近日，《APPLIED OCEAN RESEARCH》相关研究，提出了一种改进的潮汐预测方法TidalMet-HR，通过结合气象参数和历史残余水位数据，利用双向长短期记忆网络实现高精度的水位预测。 |
1. 研究背景
图源：美篇
2. 研究方法
通过调和分析分解观测到的水位，获得每个潮汐分量的调和常数，利用这些常数准确预测天文潮汐。 将历史残余水位、风速、风向和气压输入Bi-LSTM模型，建立残余水位预测模型。 利用预测的残余水位信息修正天文潮汐，实现精确的潮汐预测。
图源：APPLIED OCEAN RESEARCH
3. 研究贡献
TidalMet-HR方法准确预测了未来36小时内的水位变化，表现出优越的精度和稳定性。
成功融合了气象参数和历史水位数据，以提高水位预测的精确性。
通过加入更多的影响因素和使用大气预报数据，有希望进一步提高预测的准确性和预测时长。
图源：APPLIED OCEAN RESEARCH
4. 展望与思考
本次研究所采用的方法展现了一种跨学科的研究方法，将数学建模、神经网络分析和气象学研究相结合，以提高预测海平面水位的准确性和可靠性。此外，还可从以下几方面考虑，以提升潮汐预测效果：
多步预测方法：发展能够进行连续多步预测的模型，以改进对潮汐变化的长期预测能力。 极端天气条件下的性能： 探究模型在极端天气，如风暴潮等条件下的预测性能，以便更好地应对气候变化带来的挑战。
实时监测与预警系统： 构建实时潮汐监测和预警系统，能够为相关领域提供及时的信息支持，降低自然灾害风险。
引文格式：
Sun Y, Wang R, Qi C, et al. An improved tidal prediction method using meteorological parameters and historical residual water levels[J]. Applied Ocean Research, 2024, 153: 104289.
https://doi.org/10.1016/j.apor.2024.104289
------------------------------------
PS: 本文内容来源网络：APPLIED OCEAN RESEARCH，版权归原作者及刊载媒体所有，所刊载内容仅供交流参考使用，不代表本公众号立场。
- End -
往期推荐
好文推荐 | IJDE：最新研究给多波束水体影像配了“超分眼镜”
好文推荐 |Nature Communications：华人科学家研究揭示海平面加速上升对海岸湿地的淹没机制
好文推荐 |Nature Geoscience：新的海洋地震学方法提高海啸预警准确性
好文推荐 | ISPRS: 高分辨卫星影像助力远海岛礁浅海地形高效探测
点击“阅读原文”
