶升沉运动的预测时间可达10 s,预测误差随着预测时间的增加而增大; Newton-ARMA模型对二级海况、三级海况和四级海况下的船舶升沉运动平均预测精度分别达到89.43%、88.53%以及87.78%,远高于ARMA模型对船舶升沉运动预测的精度,说明采用Newton法优化ARMA模型参数可以显著提高船舶升沉运动的预测精度,也即Newton-ARMA模型对控制波浪补偿系统时延具有较好的补偿效果。     

基于集合经验模态分解与BP组合模型的短期余水位预测

水位在忽略观测误差的前提下,可分解为潮位和余水位,后者具有较强的空间相关性以及非平稳特征,是影响水位预报精度的主要因素。港口工程、航运计划编制等方面对实时高精度水位预报具有重要需求,这对余水位预报模型构建提出了更高要求。另外,利用高精度余水位预报模型可减少验潮站布设数量。针对余水位短期预测模型精度不高的现状,本文对余水位进行集合经验模态(EEMD)分解,获得余水位在时间序列上的本征模函数(IMF);使用快速傅立叶变换(FFT)分析各本征模函数的频谱特征;再利用BP神经网络对各个本征模函数进行训练,预测了未来6 h、12 h、24 h的余水位值。对哥伦比亚河下游河口处的3组典型验潮站的余水位数据的预测结果表明,在未来6 h、12 h内的余水位的预测精度达到厘米级,在24 h内接近厘米级,证明了该组合模型在余水位短期预测方面的可行性。     

Application of one-line model to the prediction of shoreline change

Ａｐｐｌｉｃａｔｉｏｎｏｆｏｎｅ－ｌｉｎｅｍｏｄｅｌｔｏｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｓｈｏｒｅｌｉｎｅｃｈａｎｇｅＱｉｎＣｈｏｎｇｒｅｎａｎｄＨｅＪｉａｎｇｃｈｅｎｇ（ＲｅｃｉｖｅｄＪｕｌｙ２０，１９９５；ａｃｃｅｐｔｅｄＪａｎｕａｒｙ１５，１９９...     

基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测

水温预测是保障近海渔业生产和环境安全的关键技术。现有的数值模型开发成本大,业务化应用不足。本文提出了一种集成差分回归（Differential Regression, DR）和可迁移长短期记忆网络（Transferable Long Short-Term Memory, TLSTM）的水温预测方法。以厦门湾（源域,数据多）和三沙湾（目标域,数据少）水温为研究对象,根据三沙湾在线监测水温和预报气温数据建立了DR模型,根据厦门湾长时间监测水温数据建立了TLSTM模型,采用变权算法将纯差分回归模型、混差分回归模型和TLSTM模型集成为三沙湾DR-TLSTM模型,对模型性能进行了评估,并与仅根据三沙湾少量监测数据建立的LSTM模型效果进行了对比。结果表明：（1） TLSTM模型的预测精度优于基于目标域少量数据建立的LSTM模型;（2） DR-TLSTM集成模型具有较高的预测精度,未来1～7 d预测的均方根误差为0.13～0.77℃,未来1～3 d预测的均方根误差小于0.4℃;（3） DR-TLSTM集成模型可有效预测水温骤升或骤降趋势,对水温突变点的预测均方根误差为0.29～1.09℃。基于本文建立的DR-TLSTM集成模型,实现了三沙湾渔业水域的水温预警预报业务化信息服务。