基于支持向量機的模塊化潮汐預報.pdf

1、潮汐預報在船舶航行、港口建設、沿岸生產(chǎn)等領域應用廣泛。隨著船舶的大型化以及對航運效率要求的提高，對潮汐預報精度的要求越來越高，提高潮汐預報精度愈發(fā)成為相關領域的熱點。而支持向量機作為近20年來最受關注的機器學習算法之一，在處理非線性問題中具有其獨特的優(yōu)勢，支持向量機在潮汐預報中的應用是該領域的一個新的研究方向。本文將支持向量機作為工具，對支持向量機在潮汐預報中的應用進行了探討。
　　目前，傳統(tǒng)的潮汐預報方法為調(diào)和分析法，但由于調(diào)和

2、分析法在預報過程中主要考慮了天文潮因素的影響，導致在環(huán)境變化劇烈的情況下預測精度較差，難以滿足部分場合對預報精度的要求。本文針對調(diào)和分析法對非天文潮部分無法精確預測的問題，提出了一種基于支持向量機的模塊化潮汐預報模型。其中，支持向量機用于對潮汐的非天文潮部分進行較為精確的預測，并結(jié)合調(diào)和分析法穩(wěn)定的優(yōu)點，有利于預測精度的提高。
　　首先，按照潮汐的成因，將其分為主要受天體引潮力影響的天文潮部分和受氣象、水文以及其它因素影響的非天文

3、潮部分。其中天文潮部分通過調(diào)和分析法進行預測，而針對非天文潮部分，由于其受到多因素的影響，具有很強的非線性特征，本文使用具有良好非線性回歸能力的支持向量機來預測該部分，這種模塊化處理方式有效綜合了兩種方法的優(yōu)勢，提高了預測精度。
　　隨后，為其設計了圖形用戶界面，該界面直觀地表示出了潮汐預報結(jié)果和仿真過程。最后，利用Honolulu港的實測數(shù)據(jù)對預報模型以及界面進行相關仿真試驗，試驗結(jié)果證明，相較于傳統(tǒng)潮汐預報方法，本文提出的模塊