1. 单站逐时潮位序列的预处理与质量检查

为什么预处理决定后续分潮参数的可靠性

调和分析的最小二乘拟合假设输入序列是等间隔、同一时间基准、同一单位、无粗差的逐时潮位。原始观测往往同时存在三类问题：缺测（仪器故障、通信中断）、异常值（船舶撞击、气泡、结冰、传感器漂移）、以及时间与单位不统一（地方时/UTC混用、单位混用为cm与m）。这些缺陷若直接进入设计矩阵，会污染M2、S2、K1、O1的振幅与迟角估计，且残差检查难以定位原因。因此本例的任务是：把一段原始逐时序列处理成可追溯的干净序列，并留下处理日志。

处理流程与判定逻辑

下面这张图给出本例的核心处理链：从原始序列出发，依次经过时间基准统一、单位换算、缺测识别、异常值标记与插补决策，最终输出干净序列与处理日志。图中同时标出每一步的判定条件与记录内容，便于复现。

用一段可运行的Python完成预处理

下面代码以教学示例数据演示完整流程。示例序列为24小时逐时潮位，故意植入1个缺测（-999）、1个尖峰异常（+3.2 m跳变）、以及单位混用（部分为cm）。代码输出干净序列与处理日志，可直接运行验证。

import pandas as pd
import numpy as np

# ---------- 1. 构造教学示例原始序列 ----------
# 时间：2024-06-01 00:00 至 23:00，地方时 UTC+8
times = pd.date_range("2024-06-01 00:00", periods=24, freq="h", tz="Asia/Shanghai")
# 模拟半日潮，振幅约1.2m，均值2.0m
h_true = 2.0 + 1.2 * np.sin(2 * np.pi * np.arange(24) / 12.42)
raw = h_true.copy()
raw[5] = -999.0          # 缺测哨兵值
raw[12] = raw[12] + 3.2  # 尖峰异常
raw[18] = raw[18] * 100  # 单位误为cm
raw = np.round(raw, 3)

df = pd.DataFrame({"time_local": times, "raw": raw})

# ---------- 2. 时间基准统一：地方时 -> UTC ----------
df["time_utc"] = df["time_local"].dt.tz_convert("UTC")

# ---------- 3. 单位换算：识别cm量级并转为m ----------
# 站点历史水位范围约 0.5~3.5 m，超过10视为cm
df["h_m"] = np.where(df["raw"].abs() > 10, df["raw"] / 100.0, df["raw"])

# ---------- 4. 缺测识别 ----------
df["is_missing"] = (df["h_m"] == -999.0) | df["h_m"].isna()

# ---------- 5. 异常值标记（基于一阶差分） ----------
df["dh"] = df["h_m"].diff().abs()
# 阈值1.5 m/h；缺测点不参与差分判断
df["is_outlier"] = (df["dh"] > 1.5) & (~df["is_missing"])
# 异常点不删除，先标记
df.loc[df["is_outlier"], "h_m"] = np.nan

# ---------- 6. 插补决策：连续缺测<=3h线性插补 ----------
df["h_clean"] = df["h_m"].interpolate(method="linear", limit=3, limit_direction="both")
df["quality"] = 0
df.loc[df["is_missing"], "quality"] = 1
df.loc[df["is_outlier"], "quality"] = 2
df.loc[df["h_clean"].isna(), "quality"] = 3

# ---------- 7. 输出干净序列与处理日志 ----------
clean = df[["time_utc", "h_clean", "quality"]].rename(columns={"h_clean": "h_m"})
log = df[["time_utc", "raw", "h_m", "quality"]].copy()
log["action"] = "正常"
log.loc[df["is_missing"], "action"] = "缺测标记"
log.loc[df["is_outlier"], "action"] = "异常标记"
log.loc[df["quality"] == 1, "action"] = "缺测+插补"
log.loc[df["quality"] == 3, "action"] = "不可用"

print("干净序列前5行：")
print(clean.head())
print("\n处理日志（仅显示非正常记录）：")
print(log[log["action"] != "正常"])
print("\n统计：缺测", df["is_missing"].sum(), "个，异常", df["is_outlier"].sum(), "个，不可用", (df["quality"]==3).sum(), "个")

结果判读与通过条件

运行后应看到：缺测1个（第5小时）、异常1个（第12小时）、单位换算1个（第18小时）。第5小时与第12小时因连续缺测长度均为1（≤3h），被线性插补，质量标记为1或2；第18小时经单位换算后恢复正常，质量标记为0。若某段连续缺测超过3小时，该段质量标记为3，不参与后续最小二乘拟合。通过条件为：输出序列时间间隔严格为1h、单位为m、无-999哨兵值、质量标记列完整、日志中每条修改均可回溯到原始值。