為了提高預(yù)報(bào)潮汐的精度,提出了一種遺傳算法（GA）與粒子群算法（PSO）結(jié)合的神經(jīng)網(wǎng)絡(luò)仿真模型進(jìn)行潮汐預(yù)測,及引入遺傳算法變異操作提升粒子群算法的尋優(yōu)的性能,改善BP神經(jīng)網(wǎng)絡(luò)閾值和權(quán)值選取敏感、易陷入局部極小值的缺點(diǎn)。然后利用本文算法與調(diào)和分析法對潮汐進(jìn)行非天文潮預(yù)報(bào)和天文潮預(yù)報(bào)。最后對Alexandria港口的實(shí)測潮汐數(shù)據(jù)仿真預(yù)測,實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的可行性與可靠性,且具有較高的預(yù)報(bào)精度。 

【文章來源】：海洋信息. 2020,35(02)

【文章頁數(shù)】：5 頁

【文章目錄】：
1 遺傳粒子群算法原理
    1.1 粒子群算法原理
    1.2 遺傳粒子群優(yōu)化算法
2 潮汐預(yù)報(bào)模型分析
    2.1 調(diào)和分析法預(yù)報(bào)
    2.2 GPOS優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)
3 實(shí)驗(yàn)數(shù)據(jù)分析
    3.1 調(diào)和分析法潮汐預(yù)報(bào)分析
    3.3 BP神經(jīng)網(wǎng)絡(luò)潮汐預(yù)報(bào)分析
    3.2 GPSO算法BP神經(jīng)網(wǎng)絡(luò)潮汐預(yù)報(bào)分析
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]標(biāo)準(zhǔn)時(shí)頻變換的潮汐預(yù)測初探[J]. 蔡松,柳林濤,王國成.  測繪科學(xué). 2018(07)
[2]一種高精度的短期潮汐預(yù)報(bào)模型[J]. 柳成,尹建川.  上海海事大學(xué)學(xué)報(bào). 2016(03)
[3]粒子群算法優(yōu)化的BP網(wǎng)絡(luò)預(yù)測軟件質(zhì)量[J]. 宮麗娜,馬懷志.  計(jì)算機(jī)工程與應(yīng)用. 2014(23)
[4]使用MATLAB擬合工具箱進(jìn)行潮汐調(diào)和分析[J]. 江海東,費(fèi)岳軍,應(yīng)岳.  海洋技術(shù). 2012(03)
[5]一種神經(jīng)網(wǎng)絡(luò)的偏遠(yuǎn)海區(qū)潮汐仿真預(yù)測[J]. 張巍,沈壽林,白承森.  計(jì)算機(jī)仿真. 2011(04)
[6]BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及應(yīng)用[J]. 王美玲,王念平,李曉.  計(jì)算機(jī)工程與應(yīng)用. 2009(35)
[7]人工神經(jīng)網(wǎng)絡(luò)在潮汐預(yù)測中應(yīng)用研究[J]. 李明昌,梁書秀,孫昭晨.  大連理工大學(xué)學(xué)報(bào). 2007(01)



本文編號：3632495