钱塘江涌潮传播时间预报方法研究

作者：姬战生; 章国稳^*

来源：水电能源科学, 2022, 40(11): 14-5.

DOI：10.20040/j.cnki.1000-7709.2022.20220168

• 钱塘江涌潮
• 传播时间预报
• 深度学习
• 卷积神经网络
• 支持向量机
• BP神经网络

群众观潮、防潮管理、交通航运、涉水工程建设等均需及时、准确、可靠的钱塘江涌潮预报信息，而经验预报方法和常规传统机器学习算法未全面考虑各种影响因素对钱塘江涌潮传播时间的影响，预报精度无法保证。对此，综合考虑天文因素、风力风向、上游来水、江道地形、前日传播时间等主要影响因素对涌潮的影响，构建特征集作为输入矩阵，基于卷积神经网络和全连接神经网络构建钱塘江涌潮传播时间预报模型，通过粒子群算法得到最优参数，建立CNN最佳预报模型，同时基于支持向量机、BP神经网络算法建立预报模型。钱塘江仓前至七堡站涌潮传播时间2009～2017年预报结果表明，卷积神经网络预报模型大中潮汛预报误差在5、10 min内的比例分别高于72%、96%,预报精度高于支持向量机、BP神经网络预报模型。

• 单位
  自动化学院; 杭州电子科技大学