【摘要】：海洋潮汐信息對人類的生產(chǎn)活動起著日益增強的影響作用。準確實時的海洋潮汐信息對于船舶安全航行、沿岸碼頭港口工程設(shè)計等有著重要的指導(dǎo)意義。隨著當代航運業(yè)的發(fā)展,對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,對于日益增多的大型船舶提供實時準確的潮高信息,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)測最為傳統(tǒng)的預(yù)測方法是調(diào)和分析法。但該方法往往需要基于大量的潮汐觀測記錄數(shù)據(jù)來獲取較為準確的調(diào)和分析預(yù)報模型。由于長期實地數(shù)據(jù)觀測記錄通常會需要較高的成本,對于一些港口來說獲取如此大量的長期觀測數(shù)據(jù)的可行性比較低。此外,傳統(tǒng)的調(diào)和分析法在進行潮汐分析預(yù)報時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變非線性因素的影響,呈現(xiàn)出一定的非確定性和時變性,使用傳統(tǒng)的靜態(tài)結(jié)構(gòu)模型較難獲得精確的實時潮汐水位預(yù)報信息。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。然而傳統(tǒng)的BP模型在預(yù)測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,可能會使訓(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。為進一步改進傳統(tǒng)的BP模型,提高模型預(yù)報精度,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)報模型。模型采用改進的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)對初始權(quán)值閾值敏感,容易陷入局部最優(yōu)缺點,進一步提高了潮汐水位的預(yù)報精度。并基于Isabel驗潮站的實測潮汐數(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)模型進行仿真預(yù)報對比。此外,文章將建立的SAPSO-BP預(yù)報模型應(yīng)用于區(qū)域性潮汐水位預(yù)報,創(chuàng)建了一種區(qū)域性潮汐水位預(yù)報模型。并采用Isabel驗潮站的潮汐水位實測數(shù)據(jù)進行仿真實驗,驗證了 SAPSO-BP區(qū)域性預(yù)報模型的預(yù)報精度。
【圖文】：

圖４．２調(diào)和分析預(yù)測模型逡逑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)報模型的潮汐水位預(yù)測仿真圖。如圖所示盡管傳統(tǒng)調(diào)逡逑和分析模型的對潮汐水位的變化總體趨勢預(yù)測基本吻合，但是實際的預(yù)測結(jié)果是逡逑觀測結(jié)果相差確很大，，也就是說該模型的預(yù)測誤差較為明顯。因為傳統(tǒng)調(diào)和分析逡逑法主要對引起潮汐的天體引潮力進行了分析計算，用來預(yù)測潮汐水位，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變因素。傳統(tǒng)調(diào)和分析逡逑模型預(yù)測結(jié)果與實際測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)測值／ｍ逡逑圖４．５邋ＢＰ神經(jīng)網(wǎng)絡(luò)潮高預(yù)測值和實測值的散點圖逡逑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)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P731.34

【參考文獻】

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;2017年09期

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

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

4 吳鋼;徐楓;王冰;徐PrU

本文編號：2708316