基于RF-WOA-VMD-BiGRU-Attention的神经网络模型在海浪预测中的应用

海上风电场的海况数据极其复杂导致用于海浪高度预测的输入参数极其不稳定,筛选出关键信息,提高输入参数的质量可以极大地提高海浪高度预测的准确性。以乐亭菩提岛风电场近一年的海上数据为基础,构建了一种基于随机森林(random forest, RF)、鲸鱼优化算法(whale optimization algorithm, WOA)、变分模态分解(variational mode decomposition, VMD)和双向门控循环单元(bidirectional gated recurrent unit, BiGRU)的海浪预测模型。该模型利用随机森林对环境特征等输入变量进行筛选,有效减少数据冗余,然后基于WOA-VMD模型自适应确定最优参数和自适应分解原始序列,提高数据质量并消除数据噪声的干扰。此外,针对海浪预测提出了一种基于注意力机制优化的BiGRU算法,随机森林的注意力机制将为BiGRU的隐藏层状态分配不同的权重,加强关键信息的影响。实验结果表明该模型和其他模型对比,输入质量更高,预测精度更高,拟合程度更准确,对风电场海浪预测有着重大意义。

RF-BiLSTM神经网络在海浪预测中的应用

由于风浪数据的随机性,复杂性,影响因素多,多为时间序列的特点,造成了传统预测模型预测难度大,精确率低,构建了基于随机森林的注意力机制与双向长短期记忆神经网络相结合的海浪预测模型.该模型对输入进行优化,可以使用过去和未来的数据信息进行预测,提高了海浪波高的预测精度.该模型利用随机森林对输入变量筛选优化,降低网络复杂度,然后将注意力机制与双向长短期记忆神经网络相结合建立预测模型,并利用实际数据进行验证.结果显示,和BP, LSTM, BiLSTM模型比较, RF-BiLSTM模型的预测精度更高,拟合程度更好,在海浪数值的预测预报中有重要意义.

2001年中国海海浪分析及2002年中国海海浪预测

本文主要分析了2001年中国海海浪的分布特征,并对2002年中国海海浪进行了预测,以供沿海地区及从事海洋开发,渔业、交通运输等事业和企业部门参考。

融合多重分解和差值修正的海浪波高预测研究

为了提升海浪波高预测精度,提出了融合多重分解和差值修正的海浪波高预测模型(J-DE-LSTM)。该模型采用自适应噪声完备集合经验模态分解,对波高数据进行一重分解,以及对分解后的残差分量进行二重分解;采用亲和力传播算法进行聚类降维并输人到长短期记忆网络进行预测获取初步预测值。建立波高观测值与初步预测值形成的差值序列进行三重分解,采用样本熵重构为趋势项和周期项并进行权重计算,构建粒子群算法优化极限学习机和LSTM的组合预测模型进行双轨并行预测;最后将预测结果与权重加权融合进行差值修正未来点位波高预测值。实验结果表明J-DE-LSTM模型较LSTM、TCN模型平均绝对误差提升约4.1%~11.5%,均方误差提升6.5%~15.2%。

中国近海2022年灾害性海浪分析及2023年预测

总结分析了2022年中国近海有效波高≥4m的灾害性海浪过程及灾情概况,并对2022年度的预测结果进行了检验。根据1979—2022年有效波高≥4 m的灾害性海浪的统计资料、2023年副热带高压和热带气旋的分析预测资料,结合采用线性回归方法的趋势预测结果以及相似年分析,预测2023年中国近海将出现灾害性海浪过程39~42次,较2022年增多,较常年略偏多,其中灾害性台风浪过程为15~18次,主要发生在东海、台湾海峡和南海,灾害性冷空气浪和气旋浪过程为23~25次,与常年持平;同时预测了各海区灾害性海浪过程出现天数,预测结果可为2023年的海洋防灾减灾提供重要参考。

中国近海2012年灾害性海浪分析及2013年预测

总结分析了2012年中国近海有效波高≧4 m的灾害性海浪过程及灾情概况,并对2012年度的预测结果进行了检验评估。依据1968—2012年有效波高≧4 m的灾害性海浪的统计资料,结合2013年副热带高压及热带风暴的分析预测资料,预测了2013年中国近海灾害性海浪过程的出现次数,以及分海区的出现天数,预测结果可为今年的海洋防灾减灾提供技术支持。

中国近海2011年灾害性海浪分析及2012年预测

总结分析了2011年中国近海有效波高为4 m以上的灾害性海浪过程及灾情概况,并对本年度的预测结果进行了检验评估。依据1968—2011年有效波高≧4 m的灾害性海浪的统计资料,结合2012年副热带高压及热带风暴的分析预测资料,预测了2012年中国近海灾害性海浪过程的出现次数,以及分海区的出现天数,预测结果可为今年的海洋防灾减灾提供技术支持。

基于误差修正和LSTM的海浪高度预测模型

准确可靠的海浪高度预测是海洋工程和沿海工程应用的一项重要任务,如海洋渔业捕捞和近海勘探工程。提出一种基于误差修正和长短期记忆(LSTM)网络的海浪高度预测模型,采用自适应噪声完备集合经验模态(CEEMDAN)分解误差序列,产生误差模态分量,根据斯皮尔曼(Spearman)产生的相关系数划分每个模态分量的权重,利用长短期记忆网络对误差模态分量进行预测,将权重和预测模态分量相结合,融合到未来对应点位的预测值中,提高预测精度。实验结果表明,在均方根误差(RMSE)、拟合优度(R^(2))等评价指标上,与极限学习机(ELM)、融合注意力机制LSTM(A-LSTM)等模型进行比较,CSLM模型的评价指标较好,验证了CSLM模型的有效性和可行性。

基于GWO-SVR的深海采矿海试区海浪高度预测

基于ERA5再分析资料,取海试区中心区域海洋环境数据构建输入特征,使用灰狼优化算法(GWO)对支持向量回归(SVR)算法进行参数寻优,并将GWO-SVR算法和传统SVR算法及基于粒子群算法(PSO)的PSO-SVR浪高预测效果进行比较和分析。为进一步探究周围环境及海浪状态对GWO-SVR预测效果的影响,构建3种数据模型进行了63组试验。结果表明,GWO-SVR能够对海浪高度进行有效预测,且预测精度较高;当使用较大空间范围的海洋环境数据构建特征作为算法输入时,能够有效提高GWO-SVR算法对海浪高度预测的精度。

基于SVM的海浪要素预测试验研究

采用支持向量机对海浪要素中的有效波高进行预测,采用风场和波浪场作为学习要素,对比不同特征向量对有效波高预测结果的准确度。取台湾岛东部海区作为实验区域,使用NCEP再分析的数值模式数据作为学习样本。选用支持向量分类机,建立了4组不同特征向量的模型进行海浪有效波高的预测,并对4种模型的结果进行比较和分析。实验表明,当输入的特征向量过多或过少时,会对模型的预测结果和计算效率产生不同的影响。当使用风场和波浪场共同作为特征向量进行学习时,在该区域预测结果与模式预报结果相比更接近,相关系数将近99%,均方根误差约0.2 m。

基于EMD分解的海浪有效波高短期预测研究

海浪与人类的海上活动密切相关,其在航海运输、海洋开发、防灾减灾等领域中具有重要地位。海浪预报,尤其是海浪有效波高的预报一直是海洋研究的重点。由于海浪具有很多的随机特性和不确定因素,海浪预报的准确度依然是目前要解决的关键问题。本文深入研究了渤海海浪数据,拟采用基于经验模式分解(EMD)和支持向量回归模型(SVR)联合的混合模型进行短期海浪有效波高预测。经验模式分解能够自适应地将非平稳时间序列分解为频率由高到低的一系列本征模函数(Intrinsic Mode Function, IMF)和残差,然后根据本征模函数各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,接着对各预测分量进行加权组合,得到原始序列的准确预测值。渤海2012年的海浪有效波高短期预测实验表明,基于经验模式分解(EMD)和支持向量回归模型(SVR)联合的混合模型预测结果比单一的支持向量回归模型预测结果更准确。

基于变分模态分解和注意力机制的浪高预测

针对海洋中的海浪高度数据存在非线性和非平稳性的特点,海浪高度的预测就变得相对复杂。基于变分模态分解(VMD),在引入注意力机制(AM)的基础上,对传统长短期记忆(LSTM)神经网络算法进行了改进,提出了一种基于混合模型的海浪高度预测算法。算法通过预处理、预测和重构3个主要步骤,对海浪高度的时间序列进行预测。为了比较和说明,以太平洋东北海盆海域和马尾藻海域的4个站点浮标数据进行实验。实验结果表明,本文提出的混合模型(VALM)将海浪高度数据分解为更平稳和更规则的子序列;可以更好的区分数据之间的重要程度,并能够携带更多信息的数据;与支持向量回归(SVR)、人工神经网络(ANN)和LSTM等模型进行比较,VALM模型的预测效果最好且具备一定的鲁棒性。

海洋巨浪的预测

过去20年，因恶劣的天气而沉没的超级油轮和集装箱货船超过200艘。研究人员认为，10层楼高以上的海浪是其中最主要的杀手。然而直到今天，他们还不知道这种”强盗海浪“是否在全球范围内普遍存在。这对造船业可是个问题，目前制造的船只只能抵挡15米高的浪涛，只有10层楼的一半高。

Wave forecast in the Atlantic Ocean using a double-stage ConvLSTM network

海浪预报对海上运输安全至关重要.本研究提出了一种涵盖物理信息的深度学习模型Double-stage ConvLSTM(D-ConvLSTM)以改进大西洋的海浪预报.将D-ConvLSTM模型与海浪持续性预测和原始ConvLSTM模型的预测技巧进行对比.结果表明,预测误差随着预测时长的增加而增加.D-ConvLSTM模型在预测准确度方面优于前二者,且第三天预测的均方根误差低于0.4 m,距平相关系数约在0.8.此外,当使用IFS预测风替代再分析风时,能够产生相似的预测效果.这表明D-ConvLSTM模型的预测能力能够与ECMWF-WAM模式相当,且更节省计算资源和时间.

海洋测绘文摘

HC9933测深信息处理的最佳小波门限滤波法/徐卫明(大连舰艇学院海洋测绘系)…//测绘学报,—1999,28(2)。—131～138 针对测深数据在环境噪声处理中存在的问题,基于离散快速小波变换技术,根据信号检测中的Neyman-Peason准则,提出了从环境噪声污染的测深信号中重构海底地形信号的最佳小波门限滤波法,从而达到降低环境噪声对测深信息的影响。

中国灾害性海浪研究进展

海浪灾害是海洋灾害的重要组成部分,是各种海洋灾害中导致人员死亡或失踪的最主要致灾因素,是各种涉海工程设计、施工和运维工作必须考虑的动力因素,是中国海洋安全与保障工作必须面对的自然灾害。通过讨论灾害性海浪的常用定义和分类,评述了有关典型灾害性海浪特性的主要研究成果,总结了主要灾害性海浪预报业务化现状,提出了灾害性海浪研究尚存的主要问题和未来的研究方向。