标准时频变换的潮汐预测初探
作者:蔡松,柳林涛 来源:测绘科学 日期:2018-07-28 浏览

   摘要

针对传统潮汐调和分析中计算复杂和观测数据需求较长的问题,该文提出基于标准时频变换理论的潮汐预测方法。潮汐中的调和成分在其标准时频谱中可以自动显示,并且运用无为方法可以将其直接提取而无须逆变换。在不参考潮汐表的情况下,该文处理了半年的观测数据,提取了主要的调和分潮来进行重构和预测。结果表明,无为方法在潮汐的短期预测中有着较高精度和较小计算量。多次运用无为方法提取,在一定程度上可以抑制多分量信号在时频变换谱中的边缘效应,得到有利于预测的即时调和信息。


 

      引用格式



蔡松,柳林涛,王国成.标准时频变换的潮汐预测初探[J]. 测绘科学,2018,43(7):27-32.



正文


 

研究和掌握潮汐规律并对潮汐进行有效地分析和预报,对国民经济建设、国防科学等领域有着重大的意义[1]。我国有三万多公里的海岸线,沿海分布着众多经济发达城市及繁忙的港口,在海洋经济如此重要的今天,对近海海平面的分析和研究显得尤为重要。尤其是近海平面的预报工作,对沿海低洼城市建设,港口船舶进出,水产捕鱼业,以及海洋潜在能源开发有着重大的意义。

海洋潮汐运动是影响近海海平面起伏最主要的因素。海洋潮汐运动是海水受到月球和太阳的引力作用,而产生的一种周期性的海平面升降运动[2]。潮汐分析是潮汐预测的前提。潮汐分析即对潮汐中调和分潮的频率、振幅、相位进行分析。主要分析方法分两类,基于潮汐运动物理机制的传统调和分析方法[3, 4],基于观测数据响应法[5, 6]。近年来,神经网络作为一种热门的人工智能算法,在潮汐预测中应用得越来越多。文献[7]运用神经网络预测了澳大利亚的希尔里斯船港未来1 d5 d10 d的海面高。文献[8]运用BP神经网络对台湾台中港潮汐做了长期的预测。文献[9]在应用神经网络预测之前先将潮汐数据做小波带通滤波处理。文献[10]比较了几种不同神经网络在潮汐预测中的效果。虽然神经网络在一定程度能得到不错的结果,但它仅仅只能得到一个预测结果,而没有给出潮汐调和分潮项。其次,神经网络过于灵活,没有一个确定的预测结构和模型。例如,它的输入数据可以是往年数据,临近验潮站数据,潮汐分潮,天文方位参数等;它的种类也是多种多样的,像反向传播神经网络,径向基函数网络,前向网络等;即使同一类神经网络,它的结构也是可以变化的,如不同的节点、隐含层等。由此,在运用神经网络预测时很难确定一个最佳的方案。

本文提出一种新的基于观测数据的方法——无为方法来提取潮汐的分潮信号,并进行预测[11]。无为方法是基于标准时频变换(normal time-frequency transformNTFT)[12]的一种调和信号提取的方法。相比于传统时频变换,NTFT既能检测频率随时间的变化,还能无偏地确定信号的即时振幅、即时相位、即时频率。更为重要的是,无为方法还可以直接提取信号中的调和成分,而无须逆变换。和传统潮汐调和分析相比,无为方法计算简单,并且不需要很多观测数据就能得到较好的结果。和近年发展的神经网络相比,无为方法提供了一种确定、一致性的预测方法。它不仅能较好的预测潮汐,还能提取其主要调和分潮,有利于分析和理解潮汐现象。本文主要介绍无为方法,并在潮汐预测中检验其应用效果。

海洋潮汐主要受地球、月球、太阳的相对运动影响,其周期相对稳定。传统的调和分析可以较为精确确定潮汐的频率,但其即时振幅和相位却不那么容易精确获得(尤其是近岸海域)。本文基于NTFT的无为原理—调和信号可以在NTFT谱中自动显现,运用无为方法,较为精确地确定主要分潮的即时振幅和相位信息,从而达到更为精确的预报要求。

本文采用海南省东方市验潮站数据进行实验,潮汐数据时段为19971月到19976月,起伏范围大约为2.5 m,采样间隔为1 h。数据来源于夏威夷大学海平面中心(University of Hawaii Sea Level CenterUHSLC)。潮汐预报精度评定一般以均方根误差RMSE为主要标准,辅以相关系数本文另加一个相对RMSE,即为RMSE相对潮汐数据起伏的比,称为R-RMSE

一般地,海洋潮汐中周日波和半日波的振幅占主要成分。这里本文主要分析潮汐周日波,半日波和三分之一日波。由于只用半年验潮数据,一些长周期潮波也无法显现,但这并不意味预测精度会很低。由于无为方法可以直接提取潮汐信号中的调和成分,不同于最小二乘来计算调和常数,因此精度会提高很多。尤其是相位,在不需要复杂计算和转换的情况下,得到地精度也十分可靠。

https://mmbiz.qpic.cn/mmbiz_png/McibNVjyTmCtqEzNc9X6UM12HTbGzYDukXPpey9QUSL9ctl2ic0xIGBk9Tc6TEfIj0DEcibWf4xYgTMoyziaT0VDdA/640?wx_fmt=png&wxfrom=5&wx_lazy=1

https://mmbiz.qpic.cn/mmbiz_png/McibNVjyTmCtqEzNc9X6UM12HTbGzYDukeJKJ05N8eZhhBG2TiahDPVpianWE1tiaFt60ZPwjU0av1zXzOwUSmy4Jw/640?wx_fmt=png&wxfrom=5&wx_lazy=1

本文介绍了基于标准时频变换理论的调和信号提取方法——无为方法,并在潮汐预测中检验了其提取效果。仅采用半年的验潮数据,较为精确地预测了未来10 d60 d的潮汐高度。重构和预测结果表明,运用无为方法提取信号中的调和成分十分有效的。同时,本文还探讨了一种潮汐预测的新途径,从观测数据出发,运用时频变换理论,提取主要调和分潮,并以此为基础进行延拓,从而达到预测目的。相比于传统调和分析预测用到几十甚至上百个分潮,本文只用13个主分潮便得到短期较好的预测效果。另外,随着预测长度的增加,预测精度逐渐下降,这说明NTFT目前更适合做短期的潮汐预测。若要从事更长时段的预测,必须分离出周期接近的分潮,这也是下一步工作的重心。

 




应聘:必高测绘人才网www.3sjob.net

招聘、求职咨询微信/QQ3168236849


免责声明:仅供交流学习,若遇版权问题,请与本号联系


专注专业 专注高效

测绘人找工作,就上必高测绘人才网!



企业免费发职位,资质审核,放心应聘面试!





擅长:GIS开发 无人机航测 测绘测量 规划


提供:中高级人才推荐|网络招聘|猎头|专场招聘


https://mmbiz.qpic.cn/mmbiz_jpg/ft7eQB25hstuMGI1uBJUIXPtiaDb2ADvz6Ew8oVNZ5rKCjeZg2NyNVoF3GF32WPkXuOMrabZ8npsibDLVzI3afog/640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1