基于小波和神经网络的潮汐分析和预测.pdfVIP

第四届长三角科技论坛(测绘分论坛) 基于小波和神经网络的潮汐分析和预测 谷川1，王丽华02，万军2 月济★学±术T程学院，t海200092，2P拇镕华Ⅻ绘dm公日．上*200136) 进行i敏度Ⅲ日m#．最#*mT一＆有i∞≈☆，##一￡∞女月《i。 *键{*≯口折5ⅡⅫ十＆口**常Ⅱ探w*噪*速博!十i*《谱。析自未}#谐《》析 #《月镕 能存在异常值和噪声。为了提高预测精度，对潮位 数据进行预处理是非常必要的。本文采_L}J的数据 潮汐现象主要受日、月、地天体运动影响，一个 为上海市牛皮礁验潮站2006年的潮位数据，其数据 地方的水位同其位置“及天体位置紧密相关。除 如图l所不： r由天文现象引起的天体潮汐，水位变化受季节、海 席地形、海湾与河湾共振、海岸地形深度变化、气候状 态网索，例如低火气压、台风等岗素的影响。潮汐信 息对J“沿海T程非常重要，例如沿海建(构)筑物、海 港建设、海湾河湾下程以及生物资源规划、沿海生意 环境变化、海洋资源发展。精确的潮位预测对于确定 海洋环境巾的建设和人类活动非常重要。 为了解潮汐现象，在过去几r年中，谐渡分析 000 0 0002000300。4OKX)500060007 8000 r) (Hamonic time：np．t(h Ana]ysis，HA)是一种分析潮汐特征的 基本工具，采用最小二乘方法确定谐波参数。然 目L№位据(+＆礁，2006) 而，在妊期潮位预测中需要大量的谐波参数[1]。 很明显可看出，在潮位数据周巾处有一个毛 近来，数值模型结合潮汐动态方程[2]、人工神经网 刺，这说明验潮数据存在异常值，必须对其进行探 Neural 络(ArtificialNetwork，ANN)[3]L4][j]被 测和处理。 应用到潮汐分析和预测中，取得丁小错的效果。但 是，这些模趔还不能令人1分满意．主要存在预测 波分解，得到如图2所示的近似部分和如图3所示 周期比较短、对验潮站有限制以及时于有较大相位 的细市部分 延迟的验潮站预测精度很差的缺点[6]。 本文首先采用小渡分析(Wavelet)对潮位观测 数据进行异常值探测以及消噪，而后采用快速傅里 叶变换对其频率特征进行频谱分析．之后采用对异 常值进行处理和小波消噪后的潮汐数据作为学习 样本对潮位数据进行预测，预测采用的方法为小渡 Neural 神经网络(WaveletNetwork，WNN)，并且 与谐波分析、人T神经网络的预测结果进行比较， nmtinput(n0 并且对比较结果进行分析，并最终得出了一些结论。 目2《似部分 2基于小波分析的潮位数据异常值探巍＆消噪 从图3町看出巾波分解不仅可将信号的高频 部分分离，并且可将信号中的异常值部分劓腺。为 出于各种原因，胡位观测数据中不可避免地可