基于改進RBF網(wǎng)絡(luò)的潮汐預報系統(tǒng)的設(shè)計與實現(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，隨著航運業(yè)的不斷發(fā)展，以及對航行安全和航運效率的要求，對潮汐數(shù)值預測的精度也提出了更高的要求。
　　目前，利用調(diào)和常數(shù)計算潮汐分潮是潮汐預測的主要方法。也有一些人利用潮汐的歷史數(shù)據(jù)采用非線性的數(shù)學預測手段對潮汐進行預測，例如混沌理論、神經(jīng)網(wǎng)絡(luò)、支持向量機等。傳統(tǒng)分析方法進行潮汐預測時，由于僅考慮了潮汐天文潮部分的影響，導致其在復雜環(huán)

2、境因素影響下的海區(qū)預測精度明顯下降。將神經(jīng)網(wǎng)絡(luò)應(yīng)用于潮汐預報領(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)用于潮汐預測，并對結(jié)果進行了探討。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)具體問題來進行確定，針對以上問題本文運用粒子群(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)直接進行潮汐預測的

3、模型。該模型基于實測潮汐數(shù)據(jù)進行實時的潮汐預測，并與其它常用的優(yōu)化算法進行了比較，結(jié)果體現(xiàn)了較高的預測精度。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)對潮汐進行預測;
　　2.搭建了潮汐預報與顯示系統(tǒng)，利用系統(tǒng)對潮汐進行實時的預測和查看;
　　3.選取某港口三個月整點監(jiān)測的潮汐數(shù)據(jù)作為歷史數(shù)據(jù)進行分析和預測，預測出了未來