基于小波与神经网络的潮汐分析与预测.pdfVIP

基于小波和神经网络的潮汐分析和预测1 1 1,2 2 谷川 ，王丽华 ，万军 ⒈同济大学测量与国土信息工程系，上海 （200092 ） ⒉上海达华测绘有限公司，上海 （200136 ） E-mail ：guchuanhaha@163.com 摘 要：文章首先采用小波分析的方法对潮汐数据进行异常值探测以及消噪，而后采用快速 傅立叶变换对其频率特征进行分析得出其频谱特征。采用小波神经网络的方法对潮汐数据进 行预测，同时采用常用的谐波分析以及人工人神经网络方法进行预测，并且将三种方法得出 的预测结果在同实际观测数据之间的相关系数以及均方根两个方面进行灵敏度测试比较，最 终得出了一些有益的结论，具有一定的实用意义。 关键词：潮汐分析与预测，小波分析，异常值探测，消噪，快速傅里叶变换，频谱分析，相 关系数，谐波分析，神经网络 1 引言 潮汐现象主要受日、月、地天体运动影响，一个地方的水位同其位置以及天体位置紧密 相关。除了由天文现象引起的天体潮汐，水位变化受季节、海床地形、海湾与河湾共振、海 岸地形深度变化、气候状态因素，例如低大气压、台风等因素的影响。潮汐信息对于沿海工 程非常重要，例如沿海建（构）筑物、海港建设、海湾河湾工程以及生物资源规划、沿海生 态环境变化、海洋资源发展。精确的潮位预测对于确定海洋环境中的建设和人类活动非常重 要。 为了解潮汐现象，在过去几十年中，谐波分析(Harmonic Analysis, 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。然而，在长期潮位预测中需要大量的谐 波参数[1] [2] 。近来，数值模型结合潮汐动态方程 、人工神经网络(Artificial Neural Network, ANN)[3][4][5]被应用到潮汐分析和预测中，取得了不错的效果。但是，这些模型还不能令人十 分满意，主要存在预测周期比较短、对验潮站有限制以及对于有较大相位延迟的验潮站预测 精度很差的缺点[6] 。 本文首先采用小波分析(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波神经网络(Wavelet Neural Network, WNN) ，并且与谐波分析、人工神经网络的预测结果进行比较，并且对比较结果进 行分析，并最终得出了一些结论。 2 基于小波分析的潮位数据异常值探测及消噪 出于各种原因，潮位观测数据中不可避免地可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。本文采用的数据为长江口牛皮礁验潮站 2006 年的潮 位数据，其数据如图 1 所示： 1本课题得到智能化疏浚系统（Intellectualized Dredging System ）的资助。 - 1 - observation data(niupijiao, 2006) 10 9 8