[发明专利]一种极地固定冰冰厚的多元统计预测方法

说明书

本发明公开了一种极地固定冰冰厚的多元统计预测方法，采用多元回归分析模型建立固定冰冰厚的经验公式；采用人工神经网络模型进行多元因素作用下的海冰冰厚预报。本发明的有益效果是以冰厚为主要信息的长期冰厚序列，通过多元回归分析模型建立预测冰厚的人工经验公式，对引入的环境强迫因素输入人工神经网络模型，对海冰冰厚进行预报，预报精度能够满足业务保障需求，为极地矿产资源的勘探和北极航运等北极海洋工程提供技术支持。

技术领域

本发明属于海洋学技术领域，涉及一种极地固定冰冰厚的多元统计预测方法。

背景技术

随着“冰上丝绸之路”的开展，北极矿产资源和北极航线等受到了与日俱增的关注。突发性的海冰灾害对海洋工程活动容易引发严重的损失和危害，如海洋平台受损、航道阻塞、港口封冻、船只受困等。目前极地海冰固定冰冰厚的探测主要依靠卫星遥感、钻孔勘探、船舶走航、潜艇声纳探测和数值模拟等手段。其中卫星遥感反演由于受到大气条件的阻碍作用，冰厚反演结果存在较大的误差；钻孔勘探需要较大的人工成本；船舶走航主要集中在低、中密集度海冰区，在沿岸固定冰区容易受困；潜艇探测目前只有1976-2000年美国海军潜艇冬季声纳实测数据，且主要集中在中央冰区；数值模拟较适合与海冰密集度预报，但针对冰厚则误差较大。此外，除钻孔勘探外，其余探测方法还存在精度低等问题。鉴于此，基于影响海冰生消过程的热力和动力因素，采用合理的数学统计方法，抛除海冰生长消退的具体过程，采用影响海冰生消的诸多热力和动力因素的历史数据，采用多元回归分析模型，寻求与冰厚之间建立一种映射关系，推导出适用于极地海冰的冰厚经验公式，以此来对沿岸固定冰冰厚进行初步预测。但同时考虑到人工经验公式预报具有一定的局限性，如过分的依赖观测资料，预报时效较短等，可能仍然具有一定的误差，尤其是极值的误差，直接关系到当极端海冰灾害出现时能否有效预警，并及时采取对应措施以最大程度的降低冰情造成的损害。因此，在多元回归分析的基础上，对引入的影响海冰的环境强迫，采用非线性逼近能力更为强大的人工神经网络模型(ANNs)，以期减少因多元回归分析算法本身带来的计算误差，进一步提高预报精度。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。目前，多元回归分析已经用于天气预报、地震预测和农业预报产量等方面；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，利用统计理论性预报，开展极地艰难环境下的沿岸固冰冰厚预报，在计算成本、时间和空间精度等方面，均具有重要的工程意义。

发明内容

本发明的目的在于提供一种极地固定冰冰厚的多元统计预测方法，本发明的有益效果是以冰厚为主要信息的长期冰厚序列，通过多元回归分析模型建立预测冰厚的人工经验公式，对引入的环境强迫因素输入人工神经网络模型，对海冰冰厚进行预报，预报精度能够满足业务保障需求，为极地矿产资源的勘探和北极航运等北极海洋工程提供技术支持。

本发明所采用的技术方案是：

(1)采用多元回归分析模型建立固定冰冰厚的经验公式；

(2)采用人工神经网络模型进行多元因素作用下的海冰冰厚预报。

进一步，步骤(1)中多元回归分析模型：

多元回归分析是研究变量与变量之间相关关系的数学方法，用来分析预报量和多个预报因子之间的统计关系，建立预报量依预报因子之间的回归方程，然后根据此方程做出对预报量的预测。

①确定多元变量，即固定冰所在地的冰情环境要素

设随机变量h与多个变量x₁,x₂,…，x_m之间存在如下的线形关系，