1.基于支持向量机的钱塘江潮时预报方法,其特征在于,该方法的具体包括以下步骤:步骤1:读取历史涌潮到达时间td(n)、对应站点和闻家堰的前一次高潮位g(n-1)、gw(n-
1),根据连续两日涌潮到达时间计算隔日时间差数据dt(n),以分钟作为单位,dt(n)=td(n+1)-td(n) n=1,2,3,... (1)步骤2:历史高潮位数据和连续两日隔日时间差数据进行归一化处理根据式(2)对历史高潮位数据进行归一化,
其中xmax为历史高潮位数据中的最大值,xmin为历史高潮位数据中的最小值;x为待处理的历史高潮位数据,为历史高潮位数据归一化处理后的值;
连续两日隔日时间差数据归一化处理方法为:
步骤3:根据预报日从历史数据中挑选同条件下的数据构造训练样本;
农历上,不同年相似月的数据可近似认为同条件下的数据,而其他不同月的数据为不同条件下的数据;这里根据预测日期的不同而分别建立训练模型,选择的训练样本同预测日期为同条件下的数据,即选择训练样本与预测日期不同年相似月的数据;为保证训练样本与预测日的相关性足够大,选择预测日期近5年内相似月份的隔日时间差数据作为训练样本;
利用归一化后的历史数据构造训练样本,将预报日前4个连续两日隔日时间差
4日中最后一次涌潮高潮水位 以及相应
的闻家堰高潮水位 作为5个输入,第i日的隔日时间差作为输出值;以此类推可以构建输入矩阵P和目标矩阵T;因此输入矩阵P每行为6个数据,目标矩阵每行为1个数据;同样,该两矩阵均为N-3行,N为历史数据长度;
其中,i表示预测目标日的农历日序号;k表示预测目标年份序号,例如k=0表示预测年,k=1表示预测年前一年,以此类推;
步骤4:利用训练样本训练支持向量机模型;
调用Matlab7.10.0函数库中的svmtrain函数进行支持向量机模型训练,参数包括核函数选取、损失函数ε和惩罚因子参数C的确定;支持向量机常用核函数选用RBF函数;损失函数ε取值为(0.0001~0.01);惩罚因子参数C取值为(1~1000);
步骤5:利用步骤4得到的支持向量机模型结合输入参数得到预测数据;
为了预测第j天的隔日时间差,将第j日的前4个连续两日隔日时间差
4日中最后一次涌潮高潮水位 以及相
应的闻家堰高潮水位 作为5个输入,调用Matlab7.10.0函数库中的svmpredict函数预测第j日的隔日时间差步骤6:反归一化处理隔日时间差,计算预测潮时;
利用公式(5)对预测隔日时间差dt(j)predict进行反归一化处理,通过式(6)得到预测隔日时间差绝对值
td,predict(j)=t(j-1)+dt(j) (6)t(j-1)表示第j-1日的涌潮到达时间。