[發(fā)明專利]基于支持向量機的錢塘江潮時預(yù)報方法

有效

• 申請?zhí)枺?/td>: 201610981643.8
• 申請日: 2016-11-08
• 公開（公告）號: CN106779134B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: 章國穩(wěn);孫映宏;姬戰(zhàn)生;邱超;李留東;王英英;胡其美;汪華平;車弘書
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 杜軍

本發(fā)明公開了基于支持向量機的錢塘江潮時預(yù)報方法,本發(fā)明具體步驟是：讀取歷史涌潮到達時間以及高潮位數(shù)據(jù)，計算得到隔日時間差；對歷史高潮位數(shù)據(jù)和連續(xù)兩日隔日時間差數(shù)據(jù)進行歸一化處理；根據(jù)預(yù)報日從歷史數(shù)據(jù)中挑選同條件下的數(shù)據(jù)構(gòu)造訓(xùn)練樣本；利用訓(xùn)練樣本訓(xùn)練支持向量機模型；利用支持向量機模型結(jié)合輸入?yún)?shù)得到預(yù)測數(shù)據(jù)。該發(fā)明是一種泛化能力強、計算效率高的錢塘江潮時預(yù)報方法，預(yù)測可靠性比傳統(tǒng)方法要高，整個分析過程快速方便，容易被使用者掌握。

技術(shù)領(lǐng)域

本發(fā)明屬于測控技術(shù)領(lǐng)域，具體是一種基于支持向量機的錢塘江潮時預(yù)報方法。

背景技術(shù)

當(dāng)東海潮進入杭州灣后，由于河口突然由寬變窄，促進水位的驟然升高，形成明顯的潮頭，隨著后面潮水的繼續(xù)涌入，最終形成了驚濤駭浪，萬馬奔騰的壯觀涌潮奇景，即為聞名中外的錢塘江涌潮。隨著錢塘江流域經(jīng)濟迅速發(fā)展，外來游客和居住人口逐年增加，為保障沿江居民安全、船舶航行安全以及沿岸工程設(shè)施，精確的涌潮預(yù)報越發(fā)受到各方關(guān)注。

實際應(yīng)用中，錢塘江涌潮預(yù)報主要采用依據(jù)經(jīng)驗?zāi)Ｐ偷母羧諟蠓ǎ赐ㄟ^前一天涌潮到達各個站點的時間預(yù)報該天涌潮到達各個站點的時間。這類方法主要缺點是受預(yù)報日當(dāng)天江道地形、涌潮的流速、風(fēng)向及大小和上游洪水等自然因素的影響，使得預(yù)報精度不夠理想。

支持向量機(Support Vector Machine-SVM)，是近年發(fā)展起來的一種適用于小樣本的統(tǒng)計學(xué)習(xí)理論。與人工神經(jīng)網(wǎng)絡(luò)相比，具有結(jié)構(gòu)簡單、計算效率高、所需訓(xùn)練樣本少以及泛化能力強等優(yōu)點。這些特點使其更適用于錢塘江涌潮預(yù)報。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提供一種基于支持向量機的錢塘江潮時預(yù)報方法，目的在于對錢塘江潮時進行準(zhǔn)確預(yù)報。

該方法的具體步驟是：

步驟1：讀取歷史涌潮到達時間t_d(n)、對應(yīng)站點和聞家堰的前一次高潮位g(n-1)、g_w(n-1)，根據(jù)連續(xù)兩日涌潮到達時間計算隔日時間差數(shù)據(jù)dt(n)，以分鐘作為單位，

dt(n)＝t_d(n+1)-t_d(n) n＝1,2,3,... (1)

步驟2：歷史高潮位數(shù)據(jù)和連續(xù)兩日隔日時間差數(shù)據(jù)進行歸一化處理

根據(jù)式(2)對歷史高潮位數(shù)據(jù)進行歸一化，

其中x_max為歷史高潮位數(shù)據(jù)中的最大值，x_min為歷史高潮位數(shù)據(jù)中的最小值。x為待處理的歷史高潮位數(shù)據(jù)，為歷史高潮位數(shù)據(jù)歸一化處理后的值。

連續(xù)兩日隔日時間差數(shù)據(jù)歸一化處理方法為：

步驟3：根據(jù)預(yù)報日從歷史數(shù)據(jù)中挑選同條件下的數(shù)據(jù)構(gòu)造訓(xùn)練樣本。

農(nóng)歷上，不同年相似月的數(shù)據(jù)可近似認為同條件下的數(shù)據(jù)，而其他不同月的數(shù)據(jù)為不同條件下的數(shù)據(jù)。這里根據(jù)預(yù)測日期的不同而分別建立訓(xùn)練模型，選擇的訓(xùn)練樣本同預(yù)測日期為同條件下的數(shù)據(jù)，即選擇訓(xùn)練樣本與預(yù)測日期不同年相似月的數(shù)據(jù)。另一方面，隨著時間延遲增大，不同年相似月數(shù)據(jù)相關(guān)性亦逐漸減小，為保證訓(xùn)練樣本與預(yù)測日的相關(guān)性足夠大，選擇預(yù)測日期近5年內(nèi)相似月份的隔日時間差數(shù)據(jù)作為訓(xùn)練樣本。

利用歸一化后的歷史數(shù)據(jù)構(gòu)造訓(xùn)練樣本，將預(yù)報日前4個連續(xù)兩日隔日時間差4日中最后一次涌潮高潮水位以及相應(yīng)的聞家堰高潮水位作為5個輸入，第i日的隔日時間差作為輸出值。以此類推可以構(gòu)建輸入矩陣P和目標(biāo)矩陣T。因此輸入矩陣P每行為6個數(shù)據(jù)，目標(biāo)矩陣每行為1個數(shù)據(jù)。同樣，該兩矩陣均為N-3行，N為歷史數(shù)據(jù)長度。