基于LightGBM算法的潮位预报修正研究

潮汐预报在数学上属于回归预测，是人工智能算法的经典应用领域之一。文章以上海米市渡站点为例，提出了采用LightGBM算法修正调和分析T＿TIDE模型预报潮位的方法。以T＿TIDE模型的预报误差序列作为LightGBM算法的输入层参数，训练得到的LightGBM模型可有效预测T＿TIDE模型后续的短期(48 h内)预报误差，从而对T＿TIDE模型的潮位预报结果进行短期修正。米市渡站测试结果表明，构建的LightGBM模型能将T＿TIDE模型的24 h和48 h预报均方根误差分别降低至0.10 m和0.12 m,相应的±0.30 m合格率都提升至95%以上。但是，LightGBM算法在台风期间对T＿TIDE模型的预报结果存在误修正，台风期间的潮位预报修正有待进一步研究。     

河口挡潮闸闸下低潮缺失水位修正方法

河口挡潮闸闸下低潮水位资料周期性缺失可能导致闸下潮汐调和分析结果出现偏差,从而直接影响到闸下水位过程的预报精度。针对这一问题,提出了一种闸下低潮缺失水位的修正方法,利用潮汐过程曲线的对称性对低潮缺失水位资料进行初步修正,然后根据调和分析自报结果对修正数据进行迭代更新,直至潮汐调和常数不再变化。验证结果表明,该方法可有效提高闸下水位过程的自报精度,其成果在2014年宁波高背浦闸闸下测站的潮汐预报中得到了良好应用。