基于卷积神经网络的钱塘江涌潮潮时预报

摘要：

精准的钱塘江涌潮潮时预报对防潮安全管理、市民游客观潮、水资源开发利用、交通航运及涉水工程建设等具有重要意义.传统基于相似潮分析的经验预报方法无法精确分析一些短期随机性因子带来的影响,预报精度有一定的不确定性,因此提出了一种基于二维卷积神经网络的钱塘江涌潮潮时预报方法.选择农历日期、风力风向、上游来水、江道地形、前日隔日时间差等影响因素作为特征向量构建特征集,利用二维卷积神经网络提取输入矩阵的特征信息,构建全连接神经网络钱塘江涌潮潮时预报模型.通过粒子群算法对参数寻优,实现钱塘江涌潮潮时隔日预报,并以钱塘江代表站仓前站2009～2017年涌潮预报成果进行验证.验证结果表明,基于卷积神经网络的钱塘江涌潮潮时预报模型具有较高的预报精度和可靠性.

关键词：钱塘江涌潮、潮时预报、深度学习、卷积神经网络、BP神经网络

所属期刊栏目：53

分类号：P338.1(水文科学（水界物理学）)

资助基金：浙江省水利科技计划项目;浙江省水利科技计划项目;浙江省水利科技计划项目

在线出版日期：2023-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：83-87,103