随着全球变暖不断加剧,海水位的上升问题逐渐引起了人们的关注。大量研究基于长期海水位的趋势分析,相比之下,短时海水位波动的研究相对较少。本文实现了对短时海水位时间序列的预测,并对预测结果进行了分析,设计了海水位预测系统。本文的主要亮点有:一是使用了线性模型——自回归模型和非线性模型——支持向量机和BP神经网络对海水位时间序列进行了预测。结果表明,支持向量机和BP神经网络在样本长度较小时表现出了比自回归模型更为精确的预测结果,使用非线性模型大大缩短了预测所需的样本长度,并在增大预测步长时依然保持着低于线性模型的预测误差。实验证明,支持向量机和BP神经网络的应用将大大节约海水位时间序列预测成本;二是得到了海水位时间序列预测误差与预测步长的关系曲线,并用幂函数拟合得到具体的函数表达式。本文使用了支持向量机、BP神经网络和自回归模型分别验证了预测误差与预测步长的定量关系,对今后工作中预测步长的选取和预测误差的估计有着借鉴意义;三是利用MALTAB GUI平台设计了海水位时间序列预测系统。该系统具有海水位时间序列的预测功能,可以计算出分别使用三类预测模型时的预测误差,并自动生成预测误差与预测步长关系曲线、预测误差与样本长度关系曲线,产生定量关系式。用户使用该系统可以全面了解预测模型,深入理解海水位时间序列的预测结果。