基于稀疏AR模型的潮流信号建模与预报.pdfVIP

第33卷第2期 海 洋 学 研 究 V01．33NO．2 201 5年6月 oFMARINESCIENCES Jun．，201 5 JoURNAL 100l—909X．2015．02．003． Cui—lan．Tidalcurrent basedonthe AR LU prediction sparsemodel[J] Xiao—peng．YEQing—wei，L0 2015，33(2)：14-18，doi：10．3969／j．issn．1001—909X．2015．02．003． 基于稀疏AR模型的潮流信号建模与预报 卢小鹏1，叶庆卫～，吕翠兰1 (1．宁波海洋环境监测中心站，浙江宁波315012；2．宁波大学信息科学与工程学院，浙江宁波315211) 摘 要：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。 关键字：稀疏AR模型；潮流预报；稀疏优化；OMP算法 中图分类号：P731．35 文献标识码：A Doi：10．3969／j．issn．1001—909X，2015．02．003 述，这样就表现出误差较大的情况，特别是一些较大 O 引言 的极值不能很好把握。 当前常用的潮流分析及预报方法L1_3]以调和分析 针对这种情况，本文引入信号稀疏表示[4铂1来克 为主，但是在潮流预报的实践检验中发现调和分析方 服部分非线性效应、噪声因素等对预报的干扰。考虑 法用于潮流复杂海域的潮流预报误差较大。仔细分 从实测数据本身出发，将这些数据看成一系列的时间 析认为造成这样的原因主要是该种海域的潮流除了 序列信号，选用AR模型即自回归模型，分析这些数 受潮汐力的影响外，还受到其他因素的影响，如周边 据的历史关联性。从表面来看，这只是对实测信号进 地形的曲折岸线、岛屿的阻拦、海底的复杂水深、以及 行分析，好像完全颠覆了调和分析的原理，与传统方 其他水道潮水的补充等，这都会造成这些水域的潮流 法毫无联系。实际分析会发现该方法对传统调和分 没有外海潮流表现的周期性完美。在这些复杂水域 析原理也存在一定的继承，因为原始潮流数据本身就 进行调和分析计算时，虽然在一些高频分潮上会有所 包含这个调和原理，再通过AR模型对这些潜在信息 体现，但从预报结果来看并不能很好地表现水域的实 进行白回归研究，寻找信号自身的自适应性，寻求信 际潮流情况，对非潮汐力干扰较大的潮流不能准确描 号间的变化规律。所以不管被预测的系统受到多少 5-05—26 收稿日期：2014—05—22 修回日期：201 基金项目：2012年中央分成海域使用金支出项目(环保类，国海办字)；国家自然科学基金项目资助 作者简介：卢小鹏(1976一)，女，江苏南通市人，工程师，主要从事