基于LightGBM算法的潮位预报修正研究

FANG Chen, HUANG Hai-long,GAN Min,CHU Ao,YANG Zhang-feng

Journal of Waterway and Harbor（2023）

引用 0|浏览0

暂无评分

摘要

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(48h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24h和48h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.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要