CN112818292A - 一种预报潮汐数据快速获取与拟合方法 - Google Patents

一种预报潮汐数据快速获取与拟合方法 Download PDF

Info

Publication number
CN112818292A
CN112818292A CN202110074825.8A CN202110074825A CN112818292A CN 112818292 A CN112818292 A CN 112818292A CN 202110074825 A CN202110074825 A CN 202110074825A CN 112818292 A CN112818292 A CN 112818292A
Authority
CN
China
Prior art keywords
tide
data
tidal
target
original
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110074825.8A
Other languages
English (en)
Inventor
熊指南
叶作安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Luhai Surveying And Mapping Co ltd
Original Assignee
Tianjin Luhai Surveying And Mapping Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Luhai Surveying And Mapping Co ltd filed Critical Tianjin Luhai Surveying And Mapping Co ltd
Priority to CN202110074825.8A priority Critical patent/CN112818292A/zh
Publication of CN112818292A publication Critical patent/CN112818292A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/002—Measuring the movement of open water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Hydrology & Water Resources (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Algebra (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及预报潮汐数据获取技术领域，公开了一种预报潮汐数据快速获取与拟合方法，包括：利用网络爬虫获取原始潮汐数据；将原始潮汐数据保存至原始数据文件；读取原始潮汐数据，判断原始潮汐数据是否包括所有整时刻的潮高数据，若是，则确定基于整时刻的潮汐曲线，若否，则进一步判断原始潮汐数据是否包括预设数量的高潮点和低潮点，若是，则确定基于高潮和低潮的潮汐曲线，若否，则重新获取原始潮汐数据；该预报潮汐数据快速获取与拟合方法在运行过程中全方位满足了外业人员对预报潮汐文档的需求，减少了作业人员在制作预报潮汐文档过程中所费工时，提高了工作效率，因此可以广泛在海洋测绘技术领域应用。

Description

一种预报潮汐数据快速获取与拟合方法
技术领域
本发明涉及预报潮汐数据获取技术领域，具体涉及一种预报潮汐数据快速获取与拟合方法。
背景技术
在海洋测绘实践中，对水深地形的测量经常会遭遇测量误差问题，当所测的水深值订正至规定的深度基准面，不同时间段所测量的同一测线，检查水深记录并无操作不当等原因，而其水深却依然存在系统性的差异现象，通常情况下，这种误差是由潮汐因素造成的。详细、准确的水位观测能够有效保证将所测的水深订正至规定的深度基准面，确保浅地层剖面仪、单波束测深仪以及多波束测深仪等仪器在作业过程中获取更为准确的数据成果。
为获得更为合理的潮汐数据，需要外业工作人员人工访问相关网站，摘抄网站中的潮汐数据，进行大量的操作以获取并拟合潮汐数据。针对不同海测仪器的需求，外业工作人员需经过摘抄预报潮汐数据、转换潮汐数据时间间隔、使用CAD软件制作B样条曲线、编写符合仪器要求的数据格式文档等4道流程，方能完成预报潮汐数据的获取与拟合工作，繁琐的数据拷贝以及软件切换，极大的拖慢了项目工作效率。一天的潮汐数据大多需要一个熟练的外业工作人员进行30分钟以上的整合方能完成，并且存在着一定失误的可能性，整合完成后，如果不进行认真细致的自检和互检，就无法确保项目测量数据的准确性。
可见，现有技术中的获取和拟合预报潮汐数据的方法耗费人力和时间，并且准确性也存在一定程度的偏差。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种预报潮汐数据快速获取与拟合方法，该预报潮汐数据快速获取与拟合方法只需较少的人力，就能够更加快速、准确地获取并拟合预报潮汐数据。
为了实现上述目的，本发明提供如下技术方案：
一种预报潮汐数据快速获取与拟合方法，包括：S1：利用网络爬虫访问目标服务器，获取原始潮汐数据；S2：将获取的原始潮汐数据保存至原始数据文件；S3：从原始数据文件中读取原始潮汐数据，判断原始潮汐数据是否包括所有整时刻的潮高数据，若是，则执行S4，若否，则执行S5；S4：根据所有整时刻的潮高数据，确定基于整时刻的潮汐曲线，所述基于整时刻的潮汐曲线作为预报潮汐数据；S5：判断原始潮汐数据是否包括预设数量的高潮点和低潮点，若是，则执行S6，若否，则重新执行S1；S6：预设数量的高潮点和低潮点，确定基于高潮和低潮的潮汐曲线，所述基于高潮和低潮的潮汐曲线作为预报潮汐数据。
在本发明中，优选的，所述S6包括：S601：判断潮汐类型是否为全日潮，若是，则执行S602，若否，则执行S603；S602：根据以下函数确定基于高潮和低潮的潮汐曲线：
H(ti)＝a0+b0ti+c0ti 2+a1cos(ωti)+b1sin(ωti)+a2cos(2ωti)+b2sin(2ωti) i＝1,2,3；
S603：根据以下函数确定基于高潮和低潮的潮汐曲线：
H(ti)＝(h1+2h2+h3)/4+a1cos(ωti/2)+b1sin(ωti/2)+a2cos(ωti)+b2sin(ωti)+a3cos(2ωti)+b3sin(2ωti) i＝1,2,3；
其中，t表示时刻，h表示潮高，(t1，h1)、(t2，h2)、(t3，h3)表示三个连续的高低潮点，ω表示潮汐的角速度，T表示潮汐的周期，ω＝2π/T。
在本发明中，优选的，所述S1包括：S101：选择可用的目标服务器进行连接；S102：输入目标港口及目标日期；S103：根据目标港口及目标日期，从目标服务器获取原始潮汐数据；S104：判断原始潮汐数据获取是否成功，若是，则执行S2，若否，则执行S105；S105：显示原始潮汐数据获取失败的信息，并结束进程。
在本发明中，优选的，所述S101包括：S1011：从预设的目标服务器顺序表中随机选择一个目标服务器进行连接；S1012：判断正在连接的目标服务器是否有正确响应，若是，则执行S102，若否，则执行S1013；S1013：停止与当前目标服务器的连接，选择目标服务器顺序表中的下一个目标服务器进行连接，执行S1012。
在本发明中，优选的，所述目标服务器顺序表中至少包括两个以上目标服务器的识别信息、地址和排列顺序，所述识别信息与地址一一对应。
在本发明中，优选的，所述S102包括：S1021：显示省份信息，从省份信息中选择目标省份；S1022：显示目标省份的港口信息，从港口信息中选择目标港口；S1023：将港口信息保存至港口信息文件；S1024：显示日期信息，从日期信息中选择目标日期。
在本发明中，优选的，还包括S7：绘制潮汐变化曲线，将潮汐变化曲线保存至数据文档。
在本发明中，优选的，所述潮汐变化曲线包括原始潮汐变化曲线和拟合潮汐变化曲线，所述原始潮汐变化曲线是根据所述原始潮汐数据绘制而成的，所述拟合潮汐变化曲线是根据所述预报潮汐数据绘制而成的。
在本发明中，优选的，还包括S8：生成并显示包括所述潮汐变化曲线的预览图片。
在本发明中，优选的，所述数据文档的文件名后缀为“.t”、“.tid”、“-eight.tid”和“_new.tid”中的至少一种。
与现有技术相比，本发明的有益效果是：
本发明的预报潮汐数据快速获取与拟合方法基于现有的网站服务器下的原始潮汐数据，进行识别、分析、计算，从而得出预报潮汐数据，并生成相关的数据文件、数据文档，在数据获取时采用了多个不同的数据库作为备用，可在某些网站无法访问到需要数据时快速向系统反馈，并及时捕捉其他网站的潮汐信息，节省了信息检索的工作量，提高了获取目标信息的准确性；在获取的数据量偏少时可以采用备用的曲线拟合方法得出预报潮汐数据，提高了数据拟合的成功率；通过matplotlib等函数曲线绘制软件，使用插值拟合算法对已获取的原始潮汐数据进行计算，获得预报潮汐数据，绘制潮汐变化曲线，从而实现了无软件切换绘图；在获取原始潮汐数据的同时生成港口信息文件后，通过系统自主完成了对该文件的分析，并绘制成以“潮高-时刻”为坐标轴的数据文档和预览图片，免除了工作人员收集预报潮汐数据、通过CAD绘制相关图表等步骤，提高了工作效率；在对数据文档进行输出时，可一次性输出4个满足不同设备需求的数据文档，不但提高了数据采集以及文本编辑的效率，而且免除了数据在拷贝过程中可能产生的误差，提高了数据的精准度。本发明在运行过程中全方位满足了外业人员对预报潮汐文档的需求，减少了作业人员在制作预报潮汐文档过程中所费工时，提高了工作效率，因此可以广泛在海洋测绘技术领域应用。
附图说明
图1为本发明一个实施例的流程图。
图2为本发明另一实施例的流程图。
图3为本发明另一实施例中S101的流程图。
图4为本发明另一实施例中S102的流程图。
图5为本发明另一实施例的流程图。
图6为本发明另一实施例的流程图。
图7为原始潮汐变化曲线的示意图。
图8为原始潮汐变化曲线和拟合潮汐变化曲线的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请同时参见图1至图8，本发明一较佳实施方式提供一种预报潮汐数据快速获取与拟合方法，包括：
S1：利用网络爬虫访问目标服务器，获取原始潮汐数据。
在本实施方式中，目标服务器是指发布相关港口潮汐情况的网站服务器，例如海事服务网、中国港口网、国家海洋信息中心全球潮汐预报服务平台等网站的服务器。网络爬虫可以直接访问目标服务器并获取其中的原始潮汐数据，而省去了访问网站页面的步骤，可以节省访问时间。原始潮汐数据至少包括从目标服务器中可以获取到的预报特定港口在特定日期的一一对应的时刻与潮高数据。
S2：将获取的原始潮汐数据保存至原始数据文件。
为方便计算以及之后的查询和校对，将从目标服务器中获取的原始潮汐数据保存至本地的原始数据文件。原始数据文件可以为多种常用的文件格式，为使原始数据文件节约存储空间且便于查询，可以保存为文本格式，例如其文件名可以为“{港口}{年}-{月}-{日}.txt”。
S3：从原始数据文件中读取原始潮汐数据，判断原始潮汐数据是否包括所有整时刻的潮高数据，若是，则执行S4，若否，则执行S5。
S4：根据所有整时刻的潮高数据，利用三次样条插值法确定基于整时刻的潮汐曲线，所述基于整时刻的潮汐曲线作为预报潮汐数据。
三次样条插值法的基本原理是：
样条曲线S(x)是一个分定义的公式。给定n+1个数据点，共有n个区间，三次样条方程满足以下条件：
a.在每个分段区间[xi,xi+1](i＝0,1,……,n-1,x递增)，S(x)＝Si(x)都是一个三次多项式；
b.满足S(xi)＝yi(i＝0,1,……,n)；
c.S(x)、导数S’(x)，二阶导数S”(x)在[a,b]区间都是连续的，即S(x)曲线是光滑的。
所以n个三次多项式分段可以写作：
Si(x)＝ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3，i＝0,1,……,n-1，
其中ai、bi、ci、di代表4n个未知系数。
已知：
a.n+1个数据点[x,y]，i＝0,1,……,n；
b.每一分段都是三次多项式函数曲线；
c.节点达到二阶连续；
d.左右两端点处特性(自然边界、固定边界、非节点边界)。
根据顶点，求出每段样条曲线方程中的系数，即可得到每段曲线的方程。
采用三次样条插值法对原始潮汐数据进行拟合，求解得出其曲线表达方程，即为预报潮汐数据，该方法构造简单，计算量适中，拟合结果较为准确，使用方便。
S5：判断原始潮汐数据是否包括预设数量的高潮点和低潮点，若是，则执行S6，若否，则重新执行S1。
S6：根据所有高潮数据和低潮数据，确定基于高潮和低潮的潮汐曲线，所述基于高潮和低潮的潮汐曲线作为预报潮汐数据。
将原始潮汐数据保存至本地以后即可在本地进行计算、拟合的工作。当网络爬虫获取到所需日期内所有整时刻的潮高数据时，各潮汐数据点均匀分布，通过时刻与潮高的对应关系，可以绘制一条连续的曲线，而由于从目标服务器直接获取的原始潮汐数据是一个个离散的时刻的潮高信息，并且这些离散的时刻之间的间隔较大，时刻分布较为稀疏，直接采用原始潮汐数据绘制的“潮高-时刻”曲线的圆滑度较差，因而与实际的潮高变化情况之间的误差就较大，利用该曲线获取的某一随机时刻的潮高与实际的潮高之间的误差就较大，进而会影响实际的海上作业。因此，需要对获取到的原始潮汐数据作进一步的数学分析，拟合一条更加接近实际潮汐变化情况的曲线，这条曲线的方程即为预报潮汐数据。“潮高-时刻”曲线的拟合可采用最小二乘法、三次样条插值法等多种方法进行，采用何种方法可在系统内预设，从而可以直接读取原始数据文件中的原始潮汐数据，预设曲线拟合方法直接从原始潮汐数据计算、拟合形成所需的曲线方程，即为预报潮汐数据。本实施例采用三次样条插值法。
如果网络爬虫获取的原始潮汐数据有遗漏，即没有包含所有的整时刻的数据，通常需要重新获取原始潮汐数据，本实施例中则可以启用备用曲线拟合方法，该备用曲线拟合方法所需的数据点较少，通过其他条件的限制，仍可以获得较准确的拟合曲线。
首先判断获取的原始潮汐数据中是否包括预设数量的高潮点和低潮点，通常该预设数量为三个，即高潮点和低潮点总共有三个，当高潮点和低潮点的数量只有两个时，可能的情况是该潮汐类型为全日潮，或者获取数据时遗漏了某高潮点或低潮点，此时需要结合该港口以及日期的情况判断该潮汐为全日潮还是半日潮，如果是全日潮，则说明高潮点和低潮点的数量充足，只需调取本地的原始数据文件中相邻的高潮点或低潮点的数据与该日的两个点共同构成三个高潮点和低潮点，即可进行曲线拟合；如果是半日潮，则说明缺少所需的另一高潮点或低潮点的数据，应当判定为没有包括预设数量的高潮点和低潮点；或者虽然是全日潮，但是本地没有前一日的原始潮汐数据，则同样无法进行曲线拟合，亦应当判定为没有包括预设数量的高潮点和低潮点。
在确定具有预设数量的高、低潮点后，即可根据潮汐的类型拟合基于高潮和低潮的潮汐曲线。
潮汐变化是一种周期性的运动，可以采用若干简谐振动的总和来表示，因而时刻t的潮高h(t)可以用下式表示：
Figure BDA0002907195920000091
其中，A0表示平均海平面高度，fi表示分潮的交点因子，σi表示分潮的角速度，(V0+u)为分潮初相位，Hi和gi分别表示分潮振幅和分潮迟角，m表示分潮个数，r表示一般气象条件引起的非周期水位变化，在短期预报中可以忽略，因而上式中的r可以省略。令
Ai＝fiHicos[gi-(V0+u)i]
Bi＝fiHisin[gi-(V0+u)i]；
则有
Figure BDA0002907195920000092
本实施例中，进一步地，S6可以包括：
S601：判断潮汐类型是否为全日潮，若是，则执行S602，若否，则执行S603。
S602：根据以下函数确定基于高潮和低潮的潮汐曲线：
H(ti)＝a0+b0ti+c0ti 2+a1cos(ωti)+b1sin(ωti)+a2cos(2ωti)+b2sin(2ωti) i＝1,2,3。
潮汐类型为全日潮时，潮汐曲线主要由全日分潮、半日分潮和长周期分潮组成，并且全日分潮的周期约等于半日分潮周期的2倍，分潮的周期T与其角速度的关系可以用下式表示：
T＝2π/ω。
基于以上各式，可以选用三个连续的高低潮点(t1,h1)、(t2,h2)、(t3,h3)作为插值基点，构建全日潮的插值函数H(t)，取周期T＝t3-t1，ω＝2π/T，H(t)的方程如下：
Figure BDA0002907195920000101
其中，i＝1,2,3。并且H(t)的导数H’(t)在t1、t2、t3三个点处等于0。只需根据已知条件求出式中a0、b0、a1、b1、a2、b2这些系数即可获得全日潮的基于高潮和低潮的潮汐曲线的方程，即为预报潮汐数据。
S603：根据以下函数确定基于高潮和低潮的潮汐曲线：
H(ti)＝(h1+2h2+h3)/4+a1cos(ωti/2)+b1sin(ωti/2)+a2cos(ωti)+b2sin(ωti)+a3cos(2ωti)+b3sin(2ωti) i＝1,2,3。
潮汐类型为半日潮时，潮汐曲线主要由半日分潮、全日分潮和浅水分潮组成，半日分潮为主体。其中半日分潮的周期约等于浅水分潮的周期的2倍。利用三个连续的高低潮点(t1,h1)、(t2,h2)、(t3,h3)作为插值基点，构建半日分潮的插值函数H(t)，H(t)的方程如下：
Figure BDA0002907195920000102
其中，
Figure BDA0002907195920000103
标识平均水位，它的近似值约为(h1+2h2+h3)/4,故上式可以转换为：
H(ti)＝(h1+2h2+h3)/4+a0cos(ωti/2)+b0sin(ωti/2)+a1cos(ωti)+b1sin(ωti)+a2cos(2ωti)+b2sin(2ωti)；
同样的，i＝1,2,3。并且H(t)的导数H’(t)在t1、t2、t3三个点处等于0。只需根据已知条件求出式中a0、b0、a1、b1、a2、b2这些系数即可获得全日潮的基于高潮和低潮的潮汐曲线的方程，即为预报潮汐数据。
通过上述过程，可以实现预报潮汐数据的获取，并且全过程减少了人工繁琐的操作，节约了人力，预报潮汐数据的获取更加迅速，结果也更加准确，每次获取预报潮汐数据均为同样的过程，获得的预报潮汐数据及其他文件等更加标准化、统一化；在获取的数据量偏少时可以采用备用的曲线拟合方法得出预报潮汐数据，提高了数据拟合的成功率。
本发明的一个实施例中，S1包括：
S101：选择可用的目标服务器进行连接；
S102：输入目标港口及目标日期；
S103：根据目标港口及目标日期，从目标服务器获取原始潮汐数据；
S104：判断原始潮汐数据获取是否成功，若是，则执行S2，若否，则执行S105。
如前所述，可能存在多个可用的目标服务器，因此，需要选择其中的一个进行连接，这个过程需要预设一定的选择规则，例如根据网站名称、域名等属性进行排序，然后按照排序优先选择某一服务器。
在与目标服务器建立连接后，通过一定的方式(如直接输入文字、选取等)提示用户输入需要获取原始潮汐数据的特定港口和特定日期，即目标港口和目标日期，目标港口至少包括目标港口的名称，目标日期至少包括要查询潮汐情况的日期。
如果用户输入的目标港口或目标日期存在错误，无法从目标服务器中获取到对应的原始潮汐数据，则提示用户输入的目标港口或目标日期错误，应当重新输入。如果用户输入的目标港口和目标日期均正确，则根据目标港口及目标日期从目标服务器中获取对应的原始潮汐数据，判断原始潮汐数据是否获取成功，如果获取成功，则可以显示数据获取成功，或者直接显示获取到的原始潮汐数据，也能够表示数据获取成功，如原始潮汐数据获取不成功，则显示未能成功获取原始潮汐数据，同时结束进程，允许用户重新输入目标港口和目标日期，重新获取对应的原始潮汐数据，也可以重新连接目标服务器。
通过上述过程，可以实现选用网络连接状态好的服务器进行连接，客户自主输入目标港口和目标日期，可以准确地获取需要的原始潮汐数据，并且用户可以实时掌握服务器连接是否成功以及原始潮汐数据获取是否成功等情况，方便用户进行下一步操作。
本发明的一个实施例中，S101包括：
S1011：从预设的目标服务器顺序表中随机选择一个目标服务器进行连接；
S1012：判断正在连接的目标服务器是否有正确响应，若是，则执行S102，若否，则执行S1013；
S1013：停止与当前目标服务器的连接，选择目标服务器顺序表中的下一个目标服务器进行连接，执行S1012。
目标服务器顺序表是预设在系统内的，可以用于随机选择一个目标服务器进行连接。尝试与当前的目标服务器连接后，判断与当前的目标服务器连接是否成功，根据判断结果可以选择下一步的操作。连接成功的，可以继续进行下一步的输入目标港口和目标日期、查询对应原始潮汐数据工作；连接不成功的，可以停止与当前目标服务器的连接尝试，然后根据目标服务器顺序表所确定的顺序选择表中的下一目标服务器进行连接。这样，在连接不成功的情况下，可以按顺序不断尝试连接目标服务器顺序表中的各个目标服务器，直到与某一目标服务器连接成功，才能进行下一步输入目标港口和目标日期的操作。
通过预设目标服务器顺序表，按照目标服务器顺序表确定的目标服务器范围和顺序对目标服务器进行连接尝试，能够保证尽快找到可用的目标服务器建立连接，进而尽快开始之后的原始潮汐数据获取等工作，保证了方法实施的速率。
本发明的一个实施例中，目标服务器顺序表中列有两个以上的目标服务器，如海事服务网、中国港口网、国家海洋信息中心全球潮汐预报服务平台等网站的服务器。对每一个服务器均设置有识别信息，识别信息可以是目标服务器的名称、域名、代码等可以代表目标服务器之间的区别的信息。同时还设置有目标服务器的地址，每个目标服务器的识别信息与其地址一一对应，通过某个目标服务器的识别信息即可找到其地址，并可以根据地址访问该目标服务器。另外，各服务器之间应当设置排列顺序，并且这个排列顺序应当是环状的，例如为每个目标服务器设定序号，然后按照序号从小到大的顺序排列，并设定序号最大的目标服务器的下一服务器为序号最小的服务器，从而可以形成环状的排列顺序，可以循环不断地读取各目标服务器的识别信息、地址等信息。目标服务器顺序表应当至少包括其中所列的每一个服务器的识别信息和地址，以及各服务器之间的排列顺序。
在目标服务器顺序表中设置上述内容，可以实现通过查询目标服务器顺序表来尝试连接目标服务器，成功时可以进行下一步操作，如果不成功，可以按照目标服务器顺序表中的信息依次连接各目标服务器，直到连接成功为止，从而保证了可以及时与某一个目标服务器成功连接。
本发明的一个实施例中，S102包括：
S1021：显示省份信息，从省份信息中选择目标省份；
S1022：显示目标省份的港口信息，从港口信息中选择目标港口；
S1023：将港口信息保存至港口信息文件；
S1024：显示日期信息，从日期信息中选择目标日期。
输入目标港口可以通过用户选择的方式完成。与目标服务器连接成功后，显示省份信息，省份信息中包括全国各个设有港口的省、自治区、直辖市、特别行政区的名称，用户可以选择其中的任一名称，该省份(泛指省、自治区、直辖市和特别行政区，下同)即为目标省份。选择目标省份后，继续显示目标省份的港口信息，即目标省份内的各港口名称以及每个港口的相关信息，其中港口名称是必须具备的。用户可以进一步从港口信息中选取所需的港口的信息，即为目标港口。用户完成目标港口的选择后，显示日期信息，用户可以进一步选择目标日期，从而可以获取目标港口在目标日期的原始潮汐数据。其中，在用户选择目标省份后，可以将该目标省份的港口信息保存至位于本地的港口信息文件，例如，将获取的目标省份的港口信息保存至名称为“xx省港口信息.txt”的文件，以备用户在无需连接目标服务器的情况下即可查看各省份的港口信息。
通过显示省份信息、港口信息和日期信息，可以使用户以选择的方式输入目标港口和目标日期，从而获取该两重限定下的原始潮汐数据，使用户的操作简洁、便利。将查询到的目标省份的港口信息保存至本地文件，可以实现不与目标服务器连接时的查看，使用户查看港口信息更加方便。
本发明的一个实施例中，预报潮汐数据快速获取与拟合方法还包括：
S7：绘制潮汐变化曲线，将潮汐变化曲线保存至数据文档。
该步骤在S6的基础上进行，潮汐变化曲线即为“潮高-时刻”曲线，其横坐标为时刻，纵坐标为潮高，是根据预报潮汐数据的方程绘制的，该过程可以采用各类函数曲线绘制软件进行，本例中采用的是matplotlib软件。完成潮汐变化曲线绘制后，将潮汐变化曲线保存至数据文档，数据文档应当是既可以查看曲线形状，又能够在一定的精度内查询曲线上任意点的横坐标和纵坐标的文件，通常为专门用于特定的专业软件的文件。在仅需要查看曲线形状而不需要查询曲线上任意点的横坐标和纵坐标的场合，也可以将潮汐变化曲线保存为图片格式的文件，例如JPEG、TIFF、RAW、BMP、GIF、PNG等格式。
通过函数曲线绘制软件使用拟合算法对已获取的原始潮汐数据进行计算分析，根据得到的方程绘制潮汐变化曲线，从而实现了无软件切换绘图。通过系统自主完成了对原始潮汐数据的分析，并绘制成以“潮高-时刻”为坐标轴的特定数据文档和图片文件，免除了工作人员收集预报潮汐数据、通过CAD绘制相关图表等步骤，提高了工作效率。
本发明的一个实施例中，潮汐变化曲线包括原始潮汐变化曲线和拟合潮汐变化曲线。利用预报潮汐数据，通过函数曲线绘制软件即可绘制拟合潮汐变化曲线。潮汐变化曲线应当至少包括拟合潮汐变化曲线，为了便于比较预报潮汐数据和原始潮汐数据，还可以根据原始潮汐数据直接绘制原始潮汐变化曲线，并且可以将原始潮汐变化曲线和拟合潮汐变化曲线绘制在同一坐标系内。通过在同一坐标系内绘制原始潮汐变化曲线和拟合潮汐变化曲线，用户可以更加直观地对原始潮汐数据和预报潮汐数据进行比较分析，方便为海上作业提供更加详尽的数据支持。
本发明的一个实施例中，预报潮汐数据快速获取与拟合方法还包括：
S8：生成并显示包括潮汐变化曲线的预览图片。
根据原始潮汐数据和预报潮汐数据分别绘制出原始潮汐变化曲线和拟合潮汐变化曲线以后，这些曲线图像被保存至特定格式的数据文档中，用于对有关潮汐的数据进行精确查询和分析。与此同时，还可以将这些潮汐变化曲线制作成图片文件，保存至本地，并且可以在潮汐变化曲线绘制完成后显示出来，供用户预览，即为预览图片。通过生成并显示该预览图片，可以使用户及时查看潮汐变化曲线的大体趋势，简洁方便。
本发明的一个实施例中，数据文档的文件名后缀为“.t”、“.tid”、“-eight.tid”和“_new.tid”中的至少一种。在实际使用中，对预报潮汐数据、拟合潮汐变化曲线进行深入分析所使用的数据文档通常为“.t”、“.tid”、“-eight.tid”或“_new.tid”格式，因此，可以通过函数曲线绘制软件生成上述文件名后缀的数据文档，从而便于对数据进行分析，多种数据格式能够适用于不同的软件，方便用户使用。
上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (10)

1.一种预报潮汐数据快速获取与拟合方法，其特征在于，包括：
S1：利用网络爬虫访问目标服务器，获取原始潮汐数据；
S2：将获取的原始潮汐数据保存至原始数据文件；
S3：从原始数据文件中读取原始潮汐数据，判断原始潮汐数据是否包括所有整时刻的潮高数据，若是，则执行S4，若否，则执行S5；
S4：根据所有整时刻的潮高数据，利用三次样条插值法确定基于整时刻的潮汐曲线，所述基于整时刻的潮汐曲线作为预报潮汐数据；
S5：判断原始潮汐数据是否包括预设数量的高潮点和低潮点，若是，则执行S6，若否，则重新执行S1；
S6：根据预设数量的高潮点和低潮点，确定基于高潮和低潮的潮汐曲线，所述基于高潮和低潮的潮汐曲线作为预报潮汐数据。
2.根据权利要求1所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述S6包括：
S601：判断潮汐类型是否为全日潮，若是，则执行S602，若否，则执行S603；
S602：根据以下函数确定基于高潮和低潮的潮汐曲线：
H(ti)＝a0+b0ti+c0ti 2+a1cos(ωti)+b1sin(ωti)+a2cos(2ωti)+b2sin(2ωti)i＝1,2,3；
S603：根据以下函数确定基于高潮和低潮的潮汐曲线：
H(ti)＝(h1+2h2+h3)/4+a1cos(ωti/2)+b1sin(ωti/2)+a2cos(ωti)+b2sin(ωti)+a3cos(2ωti)+b3sin(2ωti)i＝1,2,3；
其中，t表示时刻，h表示潮高，(t1，h1)、(t2，h2)、(t3，h3)表示三个连续的高低潮点，ω表示潮汐的角速度，T表示潮汐的周期，ω＝2π/T。
3.根据权利要求2所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述S1包括：
S101：选择可用的目标服务器进行连接；
S102：输入目标港口及目标日期；
S103：根据目标港口及目标日期，从目标服务器获取原始潮汐数据；
S104：判断原始潮汐数据获取是否成功，若是，则执行S2，若否，则执行S105；
S105：显示原始潮汐数据获取失败的信息，并结束进程。
4.根据权利要求3所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述S101包括：
S1011：从预设的目标服务器顺序表中随机选择一个目标服务器进行连接；
S1012：判断正在连接的目标服务器是否有正确响应，若是，则执行S102，若否，则执行S1013；
S1013：停止与当前目标服务器的连接，选择目标服务器顺序表中的下一个目标服务器进行连接，执行S1012。
5.根据权利要求4所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述目标服务器顺序表中至少包括两个以上目标服务器的识别信息、地址和排列顺序，所述识别信息与地址一一对应。
6.根据权利要求5所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述S102包括：
S1021：显示省份信息，从省份信息中选择目标省份；
S1022：显示目标省份的港口信息，从港口信息中选择目标港口；
S1023：将港口信息保存至港口信息文件；
S1024：显示日期信息，从日期信息中选择目标日期。
7.根据权利要求1所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，还包括S7：绘制潮汐变化曲线，将潮汐变化曲线保存至数据文档。
8.根据权利要求7所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述潮汐变化曲线包括原始潮汐变化曲线和拟合潮汐变化曲线，所述原始潮汐变化曲线是根据所述原始潮汐数据绘制而成的，所述拟合潮汐变化曲线是根据所述预报潮汐数据绘制而成的。
9.根据权利要求7所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，还包括S8：生成并显示包括所述潮汐变化曲线的预览图片。
10.根据权利要求7所述的一种预报潮汐数据快速获取与拟合方法，其特征在于，所述数据文档的文件名后缀为“.t”、“.tid”、“-eight.tid”和“_new.tid”中的至少一种。
CN202110074825.8A 2021-01-20 2021-01-20 一种预报潮汐数据快速获取与拟合方法 Pending CN112818292A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074825.8A CN112818292A (zh) 2021-01-20 2021-01-20 一种预报潮汐数据快速获取与拟合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074825.8A CN112818292A (zh) 2021-01-20 2021-01-20 一种预报潮汐数据快速获取与拟合方法

Publications (1)

Publication Number Publication Date
CN112818292A true CN112818292A (zh) 2021-05-18

Family

ID=75858349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074825.8A Pending CN112818292A (zh) 2021-01-20 2021-01-20 一种预报潮汐数据快速获取与拟合方法

Country Status (1)

Country Link
CN (1) CN112818292A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304273A (zh) * 2023-05-24 2023-06-23 中交第四航务工程勘察设计院有限公司 一种基于网络爬虫技术的水文数据展示平台的管理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030167124A1 (en) * 2001-06-16 2003-09-04 Bowden Dohn A. Electronic tide tables
CN106096056A (zh) * 2016-06-30 2016-11-09 西南石油大学 一种基于分布式的舆情数据实时采集方法和系统
CN108090133A (zh) * 2017-11-24 2018-05-29 深圳市知小兵科技有限公司 一种基于互联网的信息定向抓取方法及系统
CN109543089A (zh) * 2018-11-30 2019-03-29 南方电网科学研究院有限责任公司 一种网络安全情报数据的分类方法、系统及相关装置
CN110097224A (zh) * 2019-05-05 2019-08-06 中国科学院海洋研究所 一种可视化风暴潮-海浪耦合预报方法
CN111428921A (zh) * 2020-03-17 2020-07-17 上海海事大学 一种通过阶段拟合来预测内河任意点潮汐的方法
CN111966759A (zh) * 2020-07-13 2020-11-20 广东邦鑫数据科技股份有限公司 一种港池航道通航保障评估方法、系统、装置及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030167124A1 (en) * 2001-06-16 2003-09-04 Bowden Dohn A. Electronic tide tables
CN106096056A (zh) * 2016-06-30 2016-11-09 西南石油大学 一种基于分布式的舆情数据实时采集方法和系统
CN108090133A (zh) * 2017-11-24 2018-05-29 深圳市知小兵科技有限公司 一种基于互联网的信息定向抓取方法及系统
CN109543089A (zh) * 2018-11-30 2019-03-29 南方电网科学研究院有限责任公司 一种网络安全情报数据的分类方法、系统及相关装置
CN110097224A (zh) * 2019-05-05 2019-08-06 中国科学院海洋研究所 一种可视化风暴潮-海浪耦合预报方法
CN111428921A (zh) * 2020-03-17 2020-07-17 上海海事大学 一种通过阶段拟合来预测内河任意点潮汐的方法
CN111966759A (zh) * 2020-07-13 2020-11-20 广东邦鑫数据科技股份有限公司 一种港池航道通航保障评估方法、系统、装置及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘田甲: "潮汐数据插值方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304273A (zh) * 2023-05-24 2023-06-23 中交第四航务工程勘察设计院有限公司 一种基于网络爬虫技术的水文数据展示平台的管理方法
CN116304273B (zh) * 2023-05-24 2023-08-18 中交第四航务工程勘察设计院有限公司 一种基于网络爬虫技术的水文数据展示平台的管理方法

Similar Documents

Publication Publication Date Title
Becker et al. Global bathymetry and elevation data at 30 arc seconds resolution: SRTM30_PLUS
Gesch et al. The national elevation dataset
Barron et al. A comprehensive framework for intrinsic OpenStreetMap quality analysis
US8768663B2 (en) Automated method and system for predicting high resolution tidal heights and currents in coastal zones
Kraus et al. Local accuracy measures for digital terrain models
CN109947881B (zh) 一种poi判重方法、装置、移动终端及计算机可读存储介质
CN110197035B (zh) 一种航道水下地形变化分析系统及方法
CN112818292A (zh) 一种预报潮汐数据快速获取与拟合方法
CN109508292B (zh) 水土流失野外调查与评价系统的测试方法
CN115080774A (zh) 基于可用域的遥感影像入库系统及方法
KR20150014020A (ko) 탄소정보시스템
Stoter et al. A generic approach for 3D SDI in the Netherlands
CN113626437A (zh) 一种海量矢量数据快速查询方法及系统
US7225396B2 (en) System and method for generating a report on an object
Gösseln et al. Change detection and integration of topographic updates from ATKIS to geoscientific data sets
Dutta et al. Performance evaluation of south Esk hydrological sensor web: unsupervised machine learning and semantic linked data approach
CN103017749B (zh) 狭长水系面要素转化为线要素的方法、装置和导航仪
CN115357675B (zh) 一种像控点标准化处理建设像控点数据库方法和系统
Ruffhead Introduction to multiple regression equations in datum transformations and their reversibility
Walford et al. Thirty Years of Geographical (In) consistency in the British Population Census: Steps towards the Harmonisation of Small‐Area Census Geography
CN104408316B (zh) 中美岩土工程土壤分类标准转换装置及方法
Sun et al. A simplification method for grid-based DEM using topological hierarchies
D'Anca et al. A multi-service data management platform for scientific oceanographic products
Shu et al. Research on spatial interpolation of meteorological elements in Anhui Province based on ANUSPLIN
CN111552726A (zh) 一种地质灾害调查信息智能采集的实现方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210518

RJ01 Rejection of invention patent application after publication