基于集合經驗模態分解與BP組合模型的短期余水位預測

作者：屠澤杰,邢喆,辛明真,樊妙,卜憲海,孫毅

摘要：水位在忽略觀測誤差的前提下,可分解為潮位和余水位,后者具有較強的空間相關性以及非平穩特征,是影響水位預報精度的主要因素。港口工程、航運計劃編制等方面對實時高精度水位預報具有重要需求,這對余水位預報模型構建提出了更高要求。另外,利用高精度余水位預報模型可減少驗潮站布設數量。針對余水位短期預測模型精度不高的現狀,本文對余水位進行集合經驗模態(EEMD)分解,獲得余水位在時間序列上的本征模函數(IMF);使用快速傅立葉變換(FFT)分析各本征模函數的頻譜特征;再利用BP神經網絡對各個本征模函數進行訓練,預測了未來6 h、12 h、24 h的余水位值。對哥倫比亞河下游河口處的3組典型驗潮站的余水位數據的預測結果表明,在未來6 h、12 h內的余水位的預測精度達到厘米級,在24 h內接近厘米級,證明了該組合模型在余水位短期預測方面的可行性。

發文機構：山東科技大學測繪科學與工程學院 國家海洋信息中心

關鍵詞：海洋測繪余水位集合經驗模態分解BP神經網絡短期預測marine surveying and mappingresidual water level predictionEnsemble Empirical Mode DecompositionBP-neural networkshort-term prediction

分類號： P731.34[天文地球—海洋科學]