人工智能海浪预报的发展与挑战

海浪是海洋中最为重要的现象之一,快速准确的海浪预报对于保障海上生产、生活安全具有重要意义。该文回顾了海浪预报方法的发展历程,包括传统统计预报、数值模式预报以及目前快速发展的人工智能预报。基于人工智能的海浪预报模型表现出计算速度快、预报精度自适应优化等优势,已经开始从研究阶段逐步应用于实际海浪预报业务之中,但同时该方法也存在预报要素有限、极端海况预报值偏低以及预报泛化能力弱的局限。该文根据人工智能海浪预报的特点,提出了人工智能海浪预报目前亟需解决的观测数据高效利用、先验知识引入、人工智能模型安全性与泛化能力提升等关键科学技术问题。

基于长短时记忆神经网络的舟山海域多要素海浪预报模型

本文以2019年1月1日至2021年12月31日舟山群岛南部外海观测点所涵盖的气象、海洋、地形等多种物理量数据为数据基础,使用长短时记忆(Long Short Term Memory,LSTM)神经网络搭建深度学习海浪预报模型,探讨输入输出序列比和输入要素数量对模型预测性能的影响,在舟山海域实现波浪三要素,即有效波高、有效波周期、传播方向的短时预报,并用2022年台风“轩岚诺”和“梅花”期间的数据检验模型对极端海况的预测能力。研究结果表明,根据实测数据所训练的多要素海浪预报模型具有较好的预测准确度和稳定性,能较好地实现对极端海况的预测,当输入输出序列比为1∶1时模型准确度较高,预报时长为1 h的三要素模型对于日常海况中有效波高、有效波周期和波向的预测均方根误差(Root Mean Squared Error,RMSE)分别为0.116 m、0.569 s和24.583°,对于极端海况中有效波高的预测RMSE为0.191 m,输入要素数量的增加可进一步提升模型准确度,但在预测时长较长时也会增加训练成本。

常规海浪预报定量化检验评估方法研究

常规海浪预报内容是一段文字,无法直接应用实况数据进行预报质量的检验评估。在详细调研全国海洋预报机构发布的海浪预报产品的基础上,应用东海预报减灾中心预报结果和实况数据进行反复测试与验证,制定了常规预报产品的处理规则,设计了检验评估方法;通过对存在问题的研讨与论证,重点解决评估波高最小值设定、观测点与预报海域面之间的关系、同一海域多点实况资料选取等定量化检验评估中的关键技术难点,提升了检验评估规则的合理性和适用性。

国外气象业务中心海浪预报能力验证

2016年,欧洲中期天气预报中心(ECMWF)被WMO基础系统委员会(CBS)指定为海浪预报验证牵头中心(Lead Centre for Wave Forecast Verification,LC-WFV)。LC-WFV通过收集和分析各种海浪观测数据,与海浪预报模型的输出进行比较,以评估海浪预报的准确性和可靠性。其工作对于提高海浪预报的质量、保障海上安全和海洋经济活动的顺利进行具有重要意义。

基于MASNUM海浪预报系统的北印度洋波浪特征模拟与预报分析

基于MASNUM海浪数值预报系统的全球10 a后报数据库资料,分析了北印度洋区域波浪分布特征。由于该地区受季风控制显著,夏季波浪大于冬季;在空间分布上,西部比东部风大、浪大,在亚丁湾、索马里外海波浪最大。基于Janson-1卫星高度计有效波高观测资料,对MASNUM海浪预报系统的预报性能进行了检验,检验结果表明,预报波高均方根误差在0.5 m左右,短期的24 h预报效果好于48 h和72 h,冬季好于夏季。另外,对预报误差进行了相应的概率分布分析。

人工神经网络技术在海浪预报中的应用

利用人工神经网络中的算法,建立了南海硇洲岛海区风浪的预报方案。结果表明,人工神经 BP 网络方法在海浪的定性及定量预报上,均有较好的拟合历史风浪浪高的能力。该方案对风浪浪高的预报也达到了一定的精度。文中还针对网络容易产生振荡,易发生不收敛的情况,建立了不同的预报方案并 BP 进行了对比分析,达到了较好的预报效果。

WAVEWATCH Ⅲ模式在渤海海浪预报的应用与检验

大连黄海、渤海海浪数值预报系统采用WAVEWATCH III模式进行海浪预报,预报产品包括48 h内浪高、周期和浪向的逐3 h预报,并可对其进行检验。结果表明:WAVEWATCH III模式对渤海中部浪高模拟较好,浪高预报TS为71.7%,对近岸海区浪高模拟相对较差。个例检验表明,浪高最大值模拟较好,模拟浪高最大值出现的时间与实况基本吻合,浪高变化趋势预报也较好。WAVEWATCH III模式对两个周期个例进行检验,预报误差最低可达0.17 s,预报效果较好。

海浪预报方法研究进展

总结了海浪预报方法的分类和研究现状,对比分析了各类方法的优缺点。通过对比分析可知,半经验半理论预报法、经验统计预报法、数值预报法3类传统的海浪预报方法区域化显著,模型建立困难,并且对于实时性数据要求较高。此外,还分析了海浪预报的发展趋势,展望了大数据、人工智能和深度学习等新技术在海浪预报研究领域的应用前景。

海浪预报三维动画计算原理与制作方法

研究了基于线性海浪模型制作三维动画海浪预报产品的制作方法,并制作了首个三维动画海浪警报产品。基本步骤为:由线性海浪模型生成一系列不同波高和波长的二维海面高度场,以及这些波面高度场对应的反光系数场;根据海浪预报图中波高的空间分布情况将不同波高的波面高度场拼接成复合的波面高度场,同时拼接出与之对应的复合反光系数场;由复合的波面高度场和反光系数场渲染出三维波面,并将渲染后的波面时间序列串接成动画形成最终产品。三维动画形式的海浪预报产品能有效地克服海浪有效波高等值线图信息不直观的缺点,预报信息易于被广大用户和公众理解。

大尺度能谱海浪预报模式研究进展及应用

本文对近年来国际上大尺度能谱海浪预报模式的研究进展进行了简单回顾,同时予以适当的剖析,三种模式均能在中国海得到成功的应用。应用表明,目前国际上三种最先进的模式均能为我所用,其结果均比较理想。

集合海浪预报的发展与应用回顾

总结了国内外集合海浪预报的发展及应用现状,现有集合海浪预报的方法及优缺点。以NOAA/NCEP机构为例,给出了集合海浪主流预报产品的种类,通过集合预报产品的分析可以看出,集合海浪预报能够将传统的确定性预报扩展至概率预报领域,可给出更多可能出现的未来状态,能提供单纯确定性预报所不能提供的额外信息,已成为国际上业务化海洋学未来发展的重要方向之一。

混沌理论在水文系统中的应用分析及海浪预报探讨

混沌理论在水文系统中的应用主要集中在水文时间序列的混沌性识别和水文混沌预测的模型研究上。重点探讨了水文系统混沌分析应用领域的研究进展,并分析认为,提取海浪混沌特征,探索海浪预报的一种新方法,很值得尝试并深入研究。

海浪预报现状与未来

值此国家海洋环境预报中心成立40周年之际,回顾40年来我国海浪研究和海浪预报历程,我国已经在海浪研究和海浪预报方面有了较大进展,尤其在海浪预报方面已经获得了一些较成熟的理论和方法。本文简要介绍在发展和完善海浪数值诊断模式与海浪数值预报模式,实现海浪预报方法客观化,预报手段自动化和系统化方面的现状和未来。

海浪预报产品数据库管理系统开发研究

本文介绍海浪预报产品数据库管理系统,包括数据库管理系统的总体设计,硬软件的配置,数据库管理系统的主要内容和解决的关键技术。该数据库管理系统的建成,提供了我国近海和西北太平洋海浪预报的系统性资料,不仅对提高海浪预报准确率提供基础资料,也给海浪中长期预测预报方法研究和区域海洋学研究带来极大帮助。

海浪预报知识讲座 第八讲 海浪预报技术及预报方法(1)

海浪实况图与预报图的制作及风资料计算海浪要素方法 海浪预报是根据影响海浪的生成、发展和消衰的外界条件,结合海区内的现时海浪状态,对海区未来的海浪状态作出计算和预报。制作海浪预报,必须了解三个因素:-

小波分解及神经网络在海浪预报中的应用

提出采用小波分解与递推平方根法神经网络模型相结合的方法进行海浪预报。采用小波分析方法既能把握海浪的发展变化趋势,又能简化预报模型,同时基于递推平方根法的神经网络模型预报方法不仅收敛速度快,又能很好地提高精度,减少计算量。即先将不规则海浪信号用小波分析方法进行多尺度一维分解,得到相对简单、规则的准周期分量信号,然后用一种基于递推平方根法的神经网络模型对各重构信号进行预报,最后对预报结果进行集成。最终的仿真结果验证了该方法的有效性。

海浪预报方法综述〈一〉

一、前 言 早在1802年,英国海军蒲福将军应用20年海面状况观测资料,制成了海面风力海况表,自那以后,就有了海浪预报,这种方法就是目前仍被气象部门所应用的风推浪的预报方法。在这以后很长的一段时间里,由于波浪理论研究缓慢,海浪预报方法没有多大进展,直至1942年,由于军事上的需要,由Sverdroup和Munk提出了著名的有效波预报方法后,海浪预报才开始进入实用阶段,随后美国的Pierson、Neumann和James于1955年提出了著名的PNJ波谱预报方法。同时,国内外海洋学者还提出了许多经验统计预报方法,较有代表性的有Wilson方法和苏联海洋学家Peal提出的预报方法,我国的文圣常教授提出的谱预报方法为我国的海浪预报方法奠定了基础。

航行船舶的运动估计在海浪预报中的应用研究

研究航行中的船舶运动估计及时性不高的问题。由于在海上航行的船舶受海浪运动的随机性和多向性影响,船舶的运动估计信号较复杂且难于提取。传统的方法是从船舶的运动交叉谱中逐一计算提取运动估计信号,存在计算量过大不能及时预报海浪的问题。为解决上述问题,提出了最大似然估计法完成海浪及时预报。根据船舶运动是窄带平稳随机过程的特点,采集船舶的实时横摇、纵摇、垂摇运动时间序列,并将船舶的运动交叉谱作为约束条件,采用最大似然估计法提取出隐含的运动估计信号,避免传统方法对交叉谱的逐一大量计算,然后利用船舶运动估计结果完成海浪的预报。实验表明,提出的方法能够快速获取航行船舶的运动估计信号,可及时完成海浪的预报。

海浪预报方法综述(二)

四、海浪的数值预报方法 到目前为止,海浪的数值预报模式基于谱组成波的能量平衡方程以数值计算方法而建立的,实质上都是以下述能量平衡方程为基本方程:式中F是二维波谱,是频率f、传播方向θ、时间t和位置x的函数,Cg为波群速度,S为源函数,包括风作用项S_（in）、消衰项S_（ds）（包含波的破碎消衰、涡动粘性和逆风引起的消衰,浅水中海底和地形引起的消衰等）、波与波之间相互作用引起的非线性能量传输项S_（n1）。所谓海浪数值预报,就是将上述微分方程（或者是近似公式）进行数值积分。虽然不同的研究者采用描述组成波成长的方程有相同的形式,但由于所用的源函数不同,所以提出的数值模式就很多。经SWAMP小组对比,大致分三类:一是非耦合离散型模式（Decoupled Propa-gation）,简称DP模式;二是耦合混合型模式（Coupred Hybrid）,简称CH模式;三是耦合离散型模式（Coupled Discrete）,简称CD模式。并根据各类模式的功能,将DP模式划为第一代海浪模式,CH和CD模式为第二代海浪模式。

海浪预报不确定下的船舶运动姿态分析方法

实时准确地估计海浪预报不确定下的船舶运动姿态是一个非常困难的问题。为解决该问题,通过分析海浪预报的随机误差对船舶运动姿态估计的影响,建立基于不确定性海况预报数据的船舶运动姿态估计模型;引入多项式混沌展开方法,实现船舶运动姿态估计的不确定性量化(Uncertainty Quantification, UQ);利用船舶横摇运动仿真系统对多项式混沌展开(Polynomial Chaos Expansion, PCE)进行验证,并与常用的蒙特卡洛仿真方法(Monte Carlo Simulation, MCS)进行对比。试验结果表明:在船舶横摇运动姿态UQ问题上,PCE方法与MCS估计效果相当,但收敛速度更快,计算速度提升92%,对航行优化和实时评估船舶安全具有重要的意义。