神經(jīng)網(wǎng)絡(luò)的智能優(yōu)化及其在潮汐預(yù)報中的應(yīng)用.pdf

1、海洋潮汐信息對人類的生產(chǎn)活動起著日益增強的影響作用。準確實時的海洋潮汐信息對于船舶安全航行、沿岸碼頭港口工程設(shè)計等有著重要的指導(dǎo)意義。隨著當(dāng)代航運業(yè)的發(fā)展，對潮位信息的精度要求也日益增加。此外，隨著船舶向大型化的方向發(fā)展，對于日益增多的大型船舶提供實時準確的潮高信息，可以在很大程度上減少擱淺或者碰撞橋梁等事故。
　　潮汐預(yù)測最為傳統(tǒng)的預(yù)測方法是調(diào)和分析法。但該方法往往需要基于大量的潮汐觀測記錄數(shù)據(jù)來獲取較為準確的調(diào)和分析預(yù)報模型。

2、由于長期實地數(shù)據(jù)觀測記錄通常會需要較高的成本，對于一些港口來說獲取如此大量的長期觀測數(shù)據(jù)的可行性比較低。此外，傳統(tǒng)的調(diào)和分析法在進行潮汐分析預(yù)報時主要考慮了天體引潮力的作用，然而海洋潮汐卻受到氣溫、氣壓以及降水量等時變非線性因素的影響，呈現(xiàn)出一定的非確定性和時變性，使用傳統(tǒng)的靜態(tài)結(jié)構(gòu)模型較難獲得精確的實時潮汐水位預(yù)報信息。
　　隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)模型廣泛應(yīng)用于系統(tǒng)預(yù)測領(lǐng)域。本研究將應(yīng)用最為廣泛的誤差反向傳播神經(jīng)網(wǎng)

3、絡(luò)(Back Propagation，BP)應(yīng)用于潮汐水位預(yù)報。然而傳統(tǒng)的BP模型在預(yù)測方面存在著一定的缺陷:如網(wǎng)絡(luò)模型的參數(shù)選擇不當(dāng)，可能會使訓(xùn)練模型陷入局部最優(yōu)，且模型容易受到網(wǎng)絡(luò)結(jié)構(gòu)的影響等。為進一步改進傳統(tǒng)的BP模型，提高模型預(yù)報精度，本研究建立了一種基于自適應(yīng)變異粒子群優(yōu)化算法(Self-adaptive Particle Swarm Optimization，SAPSO)的BP神經(jīng)網(wǎng)絡(luò)潮汐水位預(yù)報模型。模型采用改進的PSO算

4、法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，克服了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)對初始權(quán)值閾值敏感，容易陷入局部最優(yōu)缺點，進一步提高了潮汐水位的預(yù)報精度。并基于Isabel驗潮站的實測潮汐數(shù)據(jù)，將本研究建立的模型與傳統(tǒng)的調(diào)和分析模型和BP神經(jīng)網(wǎng)絡(luò)模型進行仿真預(yù)報對比。 此外，文章將建立的SAPSO-BP預(yù)報模型應(yīng)用于區(qū)域性潮汐水位預(yù)報，創(chuàng)建了一種區(qū)域性潮汐水位預(yù)報模型。并采用Isabel驗潮站的潮汐水位實測數(shù)據(jù)進行仿真實驗，驗證了SAPSO-BP區(qū)域性預(yù)報模型的預(yù)