神经网络在厦门湾潮汐预报中的应用

【作者】 黄龙展； 潘伟然； 肖征；

【机构】 厦门大学；

【摘要】 潮汐现象是海洋中显著的动力现象,准确预报潮汐对各种海上活动来说是一项重要的工作。由于近岸潮汐过程受到多种非线性过程的影响,在其分析和预报过程中,神经网络由于起具有的自适应学习和非线性映射能力,在非线性的过程中具有很好的应用能力。本文利用Elman神经网络来建立厦门湾潮汐的预测模型,探讨神经网络在潮汐预报的适用性。模型以厦门湾后石站前25小时的潮位数据作为输入,以当前时刻的潮位作为输出。训练过程使用720组数据,当测试精度达到目标后,停止训练。训练结果表明,一个月的历史潮位数据可以使Elman神经网络充分学习厦门湾的潮汐变化特征。基于训练好的神经网络,利用滚动预测法,预测未来几天后石站的潮位变化。可以发现,未来两天的潮位预测精度较高,相关系数在0.99以上,但随着预测时间的增加,预测潮位的精度则逐渐下降。将仅预测未来24小时潮位的模型预测精度与准调和分析法进行比较,发现神经网络的精度略优于准调和分析法。将后续获得的实测潮位数据作为训练样本继续对神经网络进行训练,新网络的预测精度进一步提高。结果显示,基于Elman神经网络建立的潮位预测模型,可以实现厦门湾短期内的较高精度的实时潮位预报,具有广阔的应用前景。更多还原