融合天体潮汐谐波分析与ERA5驱动多层感知器的海平面时间序列插补方法

《Water》：Sea Level Time Series Reconstruction of the California Coast Using Neural Network Residual Imputation and ERA5 Data

　　

摘要

本工作提出了一种海平面时间序列插补方法，该方法将观测信号分离为天体潮汐分量（通过T-TIDE谐波分析实现）和残余非潮汐分量，然后利用包含ERA5气象变量（风、气压、海表面温度）和周期性时间特征（正弦/余弦编码）的多层感知器（MLP）对残余分量进行建模。其主要贡献在于将观测信号分离为两个具有物理意义的分量：(i) 天体潮汐分量，通过经典谐波分析获得；(ii) 残余分量，捕捉非潮汐变异性。随后，利用包含ERA5气象变量和时间数据作为特征向量的多层感知器（MLP）对残余分量进行建模。该方法在加州沿岸的四个NOAA潮位站（圣迭戈、拉霍亚、洛杉矶和旧金山）进行了评估，使用从1950年1月1日至2025年6月30日的逐时记录，各站缺失数据比例各不相同。谐波分析加MLP方法在四个站点上实现了0.9955的决定系数（）和0.03475的均方根误差（RMSE），与仅使用经典谐波分析相比，RMSE平均降低了52%。