一种基于混合时间序列感知机模型的台风浪高预测方法技术

一种基于混合时间序列感知机模型的台风浪高预测方法，涉及大数据应用及安全风险评估技术领域，包括：步骤1、数据获取；步骤2、数据预处理；步骤3、建立基于混合时间序列的感知机模型；步骤4、根据感知机模型预测台风海浪的波高。本发明专利技术能够及时、快速、准确地预报剧烈变化的台风天气下海浪波高随时间的变化，具体来说：本发明专利技术建立的感知机模型是通过寻找台风期间风速、风向、气压、台风中心位置和台风中心最大风速这些物理量与波高的非线性物理关系，同时考虑台风过程中波高随时间变化的关系，实现了对台风天气下海浪波高的及时、快速、准确预测。测。测。

【技术实现步骤摘要】
一种基于混合时间序列感知机模型的台风浪高预测方法


[0001]本专利技术涉及大数据应用及安全风险评估
，具体涉及一种基于混合时间序列感知机模型的台风浪高预测方法。

技术介绍

[0002]我国东南沿海因西邻太平洋，是热带气旋频繁发生的地区，据统计，台风灾害是我国第二大海洋灾害，台风带来的强风和极端海浪会破坏海岸防护结构物，对人类社会的生命安全和财产安全造成重大危害。台风带来的巨浪是破坏海岸建筑物的主要因素之一。台风发生期间，台风风场随着台风中心的运动而不断变化，台风带来的波浪也随着风场的变化而不断变化。在这种情况下，及时预测台风期间的波浪变化状况是至关重要的，同时对于波浪能的获取、海洋渔业、海上交通和海洋工程建设尤为重要。因此，有必要开发一种能够及时预测台风期间波浪状况的工具，来提前预测巨浪的产生和发展，达到预警的效果。
[0003]目前，波浪的及时预测主要由人工神经网络模型实现，人工神经网络模型通过训练大量的波高数据来寻找波高的变化规律，从而预测未来波高的发生和变化。其中，长短期记忆网络是一种改进之后的递归神经网络，可以解决递归神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合时间序列感知机模型的台风浪高预测方法，其特征为：包括：步骤1、数据获取；步骤2、数据预处理；步骤3、建立基于混合时间序列的感知机模型；步骤4、根据感知机模型预测台风海浪的波高。2.如权利要求1所述的一种基于混合时间序列感知机模型的台风浪高预测方法，其特征为：所述的步骤1中：需要获取的数据包括台风中心信息和测点的海洋环境信息；所述的台风中心信息获取自中央气象台台风网的台风最佳路径数据，包括台风中心位置的经纬度、台风中心气压和台风中心最大风速；所述测点的海洋环境信息包括测点的风速、风向和有效波高。3.如权利要求2所述的一种基于混合时间序列感知机模型的台风浪高预测方法，其特征为：所述的步骤1中，将一个台风过程的数据作为一个数据集，获取多个数据集。4.如权利要求3所述的一种基于混合时间序列感知机模型的台风浪高预测方法，其特征为：所述的步骤2中，将每个数据集中的数据都按照时间序列进行排序，将有效波高作为将要建立的感知机模型的输出参数，其他数据信息作为输入参数。5.如权利要求4所述的一种基于混合时间序列感知机模型的台风浪高预测方法，其特征为：所述的步骤3包括如下具体步骤：A、时间序列转换层的计算：将经过预处理的输入数据转换为包含时间序列信息具有特定时间延迟的输入神经元，对于每个输入神经元，采用对应的转换向量S
i
进行变换操作，如式(1)所示:(1)式(1)中，为前n个时刻的输入向量的信息控制门，如果该时刻的信息被考虑在内，则，如果该时刻的信息被忽略，则；B、数据归一化处理：将数量级不同的输入参数归一化，计算方法如公式（2）所示：(2)式（2）中，Data为样本数据，Data
min
为样本数据最小值，Data
max
为样本数据最大值，Data
nor
为归一化处理后的数据，Data
nor,max
为归一化区间上限，Data
normin
为归一化区间下限；C、建立多层感知机模型：根据输入参数及输出参数种类确定输入层感知单元数、隐含层数量Num
h
、感知单元数E
h
和输出层数量E
out
；D、确定感知机模型的边界条件和初始条件：训练算法选择梯度下降反向传播算法，训练学习速率为0.1，训练迭代次数为200，训练目标误差为1e
‑
5，隐含层各单元激活函数为
tansig函数，定义为输出层的各单元激活函数为purelin函数，定义为f(x)=x；E、将感...

【专利技术属性】
技术研发人员：王智峰，巩艺杰，董胜，陶山山，张日，黄炜楠，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：