文章通过 BP 神经网络模型,利用西沙站的实测潮位推算三亚站潮位,研究用一地点的潮位资料去推算另一地点(异地)潮位的方法。文章比较了不同隐含层节点数和输入因子对潮位推算结果的影响,采用预测时间(t)之前 N 个小时(t–N+1,?, t–1, t)西沙站的实测潮位数据作为输入因子,输入因子数目在2~10之间,隐含层分别采用节点数3、4、5、10和15建模,分多种情况进行推算。结果显示,对文中使用的特定情形,隐含层为4个节点的效果最好,隐含层为15个节点的效果最差;输入层为2个节点的效果最好,输入因子增多会使得推算效果变差。隐含层为4个节点、输入因子为 t–1、t 时刻潮位的仿真验证的结果最好,推算值和实测值之间的相关系数为0.9901,均方根误差为0.06m,误差在–0.16~0.15m之间。结果表明,如果两个地点的潮位具有物理上的关联,通过 BP神经网络模型,用一地点的实测潮位推算另一地点潮位的方法是可行的。