专利名称：一种潮汐预报方法
技术领域：
本发明属于自动化领域，涉及一种潮汐预报方法。
背景技术：
潮汐预报在海洋资源的开发利用中占据及其重要地位，随着造船业的发展，船舶的吨位逐渐加大，可以利用潮汐的特性，涨潮高潮时进港，在海水将落未落时出港，可增加大船的通行能力；潮汐预报与海港码头的建设有关，按当地潮汐的高度来确定高度，从而使码头不至被高潮淹没，也不至在低潮时使船只搁浅；在渔业资源开发方面，准确地掌握潮水的规律，在进行捕捞作业时可以确定渔区地点，张网高度，航行时间等；在减轻和预防海洋灾害方面，潮汐预报也起着至关重要的作用，风暴潮灾是沿海地区频发率最高、损失最严重的海洋灾害，多发生在每年5月 10月期间，此季节正值河流洪水季节，在大潮汛时，加之台风入侵，水位要比平时抬高许多，这是最危险的时，因此，必须预先知道潮位高度及由台风引起的增水数值，及时采取加固提坝，加强提防检查等预防措施，可以最大限度地减轻灾害损失；潮汐预报在军事上也同样起着重要作用。不论在舰艇的活动中，还是在登陆作战， 布雷及水下武器使用等方面，都必须充分地考虑到水位的变化和潮流的涨落规律。潮汐预报常用的方法是调和分析方法，它是将月球绕地球、地球绕太阳的椭圆运动，以及天体间的摄动运动，采用级数分解的方法，分解成一组正余弦无穷级数，根据预报精度要求，确定选取主要级数项，再根据具体地理位置的潮汐实测数据，解算出各级数项的系数和初始角度，然后根据时间，即可预报后面某一时刻的潮高，其有主要有两个方面的局限性1)调和分析法是选取一定数量的分潮来进行预测的，其精度随着分潮的数量增加而增加，但当分潮数量增加时，计算量也会急剧增加并且精度的提高较慢，《潮汐表》中采用 306个分潮进行预报，这些分潮只是白塞尔级数和天体摄动级数中的小部分影响较大的项， 大量影响较小的项都被忽略了，但这些项的综合影响有时会使预报产生较大的误差；2)无法预报非周期因素的影响，一些非周期因素如台风，寒潮，降水等对潮汐的预报有很大的影响，调和分析法是无法预报的。基于数据的机器学习是现代智能技术中的重要方面，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测.包括模式识别、神经网络等在内，现有机器学习方法共同的重要理论基础之一是统计学.神经网络用于潮汐预测也涉及较多，但是其准确模型的形式需要较大的样本数据，而在实际问题中，样本数往往是有限的，因此理论上很优秀的神经网络方法在实际中表现却可能不尽人意。本发明采用了机器学习方法一支持向量机(SVM)方法，利用其解决小样本，非线性及高维模式识别问题的优势能力来建立一个潮汐预报模型，以期获得较小误差的潮高预测。
发明内容
本发明针对历史数据的缺乏，现有技术的不足，提出了一种基于支持向量机潮汐预测的方法。本方法利用有限的历史潮汐数据，实现对潮位的自动检测和预报。
具体的步骤为步骤(1)安装SVM工具箱到MATLAB 7. 8文件夹中①将下载的SVM工具箱的文件夹放在\MATALB 7. 8\toolbox\下；②打开MATLAB->FiIe-Met Path中添加SVM工具箱的文件夹；③测试一下安装成功与否在MATLAB中输入which svmoutput回车，如果可以正确显示路径，就证明添加成功了，例如:C:\Program Files\MATLAB71\toolbox\svm\ svcoutput. m0步骤ο)利用MATLAB 7. 8中SVM工具箱和历史潮汐数据构建潮汐预测网络模型，具体方法为①根据潮汐记录的时间(年、月、日、时、分、秒)，可计算 1)儒略世纪数
权利要求
1.潮汐预测的方法，其特征主要包括如下步骤一、步骤(1)安装SVM工具箱到MATLAB7. 8文件夹中①将下载的SVM工具箱的文件夹放在\MATALB7. 8\toolbox\下；②打开MATLAB-> File- > Set Path中添加SVM工具箱的文件夹；③测试一下安装成功与否在MATLAB中输入whichsvmoutput回车，如果可以正确显示路径,就证明添加成功了，例如C:\Program Files\MATLAB71\toolbox\svm\svcoutput. m0二、步骤O)利用MATLAB7. 8中SVM工具箱和历史潮汐数据构建潮汐预测网络模型， 具体方法为①根据潮汐记录的时间(年、月、日、时、分、秒)，可计算D儒略世纪臉(厂2_)=叫-0.全文摘要
本发明涉及一种潮汐的预测方法，由于潮汐受到多种因素的影响，周期因素如引潮力，非周期因素如风力，气压，海岸特性，降水，月球轨道的倾角等等。传统的调和分析法的预报精度除了受分潮数量的影响，还无法分析非周期因素的影响，近年来发展起来的神经网络法，虽然一定程度上弥补了调和分析无法预报非周期因素的缺憾，但学习训练的样本要求数据量大，涉及面广，能覆盖各种可能出现的情况，而具有非周期因素的台站历史数据一般却很少。本发明提出的一种预测模型，不仅可以将风向，降雨，风暴增水，海岸特性等非周期影响潮汐的因素融合到模型中，而且小样本数据也可以达到较精确的结果。建立一个基于支持向量机(SVM)预测模型，首先在MATLAB 7.8中导入一个SVM工具箱，然后利用svmtrain函数对训练样本数据进行训练，再用测试样本svmpredict函数对形成的模型进行测试，经过训练和测试后的数据才能对同一验潮站的潮汐进行预测。
文档编号G06F19/00GK102214262SQ201010139189
公开日2011年10月12日 申请日期2010年4月2日 优先权日2010年4月2日
发明者何世钧, 周文君, 周汝雁, 邹国良, 黄冬梅 申请人:上海海洋大学