第12卷第5期 智能系统学报 Vol.12 No.5 2017年10月 CAAI Transactions on Intelligent Systems 0ct.2017 D0I:10.11992/is.201706015 网络出版地址：http:/kns.cmki.net/kcms/detail/23.1538.TP.20170831.1058.010.html 基于递归神经网络的风暴潮增水预测 雷森'，史振威，石天阳，高松2，李亚茹2，钟山2 (1.北京航空航天大学宇航学院图像处理中心，北京100191：2.国家海洋局北海预报中心，山东青岛266000) 摘要：风暴潮增水的准确预测能极大地减少人员伤害和经济损失，具有重要的实用价值。传统的风暴潮预报方法 主要包括经验和数值预报，很难建立起相对准确的模型。现有的基于机器学习风暴潮预报方法大都只提取出静态 数据间的关系，并没有充分挖掘出风暴潮数据背后的时序关联特性。文中提出了一种基于递归神经网络的风暴潮 增水预测方法。本文对风暴潮时序数据进行特定的处理，并设计合适结构的递归神经网络，从而完成时序数据的预 测。相较于传统的BP神经网络，递归神经网络能更好地应对时序数据的预测问题。将该方法用于潍坊水站的增水 预测中，结果表明，相对于B即神经网络，递归神经网络能得到更好的预测结果，误差更小。 关键词：风暴潮增水；预测；数值预报；机器学习；静态数据；时序特性；BP神经网络；递归神经网络 中图分类号：TP751文献标志码：A文章编号：1673-4785(2017)05-0640-05 中文引用格式：雷森，史振威，石天阳，等.基于递归神经网络的风暴潮增水预测[J].智能系统学报，2017,12(5)：640-644. 英文引用格式：LEI Sen,SHI Zhenwei,SHI Tianyang,etal.Prediction of storm surge based on recurrent neural network[J】. CAAI transactions on intelligent systems,2017,12(5):640-644. Prediction of storm surge based on recurrent neural network LEI Sen',SHI Zhenwei',SHI Tianyang',GAO Song?,LI Yaru2,ZHONG Shan2 (1.Image Processing Center,School of Astronautics,Beihang University,Beijing 100191,China;2.Beihai Forecast Center of State Oceanic Administration,Qingdao 266000,China) Abstract:Accurately forecasting storm surges can greatly reduce personnel injuries and economic losses,and so has great practical value.Traditional methods for predicting storm surge mainly involve experience and numerical forecasting,which makes it very hard to establish accurate models.Most of today's storm surge forecast methods based on machine learning only extract the relationships among static data and fail to identify the relevant time series properties of these data.In this paper,we propose a storm surge forecast method based on the recurrent neural network.The storm surge data is rearranged with particular treatments,and an appropriate recurrent neural network is designed to perform the prediction of the time series.Compared with traditional BP neural networks,the recurrent neural network can better forecast time series data.In this study,we used a recurrent neural network to predict surges at the Weifang gauge station.The results show that the recurrent neural network produces a better prediction with a smaller error than the BP neural network. Keywords:storm surge;prediction;numerical forecast;machine learning;static data;temporal properties;BP neural networks:recurrent neural network 风暴潮(storm surge)是一种由于强烈大气扰 结合所引起的沿岸海水暴涨常常酿成巨大潮灾山。 动，如热带气旋（台风、飓风）、温带气旋等，引起的 风暴潮灾害的及时预报能极大地减少其对沿海地 海面异常升高现象。它具有数小时至数天的周期， 区带来的人员伤害和经济损失，具有很强的实用 通常叠加在正常潮位之上，而风浪、涌浪（具有数秒 价值。 的周期)则叠加在风暴潮和正常潮位之上。它们的 传统的风暴潮预报方法主要分为两大类：经验 收稿日期：2017-06-07.网络出版日期：2017-08-31 预报方法和数值预报方法。经验预报方法通常是 基金项目：国家自然科学基金项目(61671037). 指预报员的主观经验和经验统计预报方法，而数值 通信作者：史振威.E-mail:shizhenwei(@bua.edu.cm.第 １２ 卷第 ５ 期 智 能 系 统 学 报 Ｖｏｌ．１２ №．５ ２０１７ 年 １０ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｏｃｔ． ２０１７ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１７０６０１５ 网络出版地址：ｈｔｔｐ： ／ ／ ｋｎｓ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１７０８３１．１０５８．０１０．ｈｔｍｌ 基于递归神经网络的风暴潮增水预测 雷森１ ，史振威１ ，石天阳１ ，高松２ ，李亚茹２ ，钟山２ （１．北京航空航天大学 宇航学院图像处理中心，北京 １００１９１； ２． 国家海洋局 北海预报中心，山东 青岛 ２６６０００） 摘 要：风暴潮增水的准确预测能极大地减少人员伤害和经济损失，具有重要的实用价值。 传统的风暴潮预报方法 主要包括经验和数值预报，很难建立起相对准确的模型。 现有的基于机器学习风暴潮预报方法大都只提取出静态 数据间的关系，并没有充分挖掘出风暴潮数据背后的时序关联特性。 文中提出了一种基于递归神经网络的风暴潮 增水预测方法。 本文对风暴潮时序数据进行特定的处理， 并设计合适结构的递归神经网络，从而完成时序数据的预 测。 相较于传统的 ＢＰ 神经网络，递归神经网络能更好地应对时序数据的预测问题。 将该方法用于潍坊水站的增水 预测中，结果表明，相对于 ＢＰ 神经网络，递归神经网络能得到更好的预测结果，误差更小。 关键词：风暴潮增水；预测；数值预报；机器学习；静态数据；时序特性；ＢＰ 神经网络；递归神经网络 中图分类号：ＴＰ７５１ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１７）０５－０６４０－０５ 中文引用格式：雷森，史振威，石天阳，等．基于递归神经网络的风暴潮增水预测［Ｊ］． 智能系统学报， ２０１７， １２（５）： ６４０－６４４． 英文引用格式：ＬＥＩ Ｓｅｎ， ＳＨＩ Ｚｈｅｎｗｅｉ， ＳＨＩ Ｔｉａｎｙａｎｇ，ｅｔ ａｌ． Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｔｏｒｍ ｓｕｒｇｅ ｂａｓｅｄ ｏｎ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ［ Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１７， １２（５）： ６４０－６４４． Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｔｏｒｍ ｓｕｒｇｅ ｂａｓｅｄ ｏｎ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ＬＥＩ Ｓｅｎ １ ， ＳＨＩ Ｚｈｅｎｗｅｉ １ ， ＳＨＩ Ｔｉａｎｙａｎｇ １ ， ＧＡＯ Ｓｏｎｇ ２ ， ＬＩ Ｙａｒｕ ２ ， ＺＨＯＮＧ Ｓｈａｎ ２ （１． Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｃｅｎｔｅｒ， Ｓｃｈｏｏｌ ｏｆ Ａｓｔｒｏｎａｕｔｉｃｓ， Ｂｅｉｈａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １００１９１， Ｃｈｉｎａ； ２． Ｂｅｉｈａｉ Ｆｏｒｅｃａｓｔ Ｃｅｎｔｅｒ ｏｆ Ｓｔａｔｅ Ｏｃｅａｎｉｃ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ， Ｑｉｎｇｄａｏ ２６６０００， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｃｃｕｒａｔｅｌｙ ｆｏｒｅｃａｓｔｉｎｇ ｓｔｏｒｍ ｓｕｒｇｅｓ ｃａｎ ｇｒｅａｔｌｙ ｒｅｄｕｃｅ ｐｅｒｓｏｎｎｅｌ ｉｎｊｕｒｉｅｓ ａｎｄ ｅｃｏｎｏｍｉｃ ｌｏｓｓｅｓ， ａｎｄ ｓｏ ｈａｓ ｇｒｅａｔ ｐｒａｃｔｉｃａｌ ｖａｌｕｅ． Ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｓｔｏｒｍ ｓｕｒｇｅ ｍａｉｎｌｙ ｉｎｖｏｌｖｅ ｅｘｐｅｒｉｅｎｃｅ ａｎｄ ｎｕｍｅｒｉｃａｌ ｆｏｒｅｃａｓｔｉｎｇ， ｗｈｉｃｈ ｍａｋｅｓ ｉｔ ｖｅｒｙ ｈａｒｄ ｔｏ ｅｓｔａｂｌｉｓｈ ａｃｃｕｒａｔｅ ｍｏｄｅｌｓ． Ｍｏｓｔ ｏｆ ｔｏｄａｙ’ ｓ ｓｔｏｒｍ ｓｕｒｇｅ ｆｏｒｅｃａｓｔ ｍｅｔｈｏｄｓ ｂａｓｅｄ ｏｎ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ｏｎｌｙ ｅｘｔｒａｃｔ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐｓ ａｍｏｎｇ ｓｔａｔｉｃ ｄａｔａ ａｎｄ ｆａｉｌ ｔｏ ｉｄｅｎｔｉｆｙ ｔｈｅ ｒｅｌｅｖａｎｔ ｔｉｍｅ ｓｅｒｉｅｓ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｔｈｅｓｅ ｄａｔａ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｗｅ ｐｒｏｐｏｓｅ ａ ｓｔｏｒｍ ｓｕｒｇｅ ｆｏｒｅｃａｓｔ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ． Ｔｈｅ ｓｔｏｒｍ ｓｕｒｇｅ ｄａｔａ ｉｓ ｒｅａｒｒａｎｇｅｄ ｗｉｔｈ ｐａｒｔｉｃｕｌａｒ ｔｒｅａｔｍｅｎｔｓ， ａｎｄ ａｎ ａｐｐｒｏｐｒｉａｔｅ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｓ ｄｅｓｉｇｎｅｄ ｔｏ ｐｅｒｆｏｒｍ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ｔｉｍｅ ｓｅｒｉｅｓ． Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｒａｄｉｔｉｏｎａｌ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ｔｈｅ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃａｎ ｂｅｔｔｅｒ ｆｏｒｅｃａｓｔ ｔｉｍｅ ｓｅｒｉｅｓ ｄａｔａ． Ｉｎ ｔｈｉｓ ｓｔｕｄｙ， ｗｅ ｕｓｅｄ ａ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｏ ｐｒｅｄｉｃｔ ｓｕｒｇｅｓ ａｔ ｔｈｅ Ｗｅｉｆａｎｇ ｇａｕｇｅ ｓｔａｔｉｏｎ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｏｄｕｃｅｓ ａ ｂｅｔｔｅｒ ｐｒｅｄｉｃｔｉｏｎ ｗｉｔｈ ａ ｓｍａｌｌｅｒ ｅｒｒｏｒ ｔｈａｎ ｔｈｅ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ． Ｋｅｙｗｏｒｄｓ：ｓｔｏｒｍ ｓｕｒｇｅ； ｐｒｅｄｉｃｔｉｏｎ； ｎｕｍｅｒｉｃａｌ ｆｏｒｅｃａｓｔ； ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ； ｓｔａｔｉｃ ｄａｔａ； ｔｅｍｐｏｒａｌ ｐｒｏｐｅｒｔｉｅｓ； ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ； ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ 收稿日期：２０１７－０６－０７． 网络出版日期：２０１７－０８－３１． 基金项目：国家自然科学基金项目（６１６７１０３７）． 通信作者：史振威．Ｅ⁃ｍａｉｌ：ｓｈｉｚｈｅｎｗｅｉ＠ ｂｕａａ．ｅｄｕ．ｃｎ． 风暴潮（ ｓｔｏｒｍ ｓｕｒｇｅ） 是一种由于强烈大气扰 动，如热带气旋（台风、飓风）、温带气旋等，引起的 海面异常升高现象。 它具有数小时至数天的周期， 通常叠加在正常潮位之上，而风浪、涌浪（具有数秒 的周期）则叠加在风暴潮和正常潮位之上。 它们的 结合所引起的沿岸海水暴涨常常酿成巨大潮灾［１］ 。 风暴潮灾害的及时预报能极大地减少其对沿海地 区带来的人员伤害和经济损失，具有很强的实用 价值。 传统的风暴潮预报方法主要分为两大类：经验 预报方法和数值预报方法。 经验预报方法通常是 指预报员的主观经验和经验统计预报方法，而数值