[发明专利]基于混沌优化BP神经网络模型的江河涌潮短期预报方法

说明书

技术领域

本发明属于信息自动化技术领域，涉及一种江河涌潮预报方法，尤其涉及一种基于混沌优化BP神经网络模型的江河涌潮短期潮时预报技术。

背景技术

东海潮进入杭州湾后，受杭州湾特殊的地形影响，潮差急速增大,潮波非线性变形加剧,在澉浦上游形成水位骤然升高的涨潮波前锋线，即为钱塘江涌潮。基本上钱塘江每天会有两次的涌潮产生，不熟悉其涨潮时间将会人员或财产上的损失，所以精确的涌潮预报技术对保障沿江居民安全、船舶航行安全以及沿岸工程设施相当重要。实际应用中，钱塘江涌潮预报主要根据前一天的潮水到达时间，凭借经验来预测今天潮水到达时刻；同时也有部分学者通过计算机的仿真能力来搭建人工神经网络来预报涌潮潮时，神经网络从历史数据中获取知识，实现非线性函数的逐步逼近。然而经验模型一定程度的弱化了涌潮受径流、风速和地形等方面的影响，预报模型如果一开始就忽略这些误差存在，那么模型预报精度是有限的；人工神经网络虽然具有高度的容错性、并行处理数据和强大的泛化能力，但其模型的输入结构是决定模型预报效果好坏的关键技术之一，现阶段的应用中，大都是以连续几天的到潮时作为模型输入，该方式没有可靠的理论依据，并且是以连续多少天的数据作为输入也没有统一的说法。

发明内容

本发明的目的在于针对现有技术的不足，提出一种优化BP神经网络模型的江河涌潮短期预报方法，以改良原有的预报算法，提升江河涌潮潮时预报的准确度。

本发明的基于混沌优化BP神经网络模型的江河涌潮短期预报方法，包括如下步骤：

步骤一：首先读取沿江若干个水文站的历史数据，根据经验模型获取一段时间内每个水文站的到潮时差序列，具体为利用该水文站该段时间内每天的实际到潮时间与该日到潮预测时间相减获得该水文站的到潮时差序列；其中每天的到潮预测时间为前一天的实际到潮时间；

步骤二：判断上述到潮时差序列是否具有混沌特性，具体方法如下：

a、作出其关于时间τ的自相关函数图，当函数的绝对值低于初始值的1-1/e且首次到达最低点时，所对应的τ为重构相空间的时间延迟τ；自相关函数如下：

C(τ)=Σi=τ+1n(x(i)-x‾)(x(i-τ)-x‾)Σi=1n(x(i)-x‾)2---(1)]]>

式中：x(i)为到潮时差序列，其中i＝1,2,…,n，n是序列长度，为序列均值，C(τ)为时间延迟τ的自相关系数；

b、利用饱和关联维数法来确定嵌入维数m：设X(i)和X(j)为相空间的一对相点，i和j不相等，相点的表达式如下：