一种基于最优组合模型的波浪预报方法技术

本发明专利技术提供了一种基于最优组合模型的波浪预报方法，涉及波浪预报技术领域，包括如下步骤：S1：建立目标区域的波浪数据库；S2：将波浪数据库中的每一个样本点在不同时间的海浪波高值组成一个一维数组；S3：将所述一维数组通过鲸鱼优化算法进行优化得到最优组合模型的参数；S4：得到最优的分解后子序列数组；S5：得到最优组合模型；S6：利用梯度下降算法对最优组合模型中的全连接层和卷积核中的参数进行优化，得到预测模型；S7：将目标波浪的当前波高值带入到预测模型中，输出目标波浪的预测波浪值。本发明专利技术通过变分模态分解与卷积核以及全连接神经网络的组合，实现了在局部区域能够以更少的输入条件预测强非线性海浪高度的效果。更少的输入条件预测强非线性海浪高度的效果。更少的输入条件预测强非线性海浪高度的效果。

【技术实现步骤摘要】
一种基于最优组合模型的波浪预报方法


[0001]本专利技术涉及波浪预报
，具体而言，尤其涉及一种基于最优组合模型的波浪预报方法。

技术介绍

[0002]波浪预报的主流方法是基于能量平衡方程进行积分计算得到的第三代海浪模式(WAN)方法。在国际上专业的海浪预报任务中，以这种方法为基础的衍生算法占有主导地位。这种方法基于能量平衡方程，因此具有一定局限性。
[0003]在局部区域中，应用基于能量平衡方程方法预测海浪的有义波高需要输入的边界条件繁多。一般来说，预测波浪需要确定的边界条件至少包含这一区域的风速、温度、气压、以及其他由于地球运动引起洋流、潮汐等。在局部区域中、确定如此多的边界条件需要更多的人力物力财力。在已知边界条件的情况下，也难以对该区域的每个点的海浪有义波高进行高精度的预测。在强非线性非平稳的条件下，基于能量平衡方程方法带来的精度下降是非常明显的。这是由于在强非线性条件下，边界条件的测定更为困难，且变化十分剧烈，难以达到平稳。因此在边界条件不稳定甚至不确定的情况下，通过能量平衡方程预测的波浪高度也具有了很大的不确定性。反映本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最优组合模型的波浪预报方法，其特征在于，包括如下步骤：S1：建立目标区域的波浪数据库，所述波浪数据库包括在一定时间范围内目标区域中各样本点的海浪波高值；S2：将波浪数据库中的每一个样本点在不同时间的海浪波高值组成一个一维数组；S3：将所述一维数组通过鲸鱼优化算法进行优化得到最优组合模型的参数；S4：利用变分模态分解法对所述一维数组和最优组合模型的参数进行分解，得到最优的分解后子序列数组；S5：对所述最优的分解后子序列数组进行卷积计算，并对计算值进行池化后输入至全连接层中，得到最优组合模型；S6：利用梯度下降算法对最优组合模型中的全连接层和卷积核中的参数进行优化，得到预测模型；S7：将目标波浪的当前波高值带入到预测模型中，输出目标波浪的预测波浪值。2.根据权利要求1所述的基于最优组合模型的波浪预报方法，其特征在于，所述样本点的选取规则包括：在目标区域中，用浮标代表样本点，所述样本点的间隔大于等于浮标的最小活动范围；所述样本点覆盖整个目标区域；在测量样本点的有义波高时，包含一次完整的强非线性非平稳周期；以等时间间隔测量样本点的有义波高；所述等时间间隔大于等于15分钟。3.根据权利要求1所述的基于最优组合模型的波浪预报方法，其特征在于，S4包括如下步骤：获取初始化矩阵；所述初始化矩阵包括分解后子序列矩阵中心频率矩阵拉格朗日乘数矩阵拉格朗日乘数矩阵拉格朗日乘数矩阵拉格朗日乘数矩阵其中：n为迭代次数，k为模态分解个数，i的取值法范围为1
‑
k，j的取值范围是1
‑
n，为一维数组；将一维数组带入初始化矩阵中进行迭代...

【专利技术属性】
技术研发人员：张佳宁，辛翔宇，危远辉，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：