期刊导航
期刊开放获取
上海教育软件发展有限公..
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
1
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
长江下游潮汐河段高精度潮位预报方法比较研究
1
作者
夏明嫣
张帆一
+3 位作者
闻云呈
夏云峰
胡庆芳
侍翰生
《水资源保护》
北大核心
2025年第4期159-168,共10页
针对长江下游高水位主控因素的沿程变化,采用非稳态潮汐调和分析(NS_TIDE)模型、非稳态潮汐调和分析与自回归模型修正(NS_TIDE-AR)组合方法、Transformer深度学习模型、水动力学模型、水动力学模型结合集合卡尔曼滤波(HM-EnKF)同化方法...
针对长江下游高水位主控因素的沿程变化,采用非稳态潮汐调和分析(NS_TIDE)模型、非稳态潮汐调和分析与自回归模型修正(NS_TIDE-AR)组合方法、Transformer深度学习模型、水动力学模型、水动力学模型结合集合卡尔曼滤波(HM-EnKF)同化方法预报长江下游潮位,并对比了各种方法对长江下游沿线站点潮位预报的精度和在不同条件下的适用性。结果表明:相同条件下Transformer深度学习模型的潮位预报精度最高且最稳定,NS_TIDE-AR组合方法与HM-EnKF同化方法的精度较为接近,NS_TIDE模型和水动力学模型误差相对较大;NS_TIDE-AR组合方法、Transformer深度学习模型、HM-EnKF同化方法均能较好地预报洪水期长江下游潮位,NS_TIDE-AR组合方法不适用于风暴潮期间的潮位预报。
展开更多
关键词
洪水
风暴潮
潮位预报
非稳态潮汐调和分析
Transformer深度学习模型
水动力学模型
长江下游
在线阅读
下载PDF
职称材料
题名
长江下游潮汐河段高精度潮位预报方法比较研究
1
作者
夏明嫣
张帆一
闻云呈
夏云峰
胡庆芳
侍翰生
机构
南京水利科学研究院水利部水旱灾害防御重点实验室
江苏省水利勘测设计研究院有限公司
出处
《水资源保护》
北大核心
2025年第4期159-168,共10页
基金
国家重点研发计划项目(2021YFC30001000)
国家自然科学基金项目(52201332)
江苏省水利科技项目(2023046,2023021)。
文摘
针对长江下游高水位主控因素的沿程变化,采用非稳态潮汐调和分析(NS_TIDE)模型、非稳态潮汐调和分析与自回归模型修正(NS_TIDE-AR)组合方法、Transformer深度学习模型、水动力学模型、水动力学模型结合集合卡尔曼滤波(HM-EnKF)同化方法预报长江下游潮位,并对比了各种方法对长江下游沿线站点潮位预报的精度和在不同条件下的适用性。结果表明:相同条件下Transformer深度学习模型的潮位预报精度最高且最稳定,NS_TIDE-AR组合方法与HM-EnKF同化方法的精度较为接近,NS_TIDE模型和水动力学模型误差相对较大;NS_TIDE-AR组合方法、Transformer深度学习模型、HM-EnKF同化方法均能较好地预报洪水期长江下游潮位,NS_TIDE-AR组合方法不适用于风暴潮期间的潮位预报。
关键词
洪水
风暴潮
潮位预报
非稳态潮汐调和分析
Transformer深度学习模型
水动力学模型
长江下游
Keywords
flood
storm surge
tide level forecasting
non-stationary tidal harmonic analysis
deep learning Transformer model
hydrodynamic model
the lower Yangtze River
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
长江下游潮汐河段高精度潮位预报方法比较研究
夏明嫣
张帆一
闻云呈
夏云峰
胡庆芳
侍翰生
《水资源保护》
北大核心
2025
0
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
