我正在试图将近岸潮汐信号 (点A) 与沿长模型边界的3个点 (点B C D) 相关联。 我希望可能有一个B C D之间的关系,可以将A预测转换为B C和D。目前,我正在进行单一相移、水平以上级别的振幅比例、水平以下级别的振幅比例和平均水平偏移。
这会在高潮和低潮的峰值处产生潮汐信号的折线,并导致模型过度预测落潮流速。我想知道是否有更复杂的关系可用于此类转换?
其中一件事是我想捕捉高水位和低水位之间相位差异 (例如正周期与负周期之比可能对不同点不同)。
当前进程的示例算法。
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
顺便提一下:这种关系是基于约6个月的数据得出的。
编辑1: 首先,只需考虑两个正弦信号(即振幅、相移),但不规则,例如周期为12.5小时,但正半周期和负半周期的斜率和周期并不相同。您不需要任何背景知识。我只是在寻找一个转换算法。
编辑2: 这是一个时间序列和fft比较的图片(fft聚焦于高能量频率(12.5小时(半日)),仅为了提供思路,并不是所有频率都如此精细调整)。黑色是A。绿色是零线。