發(fā)布時(shí)間：2020-06-11 18:58

【摘要】：海洋潮汐信息對(duì)人類的生產(chǎn)活動(dòng)起著日益增強(qiáng)的影響作用。準(zhǔn)確實(shí)時(shí)的海洋潮汐信息對(duì)于船舶安全航行、沿岸碼頭港口工程設(shè)計(jì)等有著重要的指導(dǎo)意義。隨著當(dāng)代航運(yùn)業(yè)的發(fā)展,對(duì)潮位信息的精度要求也日益增加。此外,隨著船舶向大型化的方向發(fā)展,對(duì)于日益增多的大型船舶提供實(shí)時(shí)準(zhǔn)確的潮高信息,可以在很大程度上減少擱淺或者碰撞橋梁等事故。潮汐預(yù)測(cè)最為傳統(tǒng)的預(yù)測(cè)方法是調(diào)和分析法。但該方法往往需要基于大量的潮汐觀測(cè)記錄數(shù)據(jù)來獲取較為準(zhǔn)確的調(diào)和分析預(yù)報(bào)模型。由于長(zhǎng)期實(shí)地?cái)?shù)據(jù)觀測(cè)記錄通常會(huì)需要較高的成本,對(duì)于一些港口來說獲取如此大量的長(zhǎng)期觀測(cè)數(shù)據(jù)的可行性比較低。此外,傳統(tǒng)的調(diào)和分析法在進(jìn)行潮汐分析預(yù)報(bào)時(shí)主要考慮了天體引潮力的作用,然而海洋潮汐卻受到氣溫、氣壓以及降水量等時(shí)變非線性因素的影響,呈現(xiàn)出一定的非確定性和時(shí)變性,使用傳統(tǒng)的靜態(tài)結(jié)構(gòu)模型較難獲得精確的實(shí)時(shí)潮汐水位預(yù)報(bào)信息。隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)模型廣泛應(yīng)用于系統(tǒng)預(yù)測(cè)領(lǐng)域。本研究將應(yīng)用最為廣泛的誤差反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation,BP)應(yīng)用于潮汐水位預(yù)報(bào)。然而傳統(tǒng)的BP模型在預(yù)測(cè)方面存在著一定的缺陷:如網(wǎng)絡(luò)模型的參數(shù)選擇不當(dāng),可能會(huì)使訓(xùn)練模型陷入局部最優(yōu),且模型容易受到網(wǎng)絡(luò)結(jié)構(gòu)的影響等。為進(jìn)一步改進(jìn)傳統(tǒng)的BP模型,提高模型預(yù)報(bào)精度,本研究建立了一種基于自適應(yīng)變異粒子群優(yōu)化算法(Self-adaptive Particle Swarm Optimization,SAPSO)的 BP 神經(jīng)網(wǎng)絡(luò)潮汐水位預(yù)報(bào)模型。模型采用改進(jìn)的PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù),克服了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)對(duì)初始權(quán)值閾值敏感,容易陷入局部最優(yōu)缺點(diǎn),進(jìn)一步提高了潮汐水位的預(yù)報(bào)精度。并基于Isabel驗(yàn)潮站的實(shí)測(cè)潮汐數(shù)據(jù),將本研究建立的模型與傳統(tǒng)的調(diào)和分析模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真預(yù)報(bào)對(duì)比。此外,文章將建立的SAPSO-BP預(yù)報(bào)模型應(yīng)用于區(qū)域性潮汐水位預(yù)報(bào),創(chuàng)建了一種區(qū)域性潮汐水位預(yù)報(bào)模型。并采用Isabel驗(yàn)潮站的潮汐水位實(shí)測(cè)數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),驗(yàn)證了 SAPSO-BP區(qū)域性預(yù)報(bào)模型的預(yù)報(bào)精度。
【圖文】：

圖４．２調(diào)和分析預(yù)測(cè)模型逡逑Ｆｉｇ．邋４．２邋Ｔｉｄａｌ邋ｌｅｖｅｌ邋ｐｒｅｄｉｃｔ邋ｂｙ邋ｈａｒｍｏｎｉｃ邋ａｎａｌｙｓｉｓ邋ｍｅｔｈｏｄ逡逑圖４．２為傳統(tǒng)調(diào)和分析預(yù)報(bào)模型的潮汐水位預(yù)測(cè)仿真圖。如圖所示盡管傳統(tǒng)調(diào)逡逑和分析模型的對(duì)潮汐水位的變化總體趨勢(shì)預(yù)測(cè)基本吻合，但是實(shí)際的預(yù)測(cè)結(jié)果是逡逑觀測(cè)結(jié)果相差確很大，，也就是說該模型的預(yù)測(cè)誤差較為明顯。因?yàn)閭鹘y(tǒng)調(diào)和分析逡逑法主要對(duì)引起潮汐的天體引潮力進(jìn)行了分析計(jì)算，用來預(yù)測(cè)潮汐水位，卻沒有充逡逑分考慮引起潮汐變化的各種外界環(huán)境以及氣象等非線性時(shí)變因素。傳統(tǒng)調(diào)和分析逡逑模型預(yù)測(cè)結(jié)果與實(shí)際測(cè)量的潮汐水位值的相關(guān)系數(shù)示例圖如下：逡逑ｔ逡逑－４Ｉ－逡逑

１逡逑預(yù)測(cè)值／ｍ逡逑圖４．５邋ＢＰ神經(jīng)網(wǎng)絡(luò)潮高預(yù)測(cè)值和實(shí)測(cè)值的散點(diǎn)圖逡逑Ｆｉｇ．邋４．５邋Ｓｃａｔｔｅｒ邋ｄｉａｇｒａｍ邋ｏｆ邋ｔｉｄａｌ邋ｌｅｖｅｌ邋ｂｅｔｗｅｅｎ邋ｍｅａｓｕｒｅｄ邋ｄａｔａ邋ａｎｄ邋ＢＰ邋ｆｏｒｅｃａｓｔｉｎｇ邋ｄａｔａ逡逑－４３－逡逑
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P731.34

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳佳兵;吳自銀;趙荻能;周潔瓊;李守軍;尚繼宏;;基于粒子群優(yōu)化算法的PSO-BP海底聲學(xué)底質(zhì)分類方法[J];海洋學(xué)報(bào);2017年09期

2 張澤國(guó);尹建川;柳成;張心光;;基于SAPSO-BP網(wǎng)絡(luò)模型的港口潮汐實(shí)時(shí)預(yù)報(bào)[J];水運(yùn)工程;2017年01期

3 田亞鵬;鞠斌山;;基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的頁巖氣產(chǎn)量遞減預(yù)測(cè)模型[J];中國(guó)科技論文;2016年15期

4 吳鋼;徐楓;王冰;徐PrU

本文編號(hào)：2708316