本发明涉及一种基于月尺度的潮位资料一致性修正方法。
该方法建立了实测潮位系列与趋势项、周期项和随机因子项之间的关系。通过对比不同尺度小波检验的残差,以及计算两个小波尺度下小波分解系数的模的期望,确定异常点和突变点的出现位置。运用平均值代替该异常值,以消除随机因子项的干扰。同时,通过滑动平均处理消除周期项的干扰。
对于趋势项、消除周期项后的潮位资料以及实测资料,该方法建立了相关关系。选取近5年的月潮位资料进行训练,运用BP神经网络进行计算,得到修正值。
该方法解决了月尺度潮位资料一致性修正的问题。在修正过程中,消除了随机因子项的干扰,并通过训练的BP神经网络模型计算修正后的潮位资料,从而提高了修正的可靠性和精度。
| 专利名称 | 一种基于月尺度的潮位资料一致性修正方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610249068.2 |
| 申请号 | - | 专利申请日期 | 2016-04-20 |
| 专利授权日期 | 2017-08-25 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 李传哲;刘佳;王洋;于福亮;严登华;田济扬;史婉丽;穆文彬 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明涉及一种基于月尺度的潮位资料一致性修正方法,建立了实测潮位系列与趋势项、周期项和随机因子项之间的关系,通过对比不同尺度小波检验的残差以及计算两个小波尺度下小波分解系数的模的期望,确定异常点和突变点出现的位置,运用平均值代替该异常值消除随机因子项的干扰。通过滑动平均处理消除周期项的干扰。对趋势项、消除周期项后的潮位资料以及实测资料建立相关关系,选取近5年月潮位资料训练BP神经网络,运用训练得到的网络计算得到修正值。解决了月尺度的潮位资料一致性修正的问题,在修正过程中消除了随机因子项的干扰,通过训练的BP神经网络模型计算修正后的潮位资料,提高了修正的可靠性和精度。 | ||