期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到228篇文章
< 1 2 … 12 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
苏禄海卫星海洋内孤立波预测技术研究 认领 引用
1
作者 王业桂 范开国 +3 位作者 方芳 施英妮 徐东洋 胡旭辉 《海洋预报》 CSCD 北大核心 2026年第3期1-6,共6页
海洋内波由于生成机制复杂、观测数据匮乏,导致海洋内孤立波预测一直是海洋领域中亟待解决的瓶颈问题。针对这一问题,提出一种基于卫星海洋内波遥感观测数据驱动,结合海洋内波生成与传播物理机制的预测技术方法,并在苏禄海开展卫星海洋... 海洋内波由于生成机制复杂、观测数据匮乏,导致海洋内孤立波预测一直是海洋领域中亟待解决的瓶颈问题。针对这一问题,提出一种基于卫星海洋内波遥感观测数据驱动,结合海洋内波生成与传播物理机制的预测技术方法,并在苏禄海开展卫星海洋内孤立波预测研究。预测结果不仅再现了苏禄海内孤立波的“手牵手”现象,较好地实现内波从源区至消亡区的全路径传播预测,而且模拟波峰线形态与观测前导波波峰线吻合较好,二者的平均绝对时间误差小于0.92 h。 展开更多
关键词 内孤立波 卫星遥感 苏禄海 预测
暂未订购 下载PDF
妈祖海浪模式在浙江海域的业务化应用及检验 认领 引用
2
作者 丁骏 高元勇 +2 位作者 侯放 徐瑞 孟凡昌 《海洋预报》 CSCD 北大核心 2026年第2期21-31,共11页
基于国家海洋环境预报中心自主研发的妈祖海浪模式,采用球面质心泰森多边形网格进行数值离散,充分考虑风能摄入、白浪耗散和底摩擦耗散以及波波相互作用,建立浙江省近海-近岸海浪数值预报系统。系统进行了业务化运行实验,并利用中国近... 基于国家海洋环境预报中心自主研发的妈祖海浪模式,采用球面质心泰森多边形网格进行数值离散,充分考虑风能摄入、白浪耗散和底摩擦耗散以及波波相互作用,建立浙江省近海-近岸海浪数值预报系统。系统进行了业务化运行实验,并利用中国近海及近岸的浮标数据进行了检验。检验结果表明,妈祖海浪模式能够较好地捕捉冷空气和台风过程引起的海浪变化趋势,24 h预报有效波高的均方根误差近海区域为0.29~0.40 m,近岸区域为0.24~0.40 m。 展开更多
关键词 妈祖海浪模式 浙江海域 业务化应用 预报检验
暂未订购 下载PDF
上海国际航运中心海浪数智预警报系统建设应用研究 认领 引用
3
作者 孟鑫 《江苏海洋大学学报（自然科学版）》 CAS 2026年第1期37-45,共9页
为了实现高时空分辨率、高精度海浪要素的预报预警与快速响应,聚焦上海国际航运中心建设需求,基于数值模型和人工智能方法,构建精细化、业务化、自动化海浪数智预警报系统,形成“数据感知—数值模拟—智能订正—展示应用”技术体系。经... 为了实现高时空分辨率、高精度海浪要素的预报预警与快速响应,聚焦上海国际航运中心建设需求,基于数值模型和人工智能方法,构建精细化、业务化、自动化海浪数智预警报系统,形成“数据感知—数值模拟—智能订正—展示应用”技术体系。经验证,各站点后报RMSE均小于0.25 m,MAE小于0.2 m;预报性能随预报时效增加虽有小幅衰减,但在72 h内仍保持较高的相关性与稳定性。在“竹节草”台风影响期间,最大有效波高在后报和24 h预报MARE均不超过10%,72 h预报RMSE相对24 h平均增幅0.11 m。实践表明,该系统在上海海域表现出优异的模拟能力,其在重点区域分辨率达100 m,并控制预警响应时间在3 h以内,已成功应用于航运服务、重大工程保障、海洋防灾减灾等核心场景,为国际航运中心构建更安全、高效、智能的海浪预警报系统提供了实践参考。 展开更多
关键词 海浪预报 近岸海浪模式 人工智能 上海国际航运中心
暂未订购 下载PDF
面向通航安全的港区海浪波高预报与检验 认领 引用
4
作者 龙强 齐正胶 +1 位作者 米欣悦 张娣 《航海技术》 2026年第3期110-115,共6页
港区精细化海浪波高预报对保障船舶航行安全、提升港口通航效率至关重要。利用曹妃甸港区长序列气象水文观测数据,通过初选因子相关性分析、敏感性试验、特征选择和超参数调优等,建立有效波高随机森林预报模型并开展检验分析。结果表明... 港区精细化海浪波高预报对保障船舶航行安全、提升港口通航效率至关重要。利用曹妃甸港区长序列气象水文观测数据,通过初选因子相关性分析、敏感性试验、特征选择和超参数调优等,建立有效波高随机森林预报模型并开展检验分析。结果表明:1)风速与有效波高之间的相关性最高,其次是水深、风向、气温和气压;2)有效波高和最大波高之间的线性相关系数达0.99,可为最大波高的推算提供依据;3)基于风速、气温、气压、风向、月份、水深6个影响因子所建的模型预报效果最好,超参数调优后最优模型有效波高预报值和实况值的相关系数达0.83,均方根误差、平均绝对误差分别为0.22 m、0.15 m;4)模型较海浪数值预报模式在近岸港区有更好的预报效果,且预报能力随时效增加并未出现明显的衰减,能够体现波浪相对风速的滞后性特征,可为精细化海上交通管理、提升港口通航效率提供支撑。 展开更多
关键词 波高 港航管理 随机森林 影响因子 预报模型 数值预报
暂未订购 下载PDF
基于优化深度学习的有效波高双通道混合预测模型 认领 引用 被引量：1
5
作者 赵芮晗 闫加宁 韩莹 《南京信息工程大学学报》 CAS 北大核心 2026年第3期340-351,共12页
有效波高(Significant Wave Height,SWH)具有复杂的非线性动态特性,这使得对其精确预测成为一大挑战。时频分解技术是处理复杂非线性数据的有效手段,但现有方法未考虑SWH分解后分量的不同时频特性。因此,利用排列熵将集成经验模态分解(E... 有效波高(Significant Wave Height,SWH)具有复杂的非线性动态特性,这使得对其精确预测成为一大挑战。时频分解技术是处理复杂非线性数据的有效手段,但现有方法未考虑SWH分解后分量的不同时频特性。因此,利用排列熵将集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)后得到的SWH分量分为高、低频两类,根据其各自特性构建优化的长短时记忆-时间卷积网络(Long Short-Term Memory-Temporal Convolutional Network,LSTM-TCN)双通道时间特征提取模块,并考虑到不同分量预测值对最终SWH预测结果的影响不同,引入贝叶斯模型平均(Bayesian Model Averaging,BMA)法进行权重分配。最终,本文提出一种基于优化深度学习的SWH双通道混合预测模型。实验结果表明,与现有先进模型相比,该模型在1、3、6、12h的SWH预测中,评价指标RMSE、MAE和MAPE显著降低,具备较好的精度和稳定性。 展开更多
关键词 有效波高 双通道预测 深度学习 集成经验模态分解 贝叶斯优化
暂未订购 下载PDF
一种改进的TSLANet有效波高时空预测订正模型 认领 引用
6
作者 史子豪 马礼 +2 位作者 李阳 傅颖勋 马东超 《应用海洋学学报》 CAS CSCD 北大核心 2026年第4期654-664,共11页
海浪有效波高(significant wave height,SWH)的精确预报对海洋工程、航运和渔业安全至关重要。针对有效波高时间序列中多尺度周期共存、强时序连续传递以及时空特性耦合等导致的数值预报结果中的误差问题,本研究提出了一种基于时间序列... 海浪有效波高(significant wave height,SWH)的精确预报对海洋工程、航运和渔业安全至关重要。针对有效波高时间序列中多尺度周期共存、强时序连续传递以及时空特性耦合等导致的数值预报结果中的误差问题,本研究提出了一种基于时间序列轻量级自适应网络(time series lightweight adaptive network,TSLANet)改进模型,命名为多尺度特征增强型订正模型(multi-scale feature enhanced correct model,MS-FECM)。该模型通过设计的多尺度自适应频谱块(multi-scale adaptive spectral block,MS-ASB)以及卷积双向长短期记忆网络(convolutional neural network-bidirectional long short-term memory,CNN-BiLSTM)混合模块,分别替代TSLANet模型中的自适应频谱块(adaptive spectral block,ASB)和交互式卷积模块(interactive convolution block,ICB),实现了在订正过程中针对SWH数据的全尺度周期覆盖处理以及局部细节与时序关联的协同建模。实验使用日本海海域实测SWH数据进行验证,结果表明,相比原始数值模式预报结果,模型订正后的结果显著降低了预测误差,平均绝对误差(MAE)为0.2827,平均绝对百分比误差(MAPE)为0.3149,均方根误差(RMSE)为0.3729,RMSE相对数值模式预报结果降低了17.1%。在与FPPformer、PatchTST、CNN-BiLSTM等神经网络模型的对比中,本研究方法在MAE、MAPE、RMSE等指标上均表现出最优性能,验证了该模型在海浪高度数值预报动态误差订正中的有效性和优越性,在复杂海况下展现出良好的订正性能。 展开更多
关键词 有效波高 数值订正 时间序列轻量级自适应网络 多尺度自适应频谱块 卷积双向长短期记忆网络
暂未订购 下载PDF
基于Vision Transformer的有效波高预报研究 认领 引用
7
作者 沈向宇 韩磊 +1 位作者 游志伟 董昌明 《大气科学学报》 CSCD 北大核心 2026年第3期557-568,共12页
波浪灾害作为最常见的海洋灾害之一,对海上活动安全与作业效率构成严重威胁。为提高海浪预报精度、有效降低海上事故风险,本研究提出一种基于Vision Transformer(ViT)算法的区域波浪预报模型。利用欧洲中期天气预报中心的ERA5再分析数据... 波浪灾害作为最常见的海洋灾害之一,对海上活动安全与作业效率构成严重威胁。为提高海浪预报精度、有效降低海上事故风险,本研究提出一种基于Vision Transformer(ViT)算法的区域波浪预报模型。利用欧洲中期天气预报中心的ERA5再分析数据对ViT模型进行训练,重点探讨了不同输入要素组合对模型性能的影响,并分析了输入数据时间长度对模型预报技巧的作用。结果表明,以有效波高与海面10 m风矢量作为输入时,模型表现最优。进一步分析显示,采用18 h历史数据作为输入,可使ViT波浪预报模型达到最高的预报准确度与技巧水平。本研究构建的ViT波浪预报模型在南海、东海及西太平洋的24 h有效波高预报中,均方根误差为0.323 m,相关系数为0.848,能够为海洋灾害预警与海上安全作业保障提供有力的技术支持。 展开更多
关键词 有效波高智能预报 Vision Transformer 数据驱动
暂未订购 下载PDF
基于WAM6-GPU海浪模式的中国近海区域海浪预报精度评估 认领 引用
8
作者 李梦蝶 李响 +1 位作者 马新野 王晨琦 《海洋预报》 CSCD 北大核心 2026年第3期7-19,共13页
利用中国近海的浮标观测数据,验证评估了基于WAM6-GPU海浪模式构建的西北太平洋海浪数值预报系统在中国近海的预报精度。结果表明:系统对中国近海的有效波高具有较好的预报精度,24 h平均绝对误差为0.25 m,均方根误差为0.38 m;有效波高... 利用中国近海的浮标观测数据,验证评估了基于WAM6-GPU海浪模式构建的西北太平洋海浪数值预报系统在中国近海的预报精度。结果表明:系统对中国近海的有效波高具有较好的预报精度,24 h平均绝对误差为0.25 m,均方根误差为0.38 m;有效波高预报误差随预报时效延长而增大,系统在高海况条件下的预报结果存在显著高估现象;有效波高预报误差存在时空差异,空间上表现为黄渤海预报误差最小,南海次之,东海误差相对较大;时间上表现为夏季预报误差相对较大。针对台风浪预报,系统可以准确预报出由台风过程引发的有效波高的变化过程,但对台风导致的有效波高数值存在明显高估,这一偏差主要是由驱动风场中台风路径与强度存在较大误差导致的。 展开更多
关键词 WAM6-GPU 中国近海 有效波高 台风
暂未订购 下载PDF
基于U-Net深度学习模型的我国北海区冬季浪高预报研究 认领 引用
9
作者 唐绥之 李静凯 吴鸿轩 《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2026年第8期14-24,共11页
深度学习技术正逐步成为海浪预报的重要工具,U-Net作为图像处理的经典模型,提取深层信息能力强,为实现区域海浪的智能化、高精度预报提供了极具价值的技术潜力。本文聚焦中国北海区冬季海浪,首次使用U-Net深度学习架构构建了区域海浪智... 深度学习技术正逐步成为海浪预报的重要工具,U-Net作为图像处理的经典模型,提取深层信息能力强,为实现区域海浪的智能化、高精度预报提供了极具价值的技术潜力。本文聚焦中国北海区冬季海浪,首次使用U-Net深度学习架构构建了区域海浪智能预报模型,且该模型可应用于海冰覆盖海域。依托该海浪预报模型,本文基于海浪有效波高、海面10 m风速和海冰密集度三种输入要素构建了包含3种提前期、54种不同组合的实验方案,进行了模型训练并检验了U-Net模型的预报精度,其中提前期为6、12和24 h的平均绝对误差和相关系数分别可达0.08 m和0.98、0.11 m和0.96、0.17 m和0.96。当海冰存在时,增加海冰密集度信息会提升U-Net模型的预报精度。以辽东湾为例,相对于忽略海冰的情形,最高可使预报的平均有效波高降低0.60 m,预报精度提升67.7%。此外,本文还对比了U-Net模型和卷积神经网络模型的预报精度,发现在北海区超过90%的区域U-Net模型预报结果的平均绝对误差更低,在渤、黄海可分别平均减少0.05和0.07 m。不过,该U-Net模型对有效波高超过3 m的海浪预报偏低,有必要在未来针对极值波高的预报开展模型的改进工作。 展开更多
关键词 海浪智能预报 有效波高 深度学习 U-Net模型 海冰密集度 北海区冬季海浪
暂未订购 下载PDF
基于VMD-PE-GWO-LSTM的海浪波高预测模型 认领 引用
10
作者 冷春花 张文正 《舰船科学技术》 北大核心 2026年第3期46-52,共7页
复杂的海洋环境下,船舶航行安全受波高显著影响,波高与船舶运动状态密切相关,需构建基于深度学习的波高预测模型以保障航行安全。由于海浪波高具有非平稳的特性,传统预测方法效果欠佳。本文创新提出基于灰狼优化算法下最优参数的海浪波... 复杂的海洋环境下,船舶航行安全受波高显著影响,波高与船舶运动状态密切相关,需构建基于深度学习的波高预测模型以保障航行安全。由于海浪波高具有非平稳的特性,传统预测方法效果欠佳。本文创新提出基于灰狼优化算法下最优参数的海浪波高特征预报复合模型,采取灰狼算法(Grey Wolf Optimization,GWO)优化变分模态分解(Variational Mode Decomposition,VMD)参数中模态分量数K和惩罚因子α处理数据后提取波高序列固有模态函数(Intrinsic Mode Functions,IMF),以排列熵(Permutation Entropy,PE)为标准筛选信号,并将有效的模态分量作为长短时记忆神经网络(Long-Short Term Memory Network,LSTM)模型输入;构建VMD-PE-GWOLSTM复合模型。经南海实测数据验证,该模型将波高数据分解为8个趋势项序列,预报精度达到R~2=0.985 7,能更精准地预报波高数据从而保障航行中的船舶安全。 展开更多
关键词 变分模态分解 排列熵 南海波高预测 长短时记忆神经网络
暂未订购 下载PDF
基于盘古气象大模型的台风路径及台风浪波高预报研究 认领 引用 被引量：2
11
作者 胡正元 冯曦 +3 位作者 冯卫兵 倪兴也 秦知朋 吴浩宇 《河海大学学报（自然科学版）》 CAS CSCD 北大核心 2026年第3期28-36,160,共9页
利用盘古气象大模型对台风天气下的地表气象要素以及高空气象要素进行预报,结合热带气旋追踪算法对台风路径进行预报研究;基于盘古气象大模型的路径预报结果和直接修正法改进的预报风场数据驱动SWAN模式,将计算得到的有效波高数据与实... 利用盘古气象大模型对台风天气下的地表气象要素以及高空气象要素进行预报,结合热带气旋追踪算法对台风路径进行预报研究;基于盘古气象大模型的路径预报结果和直接修正法改进的预报风场数据驱动SWAN模式,将计算得到的有效波高数据与实测数据进行对比验证,评估该模型在广东和海南岛台风路径及台风浪预报的效果。结果表明:盘古气象大模型能够实现长时台风路径预报,且结果优于高分辨率的数值大气模式(ECMWF-HRES),但盘古气象大模型对台风风场存在低估现象;将盘古气象大模型预报的台风路径与直接修正法改进的台风风场相结合,以此驱动波浪场,能有效提高台风浪波高的预报精度。 展开更多
关键词 盘古气象大模型 台风路径预报 台风浪 波高预报 热带气旋追踪算法
暂未订购 下载PDF
基于多区域协同的海洋波浪周期时空预测 认领 引用
12
作者 尹浩宇 马丽文 《青岛大学学报（工程技术版）》 CAS 2026年第1期9-17,共9页
针对波浪预测方法(单点、多点、单区域)常忽略空间相关性及区域间动态关联,难以捕捉跨区域动态变化的问题,本文提出多区域协同时空图卷积网络模型(Multi-region Collaborative Spatio-temporal Graph Convolutional Network,MRCSTGCN)... 针对波浪预测方法(单点、多点、单区域)常忽略空间相关性及区域间动态关联,难以捕捉跨区域动态变化的问题,本文提出多区域协同时空图卷积网络模型(Multi-region Collaborative Spatio-temporal Graph Convolutional Network,MRCSTGCN)。该模型使用时间注意力模块捕获时间依赖,时空特征提取器重新校准全局信息以融合多区域多尺度特征,图卷积网络(Graph Convolutional Network,GCN)利用先验知识显式建模区域间时空关系;Transformer模块学习复杂隐式时空模式,门控融合模块动态整合两者输出。基于ECMWF的第5代再分析波浪周期数据的实验表明,与ASTGCN、Graph-WaveNet和STTNs模型相比,MRCSTGCN模型的RMSE和MAE分别降低19%和22%,验证了其在波浪周期时空预测中的有效性。 展开更多
关键词 波浪周期时空预测 图卷积 多区域协同预测 深度学习
暂未订购 下载PDF
基于小型休闲船舶的海洋休闲渔业专题海浪预报等级划分 认领 引用
13
作者 冯楚涵 韩屹 +3 位作者 马超 王豹 王斌 刘英明 《海洋预报》 CSCD 北大核心 2026年第1期45-55,共11页
选取5~20 m的主流休闲船舶船型,从乘船安全性和乘船舒适性方面分析船型差异化的出海响应机制,基于模糊综合评价法构建专题海浪预报等级体系。结果表明:静稳区间(有效波高≤0.5 m)的船舶适航性为Ⅰ~Ⅱ级,乘船体验优,可依据0.3 m临界值优... 选取5~20 m的主流休闲船舶船型,从乘船安全性和乘船舒适性方面分析船型差异化的出海响应机制,基于模糊综合评价法构建专题海浪预报等级体系。结果表明:静稳区间(有效波高≤0.5 m)的船舶适航性为Ⅰ~Ⅱ级,乘船体验优,可依据0.3 m临界值优化船型乘船体验;扰动区间(有效波高为0.5~1.5 m)的船舶适航性为Ⅲ~Ⅴ级,船体稳定性降低、乘船体验变差,可触发舒适性预警;风险区间(有效波高≥1.5 m)的适航性为Ⅴ~Ⅷ级,会触发系统性禁航阈值,可按船型分级禁航。 展开更多
关键词 海洋休闲渔业 专题海浪预警报等级体系 船型差异化 模糊综合评价 有效波高
暂未订购 下载PDF
基于随机森林算法的波浪参数降尺度预报模型 认领 引用 被引量：1
14
作者 王晓惠 施渊 +3 位作者 沈旭伟 陈有俊 孙海飞 时健 《长沙理工大学学报（自然科学版）》 CAS 2025年第1期62-70,共9页
【目的】构建精确快速的波浪预报模型,以保障海上活动和海滩安全。【方法】采用中国近海波浪数据库中2009—2018年的波浪数据、风速数据作为训练样本,建立了融合波浪模型和随机森林机器学习算法的波浪降尺度快速预报模型。波浪数值模型... 【目的】构建精确快速的波浪预报模型,以保障海上活动和海滩安全。【方法】采用中国近海波浪数据库中2009—2018年的波浪数据、风速数据作为训练样本,建立了融合波浪模型和随机森林机器学习算法的波浪降尺度快速预报模型。波浪数值模型采用粗网格计算,通过随机森林算法进行降尺度波浪预报,以实现近海区域波浪要素的快速预报。【结果】对长江口外海2019年全年波浪的有效波高、平均周期和主波向进行了长时间序列的预报,发现所建立的波浪降尺度预报模型能够准确预报全年台风浪和寒潮浪的变化。与传统波浪模型相比,该模型的有效波高预报结果相对误差小于0.2%,计算效率也大幅提高,96 h波浪短期预报由分钟级提高至秒级。【结论】融合波浪模型和随机森林算法的波浪降尺度快速预报模型可提高波浪预报的稳定性、精确度和计算效率,也为利用波浪机器学习算法进行业务化波浪预报提供了新方法。 展开更多
关键词 波浪预报 机器学习 随机森林算法 台风浪 寒潮浪
暂未订购 下载PDF
南海岛礁海域波浪智能预报方法应用研究 认领 引用
15
作者 王发云 王盛健 +2 位作者 陈斌 梁乃安 邱立国 《海洋学报》 CAS CSCD 北大核心 2025年第12期136-149,共14页
为提升南海岛礁海域的波浪预报精度与模型泛化能力,本文基于BO-LSTM模型,系统探讨了输入因素作用、模型跨站位迁移能力及多步预测方法性能。研究采用单因素(历史波高)与双因素(历史波高+风速)输入,通过优化时间窗口,结合滚动预测法(RF)... 为提升南海岛礁海域的波浪预报精度与模型泛化能力,本文基于BO-LSTM模型,系统探讨了输入因素作用、模型跨站位迁移能力及多步预测方法性能。研究采用单因素(历史波高)与双因素(历史波高+风速)输入,通过优化时间窗口,结合滚动预测法(RF)与直接多步预测法(DM),对七连屿、甘泉岛、晋卿岛和华夏暗沙4个站位的1~24 h有效波高进行预报验证。结果表明:模型表现与站点地理地貌揭示的水动力环境高度相关。七连屿站“半遮蔽-半开阔”的格局使其模型泛化能力最强且稳定(最佳窗口n=2),在跨站预测中表现优异;而甘泉岛站、晋卿岛站等“潟湖内局地型”站点与华夏暗沙站“开阔水域型”站点,则因其地理特征主导的、差异化的数据分布导致了显著的“数据域偏移”,限制了模型的跨站迁移能力。短期预报中历史波高为核心因素,但其优势存在地理依赖性:七连屿站与晋卿岛站历史波高权重优势显著(>1.7倍),而甘泉岛站与华夏暗沙站风速贡献相对提升(优势比<1.4倍)。多步预测中,“DM+双”在短期至中期(1~18 h)综合最优,“RF+双”在长期(19~24 h)及甘泉岛站全时段更能抑制误差衰减。本研究验证了BO-LSTM在南海岛礁波浪预报中的有效性,并通过关联数据驱动规律与地理物理机制,为构建区域普适性智能预报模型提供了物理可解释的见解与方法支撑。 展开更多
关键词 波浪预报 BO-LSTM 南海岛礁海域 跨站位迁移 数据域偏移
暂未订购 下载PDF
基于自适应卷积和加权损失的浪高预测模型 认领 引用
16
作者 郑宗生 赵泽骋 +1 位作者 张月维 王绪龙 《海洋测绘》 CSCD 北大核心 2025年第2期47-51,共5页
有效波高(significant wave heights,SWH)是海浪运动的重要参数,准确的波高预测对于海上安全有重要意义。针对当前深度学习方法难以有效提取波浪场的多尺度特征,以及深度学习数据集中的浪高样本等级分布不平衡问题,提出一种区域浪高预... 有效波高(significant wave heights,SWH)是海浪运动的重要参数,准确的波高预测对于海上安全有重要意义。针对当前深度学习方法难以有效提取波浪场的多尺度特征,以及深度学习数据集中的浪高样本等级分布不平衡问题,提出一种区域浪高预测模型AC-LSTM(adaptive convlution LSTM)。该方法使用自适应卷积(Adaptive Convlution)提取波浪场的局部和全局特征,选择性地融合多尺度特征;使用考虑浪高等级的加权损失函数,缓解浪高数据中的类别不平衡问题。提出的模型在南海再分析数据集上进行实验,模型12 h的MAE、RMSE分别为0.152 m、0.223 m,表现优于流行的时空预测模型,可以有效进行区域浪高预测。 展开更多
关键词 有效波高预测 循环神经网络 自适应卷积 加权损失函数 多尺度
暂未订购 下载PDF
基于卷积神经网络的渤黄海海浪波高场预报模型构建与训练方法研究 认领 引用 被引量：2
17
作者 徐维真 李锐 +3 位作者 胡伟 崔学荣 许超 王宁 《海洋通报》 CAS CSCD 北大核心 2025年第1期1-14,共14页
针对目前海浪智能预报模型训练要素单一、对海浪自然特征考虑不足等问题,提出了多种基于卷积神经网络的渤黄海有效波高场的预报方法并分别予以讨论。根据渤、黄海海浪有效波高的变化特点,提出分季节、考虑地形、风涌浪分离、逐时预报四... 针对目前海浪智能预报模型训练要素单一、对海浪自然特征考虑不足等问题,提出了多种基于卷积神经网络的渤黄海有效波高场的预报方法并分别予以讨论。根据渤、黄海海浪有效波高的变化特点,提出分季节、考虑地形、风涌浪分离、逐时预报四个预报方法和一种边界处理方法,分别建立对应的预报模型,并用Optuna算法对模型的超参数进行优化。利用均方根误差(Root Mean Squared Error,RMSE)、空间均方根误差(Spatially Averaged Root Mean Square Error,SARMSE)分析实验结果发现,采用全部风速和有效波高数据训练的模型预报误差较大,大部分区域的RMSE在0.200 m以上,黄海南部区域的RMSE在0.300 m以上,SARMSE为0.231 m。采用五种方法均可降低模型的预报误差:分季节预报中各个季节预报结果的整体RMSE均有所下降,春、夏、秋、冬四个季节的SARMSE分别为0.181 m、0.180 m、0.192 m、0.185 m;考虑地形的影响后RMSE下降最明显的区域位于黄海南部,SARMSE为0.202 m;风涌浪分离的预报结果SARMSE为0.199 m,风浪波高的预报效果优于涌浪;对24 h波高进行逐时预报的SARMSE为0.172 m,相对于24 h直接预报可有效降低误差;通过扩大预报区域可将SARMSE降至0.208 m。通过本研究发现,在模型构建和训练中增加对于多训练要素和海浪特征的考虑,可以提高渤黄海有效波高的预报精度,相较于直接采用风速和有效波高预报的效果更好。 展开更多
关键词 深度学习 卷积神经网络 有效波高 海浪智能预报 物理机制 边界问题
暂未订购 下载PDF
基于卷积神经网络的混合浪海域港口波浪预报 认领 引用 被引量：1
18
作者 刘二利 马小舟 《水运工程》 2025年第4期32-38,87,共7页
港湾振荡是最常见的波浪灾害形式,危害巨大。准确高效地预测港内波浪有助于降低港口损失,避免人员伤亡。基于Boussinesq方程的数值模拟是研究港湾振荡的重要方法,计算成本较高,为应对港湾振荡业务化的预报,以斯里兰卡汉班托塔港为例,建... 港湾振荡是最常见的波浪灾害形式,危害巨大。准确高效地预测港内波浪有助于降低港口损失,避免人员伤亡。基于Boussinesq方程的数值模拟是研究港湾振荡的重要方法,计算成本较高,为应对港湾振荡业务化的预报,以斯里兰卡汉班托塔港为例,建立港湾振荡参数化模型,实现了港内波高的快速预测。将港外实测海浪谱划分为独立的波浪系统,对各个波系分别进行参数化表征,运用最大差异选择算法(MDA)选取计算工况,输入FUNWAVE-TVD模型模拟港内波浪在不同入射波浪参数组合下的响应,生成数据集,并分为泛化集和测试集两部分。泛化集用于训练和挑选卷积神经网络(CNN),测试集用于测试神经网络对于未知工况的性能。神经网络的输出是港内整个计算域上的有效波高和低频波高。结果表明:该模型在测试集上表现良好,能够准确地估计未知工况下的全场波高。随后,根据现场实测数据成功地验证了该模型,证明了波浪数值模型和CNN的可靠性。一旦获取了港外波浪参数,可以快速估计港口内的波浪状况。 展开更多
关键词 港湾振荡 波浪估计 FUNWAVE-TVD CNN 混合降尺度波浪预报模型 风涌浪分离
暂未订购 下载PDF
AI-based Correction of Wave Forecasts Using the Transformer-enhanced UNet Model 认领 引用
19
作者 Yanzhao CAO Shouwen ZHANG +2 位作者 Guannan LV Mengchao YU Bo AI 《Advances in Atmospheric Sciences》 SCIE CAS CSCD 2025年第1期221-231,共11页
Grid forecasting can be used to effectively enhance the spatial and temporal density of forecast products,thereby improving the capability of short-term marine disaster forecasting and warnings in terms of proximity.T... Grid forecasting can be used to effectively enhance the spatial and temporal density of forecast products,thereby improving the capability of short-term marine disaster forecasting and warnings in terms of proximity.The traditional method that relies on forecasters'subjective correction of station observation data for forecasting has been unable to meet the practical needs of refined forecasting.To address this problem,this paper proposes a Transformer-enhanced UNet(TransUNet)model for wave forecast AI correction,which fuses wind and wave information.The Transformer structure is integrated into the encoder of the UNet model,and instead of using the traditional upsampling method,the dual-sampling module is employed in the decoder to enhance the feature extraction capability.This paper compares the TransUNet model with the traditional UNet model using wind speed forecast data,wave height forecast data,and significant wave height reanalysis data provided by ECMWF.The experimental results indicate that the TransUNet model yields smaller root-meansquare errors,mean errors,and standard deviations of the corrected results for the next 24-h forecasts than does the UNet model.Specifically,the root-mean-square error decreased by more than 21.55%compared to its precorrection value.According to the statistical analysis,87.81%of the corrected wave height errors for the next 24-h forecast were within±0.2m,with only 4.56%falling beyond±0.3 m.This model effectively limits the error range and enhances the ability to forecast wave heights. 展开更多
关键词 TransUNet Transformer wave forecasting bias correction
暂未订购 下载PDF
基于长短时记忆神经网络的舟山群岛海域长时多要素海浪预报模型 认领 引用
20
作者 范迦勒 赵文宇 +2 位作者 周桑君 周一帆 白晔斐 《海洋与湖沼》 CAS CSCD 北大核心 2025年第5期1073-1085,共13页
待分解信号复杂度增大时传统单信号分解技术易产生过高特征空间维度的高频本征模态函数(intrinsic mode function,IMF),从而严重限制了长短时记忆神经网络(long short term memory,LSTM)的长时序预报能力。以舟山群岛南部外海某观测点... 待分解信号复杂度增大时传统单信号分解技术易产生过高特征空间维度的高频本征模态函数(intrinsic mode function,IMF),从而严重限制了长短时记忆神经网络(long short term memory,LSTM)的长时序预报能力。以舟山群岛南部外海某观测点所收集的海浪数据为基础,提出融合ICEEMDAN-VMD级联分解策略和LSTM的混合模型。该混合模型准确捕捉海洋波浪的非线性特征和长时序依赖规律,提高了复杂海况下对有效波高、有效波周期、波向的长时预报能力。与多变量LSTM模型相比,混合模型的48 h和72 h有效波高预测均方根误差(root mean square error,RMSE)降幅分别为53.9%和33.8%,有效波周期预测RMSE降幅分别为46.1%和39.1%,波向预测RMSE降幅分别为30.5%和23.9%。与EMD-LSTM模型相比,混合模型有效波高、有效波周期、波向的RMSE平均降幅分别为13.52%、17.79%、15.39%。 展开更多
关键词 信号分解 长短时记忆神经网络 海浪预报 舟山群岛
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 12 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈