1、海洋潮汐信息對(duì)人類(lèi)的生產(chǎn)活動(dòng)起著日益增強(qiáng)的影響作用。準(zhǔn)確實(shí)時(shí)的海洋潮汐信息對(duì)于船舶安全航行、沿岸碼頭港口工程設(shè)計(jì)等有著重要的指導(dǎo)意義。隨著當(dāng)代航運(yùn)業(yè)的發(fā)展，對(duì)潮位信息的精度要求也日益增加。此外，隨著船舶向大型化的方向發(fā)展，對(duì)于日益增多的大型船舶提供實(shí)時(shí)準(zhǔn)確的潮高信息，可以在很大程度上減少擱淺或者碰撞橋梁等事故。
　　潮汐預(yù)測(cè)最為傳統(tǒng)的預(yù)測(cè)方法是調(diào)和分析法。但該方法往往需要基于大量的潮汐觀測(cè)記錄數(shù)據(jù)來(lái)獲取較為準(zhǔn)確的調(diào)和分析預(yù)報(bào)模型。

2、由于長(zhǎng)期實(shí)地?cái)?shù)據(jù)觀測(cè)記錄通常會(huì)需要較高的成本，對(duì)于一些港口來(lái)說(shuō)獲取如此大量的長(zhǎng)期觀測(cè)數(shù)據(jù)的可行性比較低。此外，傳統(tǒng)的調(diào)和分析法在進(jìn)行潮汐分析預(yù)報(bào)時(shí)主要考慮了天體引潮力的作用，然而海洋潮汐卻受到氣溫、氣壓以及降水量等時(shí)變非線性因素的影響，呈現(xiàn)出一定的非確定性和時(shí)變性，使用傳統(tǒng)的靜態(tài)結(jié)構(gòu)模型較難獲得精確的實(shí)時(shí)潮汐水位預(yù)報(bào)信息。
　　隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)模型廣泛應(yīng)用于系統(tǒng)預(yù)測(cè)領(lǐng)域。本研究將應(yīng)用最為廣泛的誤差反向傳播神經(jīng)網(wǎng)

3、絡(luò)(Back Propagation，BP)應(yīng)用于潮汐水位預(yù)報(bào)。然而傳統(tǒng)的BP模型在預(yù)測(cè)方面存在著一定的缺陷:如網(wǎng)絡(luò)模型的參數(shù)選擇不當(dāng)，可能會(huì)使訓(xùn)練模型陷入局部最優(yōu)，且模型容易受到網(wǎng)絡(luò)結(jié)構(gòu)的影響等。為進(jìn)一步改進(jìn)傳統(tǒng)的BP模型，提高模型預(yù)報(bào)精度，本研究建立了一種基于自適應(yīng)變異粒子群優(yōu)化算法(Self-adaptive Particle Swarm Optimization，SAPSO)的BP神經(jīng)網(wǎng)絡(luò)潮汐水位預(yù)報(bào)模型。模型采用改進(jìn)的PSO算

4、法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，克服了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)對(duì)初始權(quán)值閾值敏感，容易陷入局部最優(yōu)缺點(diǎn)，進(jìn)一步提高了潮汐水位的預(yù)報(bào)精度。并基于Isabel驗(yàn)潮站的實(shí)測(cè)潮汐數(shù)據(jù)，將本研究建立的模型與傳統(tǒng)的調(diào)和分析模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真預(yù)報(bào)對(duì)比。 此外，文章將建立的SAPSO-BP預(yù)報(bào)模型應(yīng)用于區(qū)域性潮汐水位預(yù)報(bào)，創(chuàng)建了一種區(qū)域性潮汐水位預(yù)報(bào)模型。并采用Isabel驗(yàn)潮站的潮汐水位實(shí)測(cè)數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了SAPSO-BP區(qū)域性預(yù)報(bào)模型的預(yù)