本文關(guān)鍵詞：一種高精度的短期潮汐預(yù)報(bào)模型　出處：《上海海事大學(xué)學(xué)報(bào)》2016年03期 　論文類型：期刊論文

  更多相關(guān)文章： 潮汐預(yù)報(bào) 模塊化方法 調(diào)和分析法 支持向量機(jī)(SVM) 灰色模型 粒子群優(yōu)化(PSO)

【摘要】：為提高潮汐預(yù)報(bào)的精度,提出一種基于支持向量機(jī)(Support Vector Machine,SVM)的模塊化潮汐實(shí)時(shí)預(yù)報(bào)模型.將潮汐分為受天體引潮力影響的天文潮和受環(huán)境因素和其他因素影響的非天文潮,分別使用調(diào)和分析法和改進(jìn)的SVM對(duì)天文潮和非天文潮進(jìn)行預(yù)報(bào),結(jié)合兩種方法的輸出構(gòu)造最終的潮汐預(yù)報(bào)結(jié)果.在對(duì)非天文潮的預(yù)測(cè)中,將SVM與灰色模型相結(jié)合,并利用粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法對(duì)SVM的參數(shù)進(jìn)行優(yōu)化以提高預(yù)報(bào)精度.利用火奴魯魯港口的實(shí)測(cè)潮汐數(shù)據(jù)進(jìn)行實(shí)時(shí)潮汐預(yù)報(bào)仿真.仿真結(jié)果表明該方法具有較高的短期預(yù)報(bào)精度.
[Abstract]:In order to improve the accuracy of prediction of the tides, based on support vector machine (Support Vector Machine, SVM) modular real time forecasting model. The tidal tidal divided by the tidal force of celestial bodies of astronomical tide and affected by environmental factors and other factors of the non astronomical tide, respectively using harmonic analysis method and improved SVM used for the prediction of astronomical tide and non tide, the combination of the two methods to construct the final output tidal prediction results. In prediction of non astronomical tide, combining SVM with grey model, and the use of particle swarm optimization (Particle Swarm Optimization, PSO) algorithm parameters of SVM are optimized to improve forecast accuracy. Real time tide prediction simulation using the observed tidal data of Honolulu port. The simulation results show that this method has high precision of short-term prediction.

【作者單位】： 大連海事大學(xué)航海學(xué)院;
【基金】：中央高�；究蒲袠I(yè)務(wù)經(jīng)費(fèi)(3132016116) 交通運(yùn)輸部應(yīng)用基礎(chǔ)研究項(xiàng)目(2014329225010) 遼寧省教育廳科學(xué)研究一般項(xiàng)目(L2014214)
【分類號(hào)】：U675.12
【正文快照】： 0引言潮汐(海面周期升降運(yùn)動(dòng)[1])預(yù)報(bào)直接關(guān)系到船舶航行安全和港口營(yíng)運(yùn)效率,對(duì)軍事、漁業(yè)、港口和近岸工程以及其他沿海生產(chǎn)活動(dòng)都有重要的影響.潮汐一直是船舶航行計(jì)劃制定和港口作業(yè)調(diào)度的重要因素:準(zhǔn)確的潮汐預(yù)報(bào)是航行安全的重要保障,并有利于港口水深資源的充分利用;相

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 谷文成;柴寶仁;滕艷平;;基于粒子群優(yōu)化算法的支持向量機(jī)研究[J];北京理工大學(xué)學(xué)報(bào);2014年07期

2 章永來(lái);史海波;周曉鋒;楊秀鋒;;基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)預(yù)測(cè)模型[J];統(tǒng)計(jì)與決策;2014年05期

3 楊華龍;劉金霞;鄭斌;;灰色預(yù)測(cè)GM(1,1)模型的改進(jìn)及應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2011年23期

4 張心光;鄒早建;;小波去噪在船舶操縱運(yùn)動(dòng)建模中的應(yīng)用(英文)[J];船舶力學(xué);2011年06期

5 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

6 徐紅敏;王海英;梁瑾;黃帥;;支持向量機(jī)回歸算法及其應(yīng)用[J];北京石油化工學(xué)院學(xué)報(bào);2010年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張翔;胡廣芹;張新峰;;中醫(yī)舌圖像的質(zhì)量評(píng)價(jià)研究[J];世界中西醫(yī)結(jié)合雜志;2017年11期

2 史小平;;支持向量機(jī)理論視角下高職英語(yǔ)教學(xué)評(píng)價(jià)模式研究[J];才智;2017年33期

3 夏桃勇;;基于支持向量機(jī)的低壓臺(tái)區(qū)線損管理診斷模型[J];電子科技;2017年11期

4 王彬;;基于灰色回歸組合模型的鐵路客運(yùn)量預(yù)測(cè)研究[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2017年11期

5 張?zhí)煨?;感知機(jī)理論研究綜述[J];電子技術(shù)與軟件工程;2017年22期

6 崔乃丹;向萬(wàn)里;孟學(xué)雷;張春民;張博昊;;基于小波灰色GM(1,1)模型的貨運(yùn)量預(yù)測(cè)研究[J];鐵道科學(xué)與工程學(xué)報(bào);2017年11期

7 覃朗;朱建軍;;基于超立方體頂點(diǎn)采樣的區(qū)間數(shù)SVM分類模型研究[J];計(jì)算機(jī)工程與科學(xué);2017年11期

8 成謝鋒;陳亞敏;;S1和S2共振峰頻率在心音分類識(shí)別中的應(yīng)用[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年05期

9 魏帥充;王紅軍;王茂;王倪珂;;基于WPD_EMD和SVM刀具磨損故障診斷模型[J];機(jī)械工程師;2017年11期

10 程毛林;韓云;;差分方程型離散灰色模型與應(yīng)用[J];統(tǒng)計(jì)與信息論壇;2017年11期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陶新民;曹盼東;宋少宇;付丹丹;;基于兩階段學(xué)習(xí)的半監(jiān)督支持向量機(jī)分類算法[J];信息與控制;2012年01期

2 陳濤;;基于加速遺傳算法的選擇性支持向量機(jī)集成[J];計(jì)算機(jī)應(yīng)用研究;2011年01期

3 劉曉亮;丁世飛;朱紅;張力文;;SVM用于文本分類的適用性[J];計(jì)算機(jī)工程與科學(xué);2010年06期

4 何昕;陳亞青;;應(yīng)用改進(jìn)的灰色模型預(yù)測(cè)民航管制員數(shù)量[J];實(shí)驗(yàn)科學(xué)與技術(shù);2010年01期

5 施其權(quán);李小明;肖辭源;;一類新型快速模糊支持向量機(jī)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年02期

6 任工昌;劉麗;苗新強(qiáng);;改進(jìn)灰色模型在電力負(fù)荷中的預(yù)測(cè)分析及實(shí)現(xiàn)[J];機(jī)械設(shè)計(jì)與制造;2010年02期

7 孫名松;高慶國(guó);王宣丹;;基于雙隸屬度模糊支持向量機(jī)的郵件過(guò)濾[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

8 吳桂芳;何勇;;小波閾值降噪模型在紅外光譜信號(hào)處理中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年12期

9 孫昌躍;鄧正隆;;結(jié)合小波消噪的捷聯(lián)慣導(dǎo)系統(tǒng)傳遞對(duì)準(zhǔn)性能改進(jìn)[J];控制理論與應(yīng)用;2009年12期

10 王文劍;郭虎升;;粒度支持向量機(jī)學(xué)習(xí)模型[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

，

本文編號(hào)：1432661