[发明专利]一种海面高度持续性预测算法

说明书

本发明公开了一种海面高度持续性预测算法，采用自回归移动平均模型进行海面高度持续性预测；采用人工神经网络模型进行海面高度持续性预测；建立海面高度持续性统计预测模型。本发明的有益效果是以全球验潮站信息产品为主要数据源，通过多种统计方法进行海面高度持续性预测试验，建立海面高度持续性统计预测模型，且预测精度能够满足业务保障需求，为海洋环境安全保障提供技术支持。

技术领域

本发明属于海洋学技术领域，涉及一种海面高度持续性预测算法。

背景技术

我国气象部门的预测预测业务按时间尺度可以划分为1～3h的短时临近预测、1～3d的短期天气预测、4～10d的中期天气预测、10～30d的持续性天气预测和月尺度以上的短期气候预测。在天气气候预测业务中，10～30d的持续性预测是“无缝隙预测”中的难点。限于当前天气气候预测的技术水平，对10d以上和30d以内(月尺度)的重要天气过程还难以做出比较准确的预测。目前风速预测方法大致分为三类：统计方法、物理方法以及两者的相结合。统计方法不考虑风速变化的物理过程，采用一定的数学统计方法，在历史数据与风速之间建立一种映射关系，以此来对风速进行预测，考虑到单一统计方法的优缺点各不相同，由多种统计方法结合的组合统计预测方法也逐步被采纳。针对海上移动平台，由于无法配置大型计算机，受到计算资源的限制，难以采用数值模式的方法实现业务化预测。而统计预测虽然同样具有一定的局限性，如过分的依赖观测资料，预测时效较短等。人工神经网络(ANNs)是一种很强的非线性函数拟合器，它有较强的计算能力。由于ANNs具有并行结构、较强的自学习能力和概化能力，使其通过设定输入输出对能较好的解决科学和工程中任意复杂非线性映射的建模问题。ANNs已经被广泛的应用在模式识别、函数逼近、控制、优化、预测等领域。综上所述，利用统计理论开展海面高度持续性预测，对海洋环境安全保障具有重要的价值和意义。

发明内容

本发明的目的在于提供一种海面高度持续性预测算法，本发明的有益效果是以全球验潮站信息产品(是一个海洋大数据)为主要数据源，通过多种统计方法进行海面高度持续性预测试验，建立海面高度持续性统计预测模型，且预测精度能够满足业务保障需求，为海洋环境安全保障提供技术支持。

本发明所采用的技术方案是按照以下步骤进行：

(1)采用自回归移动平均模型进行海面高度持续性预测；

(2)采用人工神经网络模型进行海面高度持续性预测；

(3)建立海面高度持续性统计预测模型。

进一步，步骤(1)中自回归移动平均模型：

用ARMA模型进行预测时，让{X_t}(t＝1,2,3,…,N)表示时间序列，{α_t}是零均值、方差为的正态白噪声过程，表示模型的自回归参数，θ_j(j＝1,2,…p)表示模型的滑动平均参数，B表示后移差分算子。则ARMA(p.q)模型如下

通过三步建立上述模型：模型识别、参数估计和模型检验，模型识别是指判断预测模型是AR、MA或ARMA，再确定模型阶数，即确定p和q，参数估计，是指在识别模型之后，通过合适的方法计算出(1)中的未知参数，即确定θ_j和

①确定模型的阶数

通过样本自相关系数及样本偏相关系数的形态来识别模型类别，对时间序列数据进行平稳化预处理后，首先计算原始序列自相关函数ACF，偏相关函数PACF，对于平稳时间序列X_t(t＝1,2,3,…,N)，具体判定如下：

均值为：

方差为：

协方差为：

相关函数为：

偏相关函数为：