一种咸潮中长期预报方法技术

本发明专利技术涉及水文水利工程领域，更具体地，涉及一种咸潮中长期预报的方法。包括以下步骤：S1.收集河口区同期的实测潮位数据、含氯度数据以及上游的径流量数据；S2.对收集的原始数据进行归一化处理，并将数据分为训练期和验证期；S3.以训练期的潮位数据和径流量数据作为输入，以同期的含氯度作为模型输出，构建咸潮中长期预报模型；S4.验证期的潮位和径流量输入到构建好的模型中，模型输出采用反归一化处理得到预测含氯度，并选用评价指标评价模型的可靠性。本发明专利技术提供的一种咸潮中长期预报的方法，计算复杂度较低、计算效率高、预测准确度高，操作简单，可实现对咸潮中长期进行准确预报。

【技术实现步骤摘要】
一种咸潮中长期预报方法
本专利技术涉及水文水利工程领域，更具体地，涉及一种咸潮中长期预报的方法。
技术介绍
咸潮预报是对河口区的含氯度进行预报，河口区咸潮情况正确的预报对河口生态系统和河口地区的正常取水有重要的保障作用。目前对河口区咸潮情况预报主要采用的方法是数值模拟方法，通过建立一维或多维数值模型进行计算预报，数值模拟需要大量的地形、水文、潮流、盐度等作为基础，模型率定时需要投入一定的人力、物力。一维或多维的数值模型预报方法存在操作繁琐、效率低下、所需数据较多，不利于咸潮预报的计算。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷，提供一种咸潮中长期预报的方法，计算复杂度较低、计算效率高、预测准确度高，操作简单，可实现对咸潮中长期进行准确预报。为解决上述技术问题，本专利技术采用的技术方案是：一种咸潮中长期预报的方法，包括以下步骤：S1.收集河口区同期的实测潮位数据、含氯度数据以及上游的径流量数据；S2.对收集的原始数据进行归一化处理，并将数据分为训练期和验证期；S3.以训练期的潮位数据和径流量数据作为输入，以同期的含氯度作为模型输出，构建咸潮中长期预报模型；S4.将验证期本文档来自技高网...

【技术保护点】
1.一种咸潮中长期预报的方法，其特征在于，包括以下步骤：S1.收集河口区同期的实测潮位数据、含氯度数据以及上游的径流量数据；S2.对收集的原始数据进行归一化处理，并将数据分为训练期和验证期；S3.以训练期的潮位数据和径流量数据作为输入，以同期的含氯度作为模型输出，构建咸潮中长期预报模型；S4.将验证期的潮位和径流量输入到构建好的模型中，模型输出采用反归一化处理得到预测含氯度，选用评价指标评价模型的可靠性。

【技术特征摘要】
1.一种咸潮中长期预报的方法，其特征在于，包括以下步骤：S1.收集河口区同期的实测潮位数据、含氯度数据以及上游的径流量数据；S2.对收集的原始数据进行归一化处理，并将数据分为训练期和验证期；S3.以训练期的潮位数据和径流量数据作为输入，以同期的含氯度作为模型输出，构建咸潮中长期预报模型；S4.将验证期的潮位和径流量输入到构建好的模型中，模型输出采用反归一化处理得到预测含氯度，选用评价指标评价模型的可靠性。2.根据权利要求1所述的一种咸潮中长期预报的方法，其特征在于，所述的S2步骤具体包括：S21.对数据中的平均径流量数据和含氯度数据均除以1000；S22.使用premnmx函数对所有原始数据进行归一化处理；S23.将处理后的按照时间顺序和一定的比例分为训练期和验证期。3.根据权利要求2所述的一种咸潮中长期预报的方法，其特征在于，所述的S3步骤具体包括：S31.以训练期的潮位数据和径流量数据作为B-P神经网络的输入，训练期平均含氯度作为模型的输出；S32.设定B-P神经网络模型初始参数；S33.运行模型，将模型计算的含氯度与实测含氯度比较；S34.调整模型中的各个参数，直到模型计算的含氯度与实测值之间的均方误差达到所设定的期望值。4.根据权利要求3所述的一种咸潮中长期预报的方法，其特征在于，所述的S31步骤具体为：假设B-P神经网络的输入矢量x∈Rn，其中x＝(x0,x1,…xn-1...

【专利技术属性】
技术研发人员：陈晓宏，陈莎，苏程佳，杨志峰，苏美蓉，
申请(专利权)人：中山大学，东莞理工学院，
类型：发明
国别省市：广东,44