本文選題：潮汐預(yù)報(bào)　切入點(diǎn)：模塊化　出處：《大連海事大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：潮汐預(yù)報(bào)在船舶航行、港口建設(shè)、沿岸生產(chǎn)等領(lǐng)域應(yīng)用廣泛。隨著船舶的大型化以及對(duì)航運(yùn)效率要求的提高,對(duì)潮汐預(yù)報(bào)精度的要求越來(lái)越高,提高潮汐預(yù)報(bào)精度愈發(fā)成為相關(guān)領(lǐng)域的熱點(diǎn)。而支持向量機(jī)作為近20年來(lái)最受關(guān)注的機(jī)器學(xué)習(xí)算法之一,在處理非線(xiàn)性問(wèn)題中具有其獨(dú)特的優(yōu)勢(shì),支持向量機(jī)在潮汐預(yù)報(bào)中的應(yīng)用是該領(lǐng)域的一個(gè)新的研究方向。本文將支持向量機(jī)作為工具,對(duì)支持向量機(jī)在潮汐預(yù)報(bào)中的應(yīng)用進(jìn)行了探討。目前,傳統(tǒng)的潮汐預(yù)報(bào)方法為調(diào)和分析法,但由于調(diào)和分析法在預(yù)報(bào)過(guò)程中主要考慮了天文潮因素的影響,導(dǎo)致在環(huán)境變化劇烈的情況下預(yù)測(cè)精度較差,難以滿(mǎn)足部分場(chǎng)合對(duì)預(yù)報(bào)精度的要求。本文針對(duì)調(diào)和分析法對(duì)非天文潮部分無(wú)法精確預(yù)測(cè)的問(wèn)題,提出了一種基于支持向量機(jī)的模塊化潮汐預(yù)報(bào)模型。其中,支持向量機(jī)用于對(duì)潮汐的非天文潮部分進(jìn)行較為精確的預(yù)測(cè),并結(jié)合調(diào)和分析法穩(wěn)定的優(yōu)點(diǎn),有利于預(yù)測(cè)精度的提高。首先,按照潮汐的成因,將其分為主要受天體引潮力影響的天文潮部分和受氣象、水文以及其它因素影響的非天文潮部分。其中天文潮部分通過(guò)調(diào)和分析法進(jìn)行預(yù)測(cè),而針對(duì)非天文潮部分,由于其受到多因素的影響,具有很強(qiáng)的非線(xiàn)性特征,本文使用具有良好非線(xiàn)性回歸能力的支持向量機(jī)來(lái)預(yù)測(cè)該部分,這種模塊化處理方式有效綜合了兩種方法的優(yōu)勢(shì),提高了預(yù)測(cè)精度。隨后,為其設(shè)計(jì)了圖形用戶(hù)界面,該界面直觀地表示出了潮汐預(yù)報(bào)結(jié)果和仿真過(guò)程。最后,利用Honolulu港的實(shí)測(cè)數(shù)據(jù)對(duì)預(yù)報(bào)模型以及界面進(jìn)行相關(guān)仿真試驗(yàn),試驗(yàn)結(jié)果證明,相較于傳統(tǒng)潮汐預(yù)報(bào)方法,本文提出的模塊化方法準(zhǔn)確、便捷、易操作。
[Abstract]:Tidal forecasting is widely used in the fields of ship navigation, port construction, coastal production and so on. As one of the most concerned machine learning algorithms in recent 20 years, support vector machine (SVM) has its unique advantages in dealing with nonlinear problems. The application of support vector machine in tidal prediction is a new research direction in this field. In this paper, the application of support vector machine in tidal prediction is discussed. The traditional tidal forecasting method is harmonic analysis method. However, due to the influence of astronomical tide factors in the forecasting process, the prediction accuracy is poor when the environment changes dramatically. It is difficult to meet the requirement of forecasting accuracy in some occasions. In this paper, a modular tidal forecasting model based on support vector machine (SVM) is proposed to solve the problem that harmonic analysis can not accurately predict the non-astronomical tide. Support vector machine (SVM) is used to predict the non-astronomical tidal part accurately and combine the advantages of harmonic analysis method to improve the prediction accuracy. Firstly, according to the origin of tide, It is divided into astronomical tide parts which are mainly affected by celestial body tidal force and non-astronomical tide parts which are influenced by meteorology, hydrology and other factors. The astronomical tide part is predicted by harmonic analysis method, but not astronomical tide part. Because it is influenced by many factors and has strong nonlinear characteristics, this paper uses support vector machine (SVM) with good nonlinear regression ability to predict this part. This modularization method effectively synthesizes the advantages of the two methods. Then, the graphical user interface is designed for it, which shows the tidal forecast result and simulation process intuitively. Finally, the prediction model and interface are simulated by using the measured data of Honolulu port. The experimental results show that compared with the traditional tidal prediction method, the modular method proposed in this paper is accurate, convenient and easy to operate.
【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】：2017
【分類(lèi)號(hào)】：P731.34;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柳成;李克奇;秦皓;王玉璽;;基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型[J];中國(guó)水運(yùn);2016年11期

2 柳成;尹建川;;一種高精度的短期潮汐預(yù)報(bào)模型[J];上海海事大學(xué)學(xué)報(bào);2016年03期

3 李洪江;劉棟;;基于交叉驗(yàn)證支持向量機(jī)的短期負(fù)荷預(yù)測(cè)[J];云南電力技術(shù);2016年03期

4 程誠(chéng);鄭小萌;;連云港站潮汐調(diào)和分析與預(yù)報(bào)[J];治淮;2016年02期

5 孫美仙;程勇;滕駿華;梁穎祺;胡楠;;短期潮汐預(yù)報(bào)探索[J];海洋預(yù)報(bào);2014年03期

6 周紹磊;廖劍;史賢俊;;RBF-SVM的核參數(shù)選擇方法及其在故障診斷中的應(yīng)用[J];電子測(cè)量與儀器學(xué)報(bào);2014年03期

7 紀(jì)昌明;周婷;向騰飛;黃海濤;;基于網(wǎng)格搜索和交叉驗(yàn)證的支持向量機(jī)在梯級(jí)水電系統(tǒng)隱隨機(jī)調(diào)度中的應(yīng)用[J];電力自動(dòng)化設(shè)備;2014年03期

8 李燕初;許德偉;阮海林;;用混沌理論提高潮汐預(yù)報(bào)的準(zhǔn)確度[J];海洋學(xué)報(bào)(中文版);2012年01期

9 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

10 張鳳燁;魏澤勛;王新怡;王永剛;方國(guó)洪;;潮汐調(diào)和分析方法的探討[J];海洋科學(xué);2011年06期

相關(guān)博士學(xué)位論文 前4條

1 平源;基于支持向量機(jī)的聚類(lèi)及文本分類(lèi)研究[D];北京郵電大學(xué);2012年

2 鄭立松;風(fēng)暴潮—天文潮—波浪耦合模型及其在杭州灣的應(yīng)用[D];清華大學(xué);2010年

3 孫德山;支持向量機(jī)分類(lèi)與回歸方法研究[D];中南大學(xué);2004年

4 范昕煒;支持向量機(jī)算法的研究及其應(yīng)用[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前5條

1 張安然;基于BP神經(jīng)網(wǎng)絡(luò)的模塊化潮汐預(yù)報(bào)[D];大連海事大學(xué);2015年

2 徐慧娟;自回歸AR模型的整體最小二乘分析研究[D];東華理工大學(xué);2012年

3 陳金鳳;支持向量機(jī)回歸算法的研究與應(yīng)用[D];江南大學(xué);2008年

4 童章龍;潮汐調(diào)和分析的方法和應(yīng)用研究[D];河海大學(xué);2007年

5 祁卓婭;機(jī)械產(chǎn)品模塊化設(shè)計(jì)方法研究[D];機(jī)械科學(xué)研究總院;2006年

，

本文編號(hào)：1624980