基于潮汐特性识别与场景自适应的整点缺测值回补方法与系统

摘要: 本申请涉及海洋水文观测数据处理,尤其涉及一种基于潮汐特性识别与场景自适应的整点缺测值回补方法与系统。背景技术:1、在海洋测绘、港口航道工程建设、防灾减灾以及海洋...
基于潮汐特性识别与场景自适应的整点缺测值回补方法与系统

本申请涉及海洋水文观测数据处理,尤其涉及一种基于潮汐特性识别与场景自适应的整点缺测值回补方法与系统。

背景技术:

1、在海洋测绘、港口航道工程建设、防灾减灾以及海洋环境监测等领域,长序列、整点连续的潮汐观测数据是进行调和分析、计算工程设计水位(如设计高潮位、设计低潮位)以及推算天文潮预报的基础。数据的连续性和完整性直接决定了后续水文分析结果的可靠度。

2、在实际的工程海洋观测实践中,由于海洋环境恶劣(如台风、腐蚀)、供电系统故障、传感器漂移或数据传输链路中断等不可控因素,潮汐数据的整点缺测现象普遍存在。这些缺测数据的时长长短不一,从偶然的单点缺失(如1小时)到长达数天甚至数周的连续缺失均时有发生。

3、现有技术的工程局限性

4、现有技术中,单一回补模型的适用性受限 目前的工程实践通常采用固定的单一算法处理缺测数据,难以适应多变的缺测场景。例如,插值类算法(如三次样条插值)依赖于数据的局部连续性,仅适用于短时缺测,在缺测时长超过一定比例的潮周期时,无法准确重构潮汐的极值点,导致拟合误差显著增大;

5、而物理模型或统计模型(如调和分析、深度学习)虽然在长序列重构上具有优势,但往往依赖充足的历史样本数据进行参数率定,在面对数据样本稀疏或短序列突发缺测时,其收敛速度和计算精度难以满足工程实时处理的需求。

6、现有技术缺乏基于潮汐特性的自适应处理机制 现有技术通常未充分考量观测海域潮汐类型的差异性(即半日潮与全日潮的周期显著不同)。 在进行缺测处理时,常规方法往往设定固定的时间阈值(如统一设定6小时为界限)来划分处理策略。由于不同类型潮汐的周期长度不同(半日潮周期约为12.5小时,全日潮周期约为25小时),固定的时间阈值无法在不同海域体现一致的物理意义(例如:同样是6小时,对于半日潮已接近半个周期,相位变化显著;而对于全日潮仅为1/4周期,变化相对平缓)。这种忽略潮汐周期特性的处理方式,限制了方法在不同海域的通用性和回补精度。

技术实现思路

1、本申请实施例提供一种基于潮汐特性识别与场景自适应的整点缺测值回补方法与系统,解决现有潮汐观测数据回补技术忽视海域潮汐特性差异、且难以兼顾不同缺测时长处理精度的技术问题。

2、本申请实施例提出一种基于潮汐特性识别与场景自适应的整点缺测值回补方法,包括:

3、步骤s101、获取目标观测站点的潮位观测数据,选取率定序列;基于所述率定序列进行调和分析,解算太阴主要半日分潮振幅、太阳主要半日分潮振幅、太阴主要日分潮振幅及日月合成日分潮振幅,计算潮型系数,根据值判定潮汐类型并设定基准周期;

4、步骤s102、遍历待处理的潮汐数据序列,识别单次缺测事件,计算缺测持续时长;将所述与预设的最大可回补时限进行比较,实施回补可行性前置校验;

5、步骤s103、对不同的场景,进行多策略自适应回补。

6、本申请实施例还提出一种基于潮汐特性识别与场景自适应的整点缺测值回补系统,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如前的基于潮汐特性识别与场景自适应的整点缺测值回补方法的步骤。

7、本申请通过自动识别潮汐类型并设定动态基准周期,建立“潮汐特性-缺测时长-回补策略”的动态映射机制,实现对不同海域、不同时间尺度缺测数据的智能化、高保真重构,从而保障海洋工程基础数据的连续性与可靠性。解决现有潮汐观测数据回补技术忽视海域潮汐特性差异、且难以兼顾不同缺测时长处理精度的技术问题。

8、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。

1.一种基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,包括:

2.如权利要求1所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,根据值判定潮汐类型并设定基准周期包括:

3.如权利要求1所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,将所述与预设的最大可回补时限进行比较,实施回补可行性前置校验包括:

4.如权利要求3所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,所述场景细分依据所述动态基准周期,按缺测时长与潮汐周期的比值关系,将可回补的缺测事件划分为三种场景:

5.如权利要求4所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,对不同的场景,进行多策略自适应回补包括:

6.如权利要求5所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,采用物理机制与数据驱动耦合的重构模型进行回补包括:

7.如权利要求6所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,所述深度学习模型为长短期记忆网络或门控循环单元网络;所述气象驱动因子包括风速、风向和气压中的至少一种;

8.如权利要求1所述的基于潮汐特性识别与场景自适应的整点缺测值回补方法,其特征在于,还包括步骤s104回补质量评价与择优:

9.一种基于潮汐特性识别与场景自适应的整点缺测值回补系统,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述基于潮汐特性识别与场景自适应的整点缺测值回补方法的步骤。