[发明专利]江河潮水水位的预测方法

摘要

本发明涉及一种江河潮水水位的预测方法。传统的潮时预报方法有传播时间法和隔离滞后时间法，上述方法一定程度弱化了潮水受到潮汐、径流、河道地形和风力风向等多重因素的影响关系。本发明的具体步骤是首先以MATLAB 6.5的工具箱函数库中的神经网络函数以及潮水水位和时间的历史数据为基础构建神经网络模型，然后利用工具箱函数中的神经网络训练函数train函数进行网络训练，利用仿真函数sim函数进行网络测试，最后使用经训练和测试后的神经网络模型对下一个高潮位水位值或者下一个低潮位水位值进行预测。本发明使用历史潮水数据进行短期潮水水位值预测，这种方法可以完全忽略风向、降雨、给排水、河床变化等不确定因素影响。

主权项

1.江河潮水水位的预测方法，其特征在于该方法包括如下步骤：步骤(1)以MATLAB 6.5的工具箱函数库中的神经网络函数以及潮水水位和时间的历史数据为基础构建神经网络模型，具体方法为：①获取潮水水位和时间的连续历史数据N组；潮水水位与时间数据正常情况一天有四组数据，分别为日潮水高潮位的时间和水位值、日潮水低潮位的时间和水位值、夜潮水高潮位的时间和水位值、夜潮水低潮位的时间和水位值；将这N组数据分为前后两组，前面的数据组为训练样本数据组Ni组，后面的数据组为测试样本数据组Nj组，其中N＝Ni+Nj，Ni/Nj＝2～4；②确定神经网络的训练模型为三层，输入层为4个节点，中间隐含层为50个节点，输出层为1个节点；用newff函数创建BP神经网络函数，其中网络参数设置为：神经元传输函数选用tansig函数，输出层传输函数选用purelin函数，网络训练方法选用traingdx函数，训练步数5000次，训练精度为0.1；步骤(2)利用MATLAB 6.5工具箱函数中的神经网络训练函数train函数进行网络训练，然后利用MATLAB 6.5工具箱函数中的仿真函数sim函数进行网络测试，具体方法为：③利用MATLAB 6.5工具箱函数中的神经网络训练函数train函数进行网络训练的方法是：将训练样本数据组转化为4×(Ni-3)的矩阵作为train函数的输入参数，运行train函数进行训练，训练过程将以达到精度要求或者达到训练步骤数为停止条件；训练结束后将由系统自动生成一个神经网络模型，各权值系数隐含，可在MATLAB 6.5系统中查看；训练样本数据组Ni转化为4×(Ni-3)的矩阵的具体方法是：将训练样本数据组Ni的第一个数据到第四数据组成第一列，将训练样本数据组的第二个数据到第五数据组成矩阵的第二列，将训练样本数据组的第三个数据到第六数据组成矩阵的第三列，依次类推，直到组成4×(Ni-3)的矩阵；④利用MATLAB 6.5工具箱函数中的仿真函数sim函数进行网络测试的方法是：将测试样本数据组转化为4×(Nj-3)的矩阵作为sim函数的输入参数进行网络测试；测试样本数据组转化为4×(Nj-3)的矩阵的具体方法是：将测试样本数据组的第一个数据到第四数据组成第一列，将测试样本数据组的第二个数据到第五数据组成矩阵的第二列，将测试样本数据组的第三个数据到第六数据组成矩阵的第三列，依次类推，直到组成4×(Nj-3)的矩阵；步骤(3)使用经网络训练和网络测试后的神经网络模型和MATLAB 6.5工具箱函数的sim函数对下一个高潮位水位值或者下一个低潮位水位值进行预测，具体方法是：在sim函数中输入最后四组的数据作为sim函数的输入参数，经sim函数计算后得到下一组数据的预测值，此预测值即为下一个高潮位水位值或者下一个低潮位水位值。