我正在尝试将近岸潮汐信号(点 A)与沿长模型边界的 3 个点(点 BCD)相关联。我想可能在BCD之间建立关系,我们可以将A预测转换为BC和D。目前我正在做一个单相移,高于零电平的幅度比,低于零电平的幅度比和平均电平偏移。
这会在落潮峰和洪水峰时的潮汐信号中产生扭结,并导致模型过度预测落潮。我想知道是否有人知道这种转换的更复杂的关系?
我想捕捉的一件事是高水位和低水位之间的相移差异(例如,不同点的阳性周期与阴性周期的比率可能不同)。
当前流程的示例算法。
A = vector (size n x 1 ) units meters
time_A = vector (size n x 1 )
ph_B = phase shift for AvsB.
pos_amp_B = positive amplitude ration.
neg_amp_B = negative amplitude ration.
B_mean = long term mean of B.
A_mean = long term mean of A.
for i = 1:n
a = A(i) - A_mean
if a > 0
B(i) = a*pos_amp_B
else
B(i) = a*neg_amp_B
end
time_B(i) = time_A(i) = ph_B
B(i) = B(i) + B_mean
end
顺便说一句:这种关系是基于大约 6 个月的数据。
编辑1:嗯,首先想想两个正弦信号(即幅度,相移),但不是规则的,所以例如周期是12.5小时,但正半和负半的斜率和周期并不是全部相同的。您不需要任何上下文知识。我只是在寻找一种转换算法。
编辑2:
这是时间序列和 fft 比较的图片(fft 专注于高能量频率(12.5 小时(半日)),只是为了说明并非所有频率都可以很好地缩放)。黑色是 A. 零线中的绿色。