一种基于Random Forest修正的TPXO9-atlas-v5全球潮汐模型预报方法

本发明公开了一种基于Random Forest修正的TPXO9‑atlas‑v5全球潮汐模型预报方法，涉及潮汐预报技术领域，预先通过历史数据分析筛选出影响当地潮汐的特征因素，其中，特征因素包括：温度T、盐度S和风速V；获取影响当地潮汐相应特征因素同一时间和位置采集的实测数据集；将实测数据集进行整理，形成特征因素矩阵，作为训练生成的潮汐误差回归模型输入；运行潮汐误差回归模型并进行计算，得到潮汐误差预测结果Rerror。本发明根据Random Forest方法直接对TPXO9‑atlas‑v5模型输出结果进行修正，避免了复杂的调和分析过程，显著减少计算量，提升计算效率，大幅缩短获取准确潮汐预报结果的时间，能够更快地为海洋相关活动提供及时有效的数据支持。