本文選題：怪潮激流　切入點：地形因素　出處：《上海交通大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：蘇北淺灘南通海域附近在最近幾年經(jīng)常會發(fā)生海難事故，事故過程類似。海水經(jīng)常莫名其妙地洶涌而至，而且漲潮速度很快。這給生活在該區(qū)域的漁民的生命和財產(chǎn)安全帶來了極大的隱患。而這種看似詭異的漲潮也被民間百姓稱為“怪潮”。為了解決“怪潮”給當(dāng)?shù)貪O民所帶來的恐懼問題，國家海洋局組織了大量的人力、物力以及財力，重點突擊解決這一高難度問題。 本課題組作為該國家海洋公益性項目的子課題承擔(dān)單位之一，提出了采用數(shù)理統(tǒng)計的數(shù)學(xué)方法針對該區(qū)域發(fā)生的事故原因進(jìn)行深入分析。主要的研究成果如下所示。 根據(jù)該淺灘區(qū)域的高分辨率和低分辨率的遙感影像圖，可以清晰地看出該近海區(qū)域地形地貌的變化。主要是由于河流的搬運作用，將陸源沉積物不斷向海岸搬遷。根據(jù)高分辨率的遙感影像圖，可以發(fā)現(xiàn)，人為的近岸灘涂圍墾也向海域延伸，這也就加劇了該區(qū)域地形的變動。 針對地形對“怪潮”發(fā)生的影響，建立了溝槽流速通量分析模型。通過ArcGIS軟件對地形數(shù)據(jù)進(jìn)行了插值分析，可以發(fā)現(xiàn)，蘇北淺灘的地形特殊，成多條沙脊?fàn)�，到近海地帶，地形會變淺變窄。根據(jù)流量與流速的量化關(guān)系，采用MATLAB、EXCEL等數(shù)據(jù)編程軟件，量化得出了近海岸流速會增加的結(jié)論。 在使用統(tǒng)計學(xué)方法對海洋要素數(shù)據(jù)進(jìn)行分析，主要分成以下三種模型：多變量自回歸模型；人工神經(jīng)網(wǎng)絡(luò)模型；非線性混沌動力學(xué)模型。 多變量自回歸模型（AR模型），是將各個按時間尺度排列的海洋要素，按照時間序列的處理方法，尋找到最適的模型階數(shù)。這也就得出能夠影響當(dāng)前的海洋要素數(shù)值的時間尺度。根據(jù)最適模型階數(shù)，采用極大似然法計算出模型的自相關(guān)系數(shù)，建立起AR模型。模型的自相關(guān)系數(shù)矩陣，，就充分反映出各個海洋要素在不同時間維度上的相互之間的線性定量關(guān)系。通過統(tǒng)計的方法尋找到流速突變的原因。在本文重點的研究時間段內(nèi)，風(fēng)速會對潮位產(chǎn)生一定的影響，會造成潮位增加或者減小，而潮位的變化會對海洋的流速產(chǎn)生影響。 人工神經(jīng)網(wǎng)絡(luò)模型的目的是，通過建立時間延遲網(wǎng)絡(luò)，尋找出各個海洋要素在不同時間維度上相互之間的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)的特點是，在每個神經(jīng)元內(nèi)所發(fā)生的計算都很簡單，但是每個簡單的神經(jīng)元一層接一層地連接起來，就形成了龐大復(fù)雜的神經(jīng)網(wǎng)絡(luò)，猶如腦神經(jīng)一般。在進(jìn)行數(shù)據(jù)擬合的過程中，多變量的輸入向量使用神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合，效果并不好，不如單變量的輸入向量擬合效果好。而采用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測，效果也并不理想，這主要是因為網(wǎng)絡(luò)中權(quán)重個數(shù)太多，使得預(yù)測出的結(jié)果會發(fā)生很大的偏差。 非線性混沌動力學(xué)模型，也是尋找出各個海洋要素之間的非線性關(guān)系。還有一個重要作用就是計算出分析數(shù)據(jù)的Lyapunov指數(shù)和kolmogrov熵。根據(jù)這兩個指標(biāo)可以得出預(yù)測的可信時間尺度。在本研究中，東西方向和南北方向分別進(jìn)行討論。東西向的風(fēng)速、潮位以及流速擬合以及預(yù)測效果都比較好，而且預(yù)測的可信時間尺度也較大；而南北向的風(fēng)速、潮位以及流速的可信時間尺度較短，更易出現(xiàn)混沌現(xiàn)象。
[Abstract]:Near the northern Jiangsu shoal in Nantong waters in recent years often happen accidents, the accident process is similar. The sea land often rather baffling raging, and the speed is very fast. This has brought great hidden danger to life in the region of the fishermen's life and property safety. This seems strange tide is also called people "the strange tide". In order to solve the problem of fear the strange tide brought to the local fishermen, the State Oceanic Administration Organization a lot of manpower, material resources and financial resources, the key to solve the difficult problem of assault.
As one of the sub subjects of the National Marine public welfare project, our research group put forward mathematical statistics method to analyze the causes of the accident in the area. The main research results are as follows.
According to the shallow areas of high and low resolution remote sensing images, we can clearly see that the coastal regional topography changes. Mainly due to handling of the river, the terrigenous sediments to coast relocation. According to the remote sensing image, high resolution can be found, man-made coastal reclamation also extends into the sea. It also exacerbated the regional topography changes.
According to the topographic effects on the "strange tide" occurred, establishes a model of trench velocity flux analysis by ArcGIS software. The terrain data by interpolation analysis, can be found in the northern Jiangsu shoal special topography into a plurality of sand ridges, to the coastal zone, the terrain will be shallow narrowing. According to the quantitative relationship between flow and velocity using MATLAB, EXCEL and other data programming software, obtained the quantitative velocity near the coast will increase the conclusion.
Using statistical methods to analyze marine element data, it is mainly divided into three models: Multivariable autoregressive model, artificial neural network model and nonlinear chaotic dynamic model.
Multivariate autoregressive model (AR model), is the ocean according to various elements of time scale arrangement, in accordance with the method of time series, to find the most suitable model order. It also obtains the effect of numerical ocean elements current time scale. According to the optimal order of the model, calculate the autocorrelation coefficient the model using the maximum likelihood method to establish AR model. Correlation coefficient matrix model, fully reflects the linear quantitative relationship between each other in different time scales of various marine elements. To find the reason velocity mutation through statistical methods. During the study period in this paper, the wind speed will have a certain effect of tide, tidal level will cause the increase or decrease, while the tidal changes will affect ocean velocity.
The artificial neural network model is designed, through the establishment of time delay network, find out the nonlinear relationship between the various marine elements in different time dimensions between each other. The characteristics of neural network is calculated in every neurons are very simple, but every single neuron layer after layer connected form the neural network is large and complex, like the brain. In the process of data fitting, the input vector variables using neural network fitting, the effect is not good, as the input vector of single variable fitting effect is good. The neural network model to predict the effect is not ideal, this is mainly because of too the weight number in the network, so the prediction of the results will have a great deviation.
Nonlinear chaotic dynamics model, and find out the nonlinear relationship between various marine elements. Another important function is to calculate the analysis data of the Lyapunov exponent and Kolmogrov entropy. According to the trusted time of these two indicators can be obtained to predict the scale. In this study, directions are discussed respectively. The wind speed East-West the tide and velocity, fitting and prediction of the effect is good, and credible time scale prediction is larger; and to the north and south wind, tidal flow and credible time scale is relatively short, chaotic phenomenon occurs more easily.

【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：U698.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于雷;裴曉林;雷霆;;L-乳酸生產(chǎn)菌分批發(fā)酵動力學(xué)模型[J];食品工業(yè)科技;2008年05期

2 張于賢;王紅;;材料的一種新型單向應(yīng)力應(yīng)變本構(gòu)模型[J];材料工程;2007年02期

3 陳兵;胡振琪;趙艷玲;李江坤;蘇未曰;何松;;自燃煤矸石山內(nèi)部溫度擬合研究[J];能源環(huán)境保護(hù);2011年02期

4 黃堅,陸光偉;用袖珍電腦求解靜注兩室開模型的藥動學(xué)方程[J];中成藥;1985年09期

5 譚天偉，戚以政，羅暉，何險峰;用酵母生產(chǎn)麥角固醇發(fā)酵動力學(xué)的研究[J];北京化工大學(xué)學(xué)報;1996年01期

6 張耀輝,徐榮葆;用最大熵譜法分離切削聲發(fā)射信號的研究[J];國防科技大學(xué)學(xué)報;1989年03期

7 劉實;劉穎;;一種非遞推ARMA譜估計方法的探討[J];西安石油大學(xué)學(xué)報(自然科學(xué)版);1990年02期

8 吳懷宇,宋玉階;非線性回歸分析中的神經(jīng)網(wǎng)絡(luò)方法[J];武漢科技大學(xué)學(xué)報(自然科學(xué)版);1998年01期

9 吳侃，郭廣禮，何國清，邢安仕，彭增甫;測點缺失對地表移動參數(shù)確定的影響[J];中國礦業(yè)大學(xué)學(xué)報;1995年03期

10 周旭東,胡壯;毛紡針梳機(jī)牽伸機(jī)構(gòu)的建模研究[J];紡織學(xué)報;1993年02期

相關(guān)會議論文 前10條

1 林冬云;莊慧忠;;股票混沌動力模型探討[A];2000中國控制與決策學(xué)術(shù)年會論文集[C];2000年

2 文小航;呂世華;尚可政;;太陽總輻射與云和能見度的相關(guān)分析研究[A];第26屆中國氣象學(xué)會年會氣候資源應(yīng)用研究分會場論文集[C];2009年

3 田振華;謝忱;;基于MATLAB的時間序列在大壩位移預(yù)測中的應(yīng)用[A];中國原水論壇專輯[C];2010年

4 秦濱;楊艷梅;韓志剛;;模型未知系統(tǒng)的無模型自適應(yīng)控制[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

5 余輝;鄧曉剛;錢劍楊;;Varian直線加速器準(zhǔn)直器散射因子的測量與計算[A];2007第六屆全國放射腫瘤學(xué)學(xué)術(shù)年會論文集[C];2007年

6 陶亞剛;王鵬;黃寧;胡紉蘭;;EDXRF在分析電石渣水泥生料成分中降低基體效應(yīng)影響的研究[A];第二屆水泥X射線應(yīng)用技術(shù)（培訓(xùn)）交流大會論文集[C];2009年

7 趙楠楠;王海華;歐陽鑫玉;;基于WTLMS算法的CARMA模型參數(shù)辨識[A];2009中國控制與決策會議論文集（1）[C];2009年

8 王殿元;馬紫陽;尹民;夏上達(dá);;稀土離子發(fā)光體系中的譜交迭能量傳遞模型的研究[A];第九屆全國發(fā)光學(xué)術(shù)會議摘要集[C];2001年

9 孫惠合;;中心逼近式GM(1,1)模型在宿州大澇年預(yù)測中的應(yīng)用[A];中國氣象學(xué)會2008年年會氣候預(yù)測研究與預(yù)測方法分會場論文集[C];2008年

10 王彥敏;艾欣;;基于WAMS的低頻振蕩在線監(jiān)測[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（上冊）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 張娟;基于駕駛員因素的公路連續(xù)長坡路段線形研究[D];長安大學(xué);2012年

2 胡德秀;黃河上游梯級開發(fā)的生態(tài)與環(huán)境風(fēng)險分析方法研究[D];西安理工大學(xué);2009年

3 陳世民;橋梁監(jiān)測系統(tǒng)中海量數(shù)據(jù)分析理論與應(yīng)用[D];重慶大學(xué);2011年

4 梁昭磊;受限條件下的試驗設(shè)計研究[D];天津大學(xué);2009年

5 許杰;聚合物光子學(xué)材料的定量結(jié)構(gòu)—性質(zhì)關(guān)系研究及其在光纖波導(dǎo)設(shè)計中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2006年

6 李軍;含非線性因素的掃描鏡系統(tǒng)線性模型辨識[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2012年

7 聶春燕;混沌理論及基于特定混沌系統(tǒng)的微弱信號檢測方法研究[D];吉林大學(xué);2006年

8 劉聯(lián)偉;復(fù)合地層中盾構(gòu)法建設(shè)地鐵地表沉降規(guī)律研究[D];中國礦業(yè)大學(xué);2009年

9 李松華;基于DSGE模型的中國貨幣政策傳導(dǎo)機(jī)制研究[D];華中科技大學(xué);2010年

10 郭廣報;基于并行統(tǒng)計計算的金融數(shù)據(jù)分析[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 袁捷;激流怪潮發(fā)生機(jī)理研究與預(yù)警統(tǒng)計模式研究[D];上海交通大學(xué);2013年

2 侯德龍;現(xiàn)代中國未婚、初婚、再婚狀況的統(tǒng)計分析[D];天津財經(jīng)大學(xué);2012年

3 牟洪洲;建筑沉降監(jiān)測數(shù)據(jù)處理組合模型研究[D];長安大學(xué);2008年

4 傅瑛;能源系統(tǒng)混沌動力學(xué)預(yù)測模型及能源發(fā)展戰(zhàn)略對策[D];江蘇大學(xué);2002年

5 王輝明;時間序列分析技術(shù)在移動網(wǎng)絡(luò)性能建模與預(yù)測中的應(yīng)用[D];湖南大學(xué);2009年

6 龍杏芬;非參數(shù)回歸模型的Bayes估計方法及其應(yīng)用研究[D];西安理工大學(xué);2010年

7 彭家龍;平穩(wěn)AR模型階數(shù)的貝葉斯因子判據(jù)[D];華中科技大學(xué);2007年

8 周凱;基于環(huán)境荷載激勵的海洋平臺結(jié)構(gòu)模態(tài)參數(shù)識別技術(shù)研究[D];中國海洋大學(xué);2009年

9 雷振興;煤礦安全事故的分類和預(yù)測研究[D];西安理工大學(xué);2010年

10 聶永軍;超薄金屬薄帶厚度測量系統(tǒng)的研究[D];浙江大學(xué);2005年

本文編號：1611389