期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数据驱动的长江口潮位预报方法研究
被引量：
1
1
作者
甘敏
陈永平
+3 位作者
赖锡军
闻云呈
夏明嫣
储鏖
《水道港口》
2025年第4期489-497,共9页
河口地区作为陆海交互的地带,易遭受洪水侵袭。河口上游来流与下游潮汐在感潮河段相互作用强烈,两者综合作用形成的河口潮汐具有极强的时空异质性,难以预判其发生发展,也是造成区域洪水的重要来源之一。长江感潮河段跨度长,其径流与潮...
河口地区作为陆海交互的地带,易遭受洪水侵袭。河口上游来流与下游潮汐在感潮河段相互作用强烈,两者综合作用形成的河口潮汐具有极强的时空异质性,难以预判其发生发展,也是造成区域洪水的重要来源之一。长江感潮河段跨度长,其径流与潮汐相互作用形成的河口潮汐极具代表性。准确预报长江口潮位是支撑区域防洪减灾的重要基础。结合非稳态调和分析(NS_TIDE)和基于数据驱动的自回归(Auto-regressive,AR)模型,以2020年为例开展了针对长江口潮位的预报方法研究,并探讨了长江口潜在洪水风险。提出了NS_TIDE模型开展河口潮位预报时所需上下边界信息的获取方法,通过NS_TIDE模型开展基础预报,进而以AR模型对NS_TIDE模型的预报结果进行短期误差校正,形成最终的混合模型(NS_TIDE&AR)预报结果。2020年的测试结果表明,其24 h短期预报精度在0.08~0.12 m,即使在该年洪水期间,模型依旧稳健性良好。
展开更多
关键词
长江口
感潮河段
河口潮汐
数据驱动
非稳态调和分析
自回归模型
在线阅读
下载PDF
职称材料
三峡工程对长江下游感潮河段极值水位的影响
被引量：
5
2
作者
张景瑞
季小梅
+2 位作者
张蔚
郁夏琰
杨琰
《水道港口》
2021年第1期78-83,共6页
以往河流极值水位的研究往往选取年最大和最小水位开展分析,但这容易忽略了小概率因素带来的随机性的影响。为了更合理揭示长江感潮河段极值水位的演变趋势,并分析三峡工程对其影响,文章通过概率密度函数法及NS_TIDE调和分析,分析了长...
以往河流极值水位的研究往往选取年最大和最小水位开展分析,但这容易忽略了小概率因素带来的随机性的影响。为了更合理揭示长江感潮河段极值水位的演变趋势,并分析三峡工程对其影响,文章通过概率密度函数法及NS_TIDE调和分析,分析了长江下游感潮河段极值水位的演变规律。结果表明:三峡工程的流量调节对长江下游高水位有着显著的影响,高水位的变化在三峡工程建成前后由上升变为下降趋势,但三峡工程对于低水位的影响较小;而在三峡工程流量调控的影响下,分潮振幅变化趋势与概率密度函数法得到的水位变化趋势相反,即对极值水位影响也相反,表明长江口感潮河段由于三峡工程流量调节后,导致潮汐振幅的改变对极值水位的影响较小,极值水位的变化直接对流量条件的响应更为显著。
展开更多
关键词
极值水位
概率密度函数
ns_tide
调和分析
分潮振幅
在线阅读
下载PDF
职称材料
基于非稳态调和分析和长短时记忆神经网络的河口潮位短期预报混合模型
被引量：
9
3
作者
徐晓武
陈永平
+1 位作者
甘敏
刘畅
《海洋通报》
CAS
CSCD
北大核心
2022年第4期401-410,共10页
河口潮汐过程受上游径流、外海潮波等因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析(NS.TIDE)和长短时记忆(LSTM)神经网络的混合模型,对河口潮位进行12-48 h短期预报。该模型首先对河口实测潮汐数据进行非...
河口潮汐过程受上游径流、外海潮波等因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析(NS.TIDE)和长短时记忆(LSTM)神经网络的混合模型,对河口潮位进行12-48 h短期预报。该模型首先对河口实测潮汐数据进行非稳态调和分析,通过与实测资料对比得到分析误差的时序序列,并以此作为LSTM神经网络的输入数据,通过网络学习并预测未来12~48 h潮位预报误差,据此对NS_TIDE的预测结果进行实时校正。利用该模型对2020年长江口潮位过程进行了预报检验,结果表明混合模型12 h、24 h、36 h和48 h短期水位预报的均方根误差(RMSE)相比NS_TIDE模型至多分别降低了0.16 m、0.15 m、0.14 m和0.12 m;针对2020年南京站最高水位预测,NS.TIDE模型预报误差为0.64 m,而混合模型预报误差仅为0.10 m。
展开更多
关键词
河口潮汐
长短时记忆神经网络
水位预报
长江口
非稳态调和分析模型
在线阅读
下载PDF
职称材料
题名
基于数据驱动的长江口潮位预报方法研究
被引量：
1
1
作者
甘敏
陈永平
赖锡军
闻云呈
夏明嫣
储鏖
机构
水利部水旱灾害防御重点实验室
中国科学院南京地理与湖泊研究所湖泊与流域水安全重点实验室
河海大学水灾害防御全国重点实验室
河海大学水科学研究院
出处
《水道港口》
2025年第4期489-497,共9页
基金
水利部水旱灾害防御重点实验室开放研究基金项目(KYFB202308140246)
国家自然科学基金项目(42171012)
+1 种基金
中国科学院南京地理与湖泊研究所自主部署科研项目(NIGLAS2022GS07)
江苏省水利科技项目(2023046,2023021)。
文摘
河口地区作为陆海交互的地带,易遭受洪水侵袭。河口上游来流与下游潮汐在感潮河段相互作用强烈,两者综合作用形成的河口潮汐具有极强的时空异质性,难以预判其发生发展,也是造成区域洪水的重要来源之一。长江感潮河段跨度长,其径流与潮汐相互作用形成的河口潮汐极具代表性。准确预报长江口潮位是支撑区域防洪减灾的重要基础。结合非稳态调和分析(NS_TIDE)和基于数据驱动的自回归(Auto-regressive,AR)模型,以2020年为例开展了针对长江口潮位的预报方法研究,并探讨了长江口潜在洪水风险。提出了NS_TIDE模型开展河口潮位预报时所需上下边界信息的获取方法,通过NS_TIDE模型开展基础预报,进而以AR模型对NS_TIDE模型的预报结果进行短期误差校正,形成最终的混合模型(NS_TIDE&AR)预报结果。2020年的测试结果表明,其24 h短期预报精度在0.08~0.12 m,即使在该年洪水期间,模型依旧稳健性良好。
关键词
长江口
感潮河段
河口潮汐
数据驱动
非稳态调和分析
自回归模型
Keywords
Yangtze estuary
tidal reach
estuarine tide
data-driven algorithms
ns_tide
AR
分类号
U65 [交通运输工程—港口、海岸及近海工程]
P731.23 [天文地球—海洋科学]
在线阅读
下载PDF
职称材料
题名
三峡工程对长江下游感潮河段极值水位的影响
被引量：
5
2
作者
张景瑞
季小梅
张蔚
郁夏琰
杨琰
机构
河海大学江苏省海岸海洋资源开发与环境安全重点实验室
上海滩涂海岸工程技术研究中心
河海大学疏浚技术教育部工程研究中心
港口航道泥沙工程交通行业重点实验室
出处
《水道港口》
2021年第1期78-83,共6页
基金
国家自然科学基金长江水科学研究联合基金(U2040203)
国家重点研发计划(2017YFC0405401)
+1 种基金
港口航道泥沙工程交通行业重点实验室开放基金(Yk220001-5)
河海大学中央高校基本科研业务费专项资金资助(B210202026)。
文摘
以往河流极值水位的研究往往选取年最大和最小水位开展分析,但这容易忽略了小概率因素带来的随机性的影响。为了更合理揭示长江感潮河段极值水位的演变趋势,并分析三峡工程对其影响,文章通过概率密度函数法及NS_TIDE调和分析,分析了长江下游感潮河段极值水位的演变规律。结果表明:三峡工程的流量调节对长江下游高水位有着显著的影响,高水位的变化在三峡工程建成前后由上升变为下降趋势,但三峡工程对于低水位的影响较小;而在三峡工程流量调控的影响下,分潮振幅变化趋势与概率密度函数法得到的水位变化趋势相反,即对极值水位影响也相反,表明长江口感潮河段由于三峡工程流量调节后,导致潮汐振幅的改变对极值水位的影响较小,极值水位的变化直接对流量条件的响应更为显著。
关键词
极值水位
概率密度函数
ns_tide
调和分析
分潮振幅
Keywords
extreme water level
probability density function
ns_tide
harmonic analysis
tidal amplitude
分类号
U617 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
基于非稳态调和分析和长短时记忆神经网络的河口潮位短期预报混合模型
被引量：
9
3
作者
徐晓武
陈永平
甘敏
刘畅
机构
河海大学港口海岸与近海工程学院
出处
《海洋通报》
CAS
CSCD
北大核心
2022年第4期401-410,共10页
基金
国家自然科学基金(51979076)
中央高校基本科研业务费项目(B200204017)。
文摘
河口潮汐过程受上游径流、外海潮波等因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析(NS.TIDE)和长短时记忆(LSTM)神经网络的混合模型,对河口潮位进行12-48 h短期预报。该模型首先对河口实测潮汐数据进行非稳态调和分析,通过与实测资料对比得到分析误差的时序序列,并以此作为LSTM神经网络的输入数据,通过网络学习并预测未来12~48 h潮位预报误差,据此对NS_TIDE的预测结果进行实时校正。利用该模型对2020年长江口潮位过程进行了预报检验,结果表明混合模型12 h、24 h、36 h和48 h短期水位预报的均方根误差(RMSE)相比NS_TIDE模型至多分别降低了0.16 m、0.15 m、0.14 m和0.12 m;针对2020年南京站最高水位预测,NS.TIDE模型预报误差为0.64 m,而混合模型预报误差仅为0.10 m。
关键词
河口潮汐
长短时记忆神经网络
水位预报
长江口
非稳态调和分析模型
Keywords
estuary tides
LSTM
water-Level prediction
Changjiang Estuary
ns_tide
分类号
P731.34 [天文地球—海洋科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数据驱动的长江口潮位预报方法研究
甘敏
陈永平
赖锡军
闻云呈
夏明嫣
储鏖
《水道港口》
2025
1
在线阅读
下载PDF
职称材料
2
三峡工程对长江下游感潮河段极值水位的影响
张景瑞
季小梅
张蔚
郁夏琰
杨琰
《水道港口》
2021
5
在线阅读
下载PDF
职称材料
3
基于非稳态调和分析和长短时记忆神经网络的河口潮位短期预报混合模型
徐晓武
陈永平
甘敏
刘畅
《海洋通报》
CAS
CSCD
北大核心
2022
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
