论文部分内容阅读
潮流信号处理与预报在很多方面具有非常重要的意义和价值。实际潮流信号预报在实际运用中主要重视潮流的准确性,而传统潮流调和分析预报方法更为重视潮流的主要分潮特征分析,对潮流信号的分析受所选分潮频率的限制,这样传统预报模型的精确度也受这些所选分潮的限制。本文引入信号稀疏表示理论,构建一种稀疏AR模型,首先由实测潮流信号进行常规AR建模,获得一组过完备稀疏基;其次随机从该过完备稀疏基抽取部分建立欠定方程组,利用稀疏优化计算以获得最稀疏的AR系数,从而达到重构或预测潮流信号目的。该方法与传统算法相比具有算法简单、预报精度高等优势。本论文首先从计算的原理出发,对AR模型原理和稀疏优化原理及算法做了介绍,然后提出以稀疏优化算法与AR模型结合形成一个稀疏线性预测模型用于潮流预测。为了实验验证的需要,首先介绍了关于潮流信号的采集的一些方法和注意点,如时间、站点;然后就本项目所选用的稀疏AR自回归模型进行验证,分别就所选择的具有不同潮流特征的潮流信号进行计算分析,针对不同阶数、不同稀疏度、不同累计求解次数分别求解稀疏模型系数;然后通过比对各种情况下的稀疏模型系数的信号构造的均方差,用于评价用于潮流信号预测模型的准确精度。然后与潮流调和分析预报算法进行对比分析。从整个试验的结果来看,基于稀疏线性预测的潮流预报模型在东、北分量的均方差基本可以控制在10cm,与调和分析方法相比更小些。对于潮流发展变化较为规律,信号小波动振幅较小波动较少时,这个预报的优越性不是非常明显,从实验来看,均方差只减小了2cm,但是对于潮流信号波动振幅较大存在波动现象较多的情况,该预报的均方差可以减小5cm以上。也就是说,该方法对于潮流变化过程中存在其它流路干扰的情况时,该方法偏差更小,精度更高。