有效波高(Significant wave heights,SWH)是描述海浪的重要属性,SWH的预测对于保障近岸工程设计以及海上作业安全具有重要意义。近年来,深度学习方法被用来对SWH进行预测,但是目前存在的方法无法有效捕捉SWH的长时间相关性,同时忽略了...有效波高(Significant wave heights,SWH)是描述海浪的重要属性,SWH的预测对于保障近岸工程设计以及海上作业安全具有重要意义。近年来,深度学习方法被用来对SWH进行预测,但是目前存在的方法无法有效捕捉SWH的长时间相关性,同时忽略了海洋多要素之间的局部关联。为此,提出一种结合海洋多要素局部和全局特征的SWH预测模型(Multi-elements local and global correlation for wave height prediction,MLG-SWH)。以有效波高、风速、周期等多要素作为输入,设计了局部-全局编码(Local-global embedding,LGE)模块,提取海洋多要素的局部关联以及时间信息。采用编-解码器作为基础网络结构,提取多要素海浪序列特征。在编-解码器中,设计了空洞因果卷积自注意力模块来有效捕捉海洋多要素序列的全局长时间相关性,并在解码器中利用生成推理方式避免单步迭代预测产生的误差累积。选取北大西洋海浪有效波高变化特点不同的两个站点数据进行实验。相较于经典时间序列预测模型以及主流深度学习方法,研究所用的MLG-SWH模型在24和48 h预测的均方根误差以及平均绝对误差均为最低,并在长时序预测方面具有较大的优势。展开更多
文摘有效波高(Significant wave heights,SWH)是描述海浪的重要属性,SWH的预测对于保障近岸工程设计以及海上作业安全具有重要意义。近年来,深度学习方法被用来对SWH进行预测,但是目前存在的方法无法有效捕捉SWH的长时间相关性,同时忽略了海洋多要素之间的局部关联。为此,提出一种结合海洋多要素局部和全局特征的SWH预测模型(Multi-elements local and global correlation for wave height prediction,MLG-SWH)。以有效波高、风速、周期等多要素作为输入,设计了局部-全局编码(Local-global embedding,LGE)模块,提取海洋多要素的局部关联以及时间信息。采用编-解码器作为基础网络结构,提取多要素海浪序列特征。在编-解码器中,设计了空洞因果卷积自注意力模块来有效捕捉海洋多要素序列的全局长时间相关性,并在解码器中利用生成推理方式避免单步迭代预测产生的误差累积。选取北大西洋海浪有效波高变化特点不同的两个站点数据进行实验。相较于经典时间序列预测模型以及主流深度学习方法,研究所用的MLG-SWH模型在24和48 h预测的均方根误差以及平均绝对误差均为最低,并在长时序预测方面具有较大的优势。
