【技术实现步骤摘要】
一种波浪要素预测方法及系统
[0001]本专利技术涉及数据处理
，尤其是一种波浪要素预测方法及系统。
技术介绍
[0002]波浪的重要性来自海上发生的不同的研究和应用，如航行安全、船舶航线、石油和天然气生产和运输，分别由平台和管道的使用产生。此外，波浪对近岸工程也产生了重要的影响，如港口作业、港池舶稳状况、海岸脆弱性评估、海岸结构设计和核查。波浪的潜在增减和破碎是海岸淤蚀过程变化的关键因素，也是将波浪能转化为电能的装置的实际性能的关键因素。
[0003]现有的波浪预测手段较为单一。例如单一确定性预测，该预测手段在24小时内的预测效果初步满足要求，但是长期时段预测的效果不佳，难以满足实际需求，其有着特定的使用目标和工作环境。机器学习的预测会随着预测的时段变长导致误差不断增大。且现有的技术大多集中在有效波高的预测上，实际工程中，波风周期、波向等数据也同样重要，但现有技术却无法预测。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供一种误差小、预测效果佳的波浪要素预测方法及系统，能够预测波风周...
【技术保护点】
【技术特征摘要】
1.一种波浪要素预测方法，其特征在于，包括：获取风场信息；根据所述风场信息进行预先预测来对初始模型进行优化验证，得到集合预测模型；根据所述集合预测模型进行正式预测，得到预测序列值；对所述预测序列值进行检验，确定满足验证要求的预测结果；通过SOM机器学习对所述预测结果进行预测结果分类处理，得到不同精度的预测模型集合；从所述精度预测模型集合中选取目标精度预测模型，将所述目标精度预测模型的预测结果加上修正值作为输出波浪要素最终预测结果；其中，所述波浪要素预测结果包括但不限于有效波高数据、波峰周期数据以及波向数据。2.根据权利要求1所述的一种波浪要素预测方法，其特征在于，所述根据所述风场信息进行预先预测来对初始模型进行优化验证，得到集合预测模型，包括：构建第一区域的确定性SWAN模型，在所述确定性SWAN模型中嵌套多个集合SWAN模型；其中，所述确定性SWAN模型为各个集合SWAN模型提供边界条件；根据海面扰动预报风场信息对各个集合SWAN模型进行预测训练，获取一段时间周期内的预测序列值，并选取所述一段时间周期内对应的实测序列值；通过相关系数计算公式将所述预测序列值和所述实测序列值进行对比，得到判断系数值；根据所述判断系数值确定满足相关系数要求的集合SWAN模型；计算满足相关系数要求的各个集合SWAN模型得到的预测序列值的平均值，将所述平均值与所述实测序列值的平均值进行比较，得到平均偏差值；根据所述平均偏差值计算得到修正值；根据所述修正值对各个满足相关系数要求的集合SWAN模型进行修正，得到集合预测模型的最终预测结果。3.根据权利要求1所述的一种波浪要素预测方法，其特征在于，所述根据所述集合预测模型进行正式预测，得到预测序列值，包括：当所述集合预测模型的预先预测满足预设要求后，将所述集合预测模型列入进入正式预测的模型；将所述集合预测模型作为所述正式预测的起点，选用多个海面扰动预报风场信息作为所述正式预测的驱动，获取不确定性预报结果，作为预测序列值。4.根据权利要求1所述的一种波浪要素预测方法，其特征在于，所述对所述预测序列值进行检验，确定满足验证要求的预测结果，包括：获取高频地波雷达在实际区域观测得到一周的有效波高序列值；根据所述有效波高序列值和所述预测序列值，计算均方根误差；根据所述有效波高序列值和所述预测序列值，计算相关系数；根据所述均方根误差和所述相关系数进行条件判定，确定满足验证要求的预测结果。5.根据权利要求4所述的一种波浪要素预测方法，其特征在于，所述通过SOM机器学习对所述预测结果进行预测结果分类处理，得到不同精度的预测模型集合，包括：
根据所述均方根误差和...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。