基于改進(jìn)RBF網(wǎng)絡(luò)的潮汐預(yù)報系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、潮汐是海洋環(huán)境中最重要的組成部分之一。潮汐預(yù)測在海上交通、港口建設(shè)和潮汐能利用等領(lǐng)域都具有重要意義，隨著航運(yùn)業(yè)的不斷發(fā)展，以及對航行安全和航運(yùn)效率的要求，對潮汐數(shù)值預(yù)測的精度也提出了更高的要求。
　　目前，利用調(diào)和常數(shù)計(jì)算潮汐分潮是潮汐預(yù)測的主要方法。也有一些人利用潮汐的歷史數(shù)據(jù)采用非線性的數(shù)學(xué)預(yù)測手段對潮汐進(jìn)行預(yù)測，例如混沌理論、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。傳統(tǒng)分析方法進(jìn)行潮汐預(yù)測時，由于僅考慮了潮汐天文潮部分的影響，導(dǎo)致其在復(fù)雜環(huán)

2、境因素影響下的海區(qū)預(yù)測精度明顯下降。將神經(jīng)網(wǎng)絡(luò)應(yīng)用于潮汐預(yù)報領(lǐng)域是近年來出現(xiàn)的一種新的研究方向。徑向基(RBF)神經(jīng)網(wǎng)絡(luò)在模式識別和系統(tǒng)預(yù)測領(lǐng)域應(yīng)用廣泛，本文將RBF神經(jīng)網(wǎng)絡(luò)用于潮汐預(yù)測，并對結(jié)果進(jìn)行了探討。同時，傳統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)缺少必要的推理過程和依據(jù)，部分參數(shù)需要依據(jù)具體問題來進(jìn)行確定，針對以上問題本文運(yùn)用粒子群(PSO)優(yōu)化算法優(yōu)化了RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值、徑向基函數(shù)的中心和寬度值，建立了PSO-RBF神經(jīng)網(wǎng)絡(luò)直接進(jìn)行潮汐預(yù)測的

3、模型。該模型基于實(shí)測潮汐數(shù)據(jù)進(jìn)行實(shí)時的潮汐預(yù)測，并與其它常用的優(yōu)化算法進(jìn)行了比較，結(jié)果體現(xiàn)了較高的預(yù)測精度。本文的具體內(nèi)容和結(jié)論如下:
　　1.建立了利用粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測潮汐的模型，利用影響潮汐的最重要的兩個天體（太陽和月球）的十個參數(shù)對潮汐進(jìn)行預(yù)測;
　　2.搭建了潮汐預(yù)報與顯示系統(tǒng)，利用系統(tǒng)對潮汐進(jìn)行實(shí)時的預(yù)測和查看;
　　3.選取某港口三個月整點(diǎn)監(jiān)測的潮汐數(shù)據(jù)作為歷史數(shù)據(jù)進(jìn)行分析和預(yù)測，預(yù)測出了未來