【技术实现步骤摘要】
本专利技术涉及一种海浪预报技术，尤其是涉及一种基于海面风向和风速预报的浪高预报方法。
技术介绍
1、大风和大浪都能单独形成自然灾害，很多时候这两种自然灾害同时出现，更加剧了灾害的程度。通常所说的海浪，是指海洋中由风产生的波浪，包括风浪、涌浪和近岸浪。风浪由风导致，而涌浪事实上是风浪遗留下来的浪，浪总体来说都是由风所引起的，因此有“无风不起浪”的俗语。涌浪相对风浪变化较缓慢，在一定的时间内具有更高的连续性，而风浪受风的影响较大，如果风向或风速突变，则风浪也随之发生很大的变化。风浪的成长与风速、风时和风距这三个主要因素有关，还与传播过程中海域的地形、水深条件和海流影响等有关。
2、某海区某时刻的风浪与前期一段时间内的风密切相关，一般来说，风向越稳定，风速越大，风浪也越大。风速与风浪浪高的关系更接近线性关系，而风向与风浪浪高的关系更多是非线性关系，所以如果要考虑前期风向和风速对风浪的作用，则有必要采用非线性模型。
3、虽然目前已有海洋数值模式能够预报海浪的变化，但由于海洋数值模式存在浪流耦合和很难精确刻画海岸线的问题，因此可能会造成如边界流和海岸等局部强流区，输出结果会出现较大错误，而气象数值模式对大气的预报能力准确率更高。考虑在短时间内风是风浪生消的主要因素，基于气象数值模式的海面风向和风速预报，设计浪高预报模型来预报海浪浪高的变化，为海洋航运和海上作业提供风险预报和预警，具有较高的经济效益和社会效益。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基
2、本专利技术解决上述技术问题所采用的技术方案为：一种基于海面风向和风速预报的浪高预报方法，其特征在于包括以下步骤：
3、步骤1：对于任一个海区的一个浪高待预报点，将该浪高待预报点定义为当前浪高预报点；然后按距离最近的原则，为当前浪高预报点匹配一个观测点，该观测点具有一段历史时间内整点时刻的风向观测值、风速观测值和浪高观测值；
4、步骤2：将观测点当前待处理的整点时刻定义为当前时刻；
5、步骤3：令当前时刻为第h个整点时刻，提取出自第h-t个整点时刻至当前时刻共t+1个整点时刻各自的风向观测值和风速观测值，并提取出当前时刻的浪高观测值，将提取出的一个浪高观测值以及t+1个风向观测值和t+1个风速观测值组成一个历史样本；其中，h的初始值为t+1，t的取值为12～24；
6、步骤4：将观测点的下一个待处理的整点时刻作为当前时刻，然后返回步骤3继续执行，直至观测点的一段历史时间内的所有整点时刻处理完毕，得到数个历史样本；
7、步骤5：使用所有历史样本对基于深度学习的非线性预报模型进行训练，训练时以风向观测值和风速观测值为预报因子，以浪高观测值为预报对象，训练结束后得到基于风向和风速的浪高预报模型；
8、步骤6：针对当前浪高预报点，将当前待预报的整点时刻定义为当前预报时刻；然后获取当前预报时刻的前t个整点时刻各自的风向预报值和风速预报值，并将获取的t个风向预报值和t个风速预报值组成一个预报样本；再将预报样本输入到浪高预报模型中，浪高预报模型输出当前预报时刻的浪高值作为浪高预报值。
9、所述的步骤1中，一段历史时间为至少一年以上时间。
10、所述的步骤3中，t的取值为16。
11、所述的步骤5中，基于深度学习的非线性预报模型的构建采用人工神经网络或采用支持向量机。
12、所述的步骤6中，若当前浪高预报点不在气象数值预报模式的预报网格上，则针对当前预报时刻的前t个整点时刻的任一个整点时刻，利用双线性插值在空间上将该整点时刻下预报网格上的u风速和v风速预报插值到当前浪高预报点，再转换为该整点时刻的风向预报值和风速预报值。
13、与现有技术相比，本专利技术的优点在于：
14、本专利技术方法根据海浪生消的主要影响因素，对于特定预报海区，根据风向、风速、浪高的历史观测资料进行经验或试验，确定预报浪高所需风向、风速往前的时间跨度t，获取历史观测资料组成历史样本，通过历史样本训练得出基于风向和风速的浪高预报模型，基于气象数值预报模式的海面风向和风速预报，获取浪高待预报点的待预报时刻往前t小时内的风向预报值和风速预报值，输入浪高预报模型，从而能够自动、客观、准确地预报出浪高预报值，为海洋航运和海上作业提供了风险预报和预警，对海上航运安全起到了风险决策、趋利避害的作用，具有较高的经济效益和社会效益。
本文档来自技高网...【技术保护点】
1.一种基于海面风向和风速预报的浪高预报方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所述的步骤1中，一段历史时间为至少一年以上时间。
3.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所述的步骤3中，T的取值为16。
4.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所述的步骤5中，基于深度学习的非线性预报模型的构建采用人工神经网络或采用支持向量机。
5.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所述的步骤6中，若当前浪高预报点不在气象数值预报模式的预报网格上，则针对当前预报时刻的前T个整点时刻的任一个整点时刻，利用双线性插值在空间上将该整点时刻下预报网格上的U风速和V风速预报插值到当前浪高预报点，再转换为该整点时刻的风向预报值和风速预报值。
【技术特征摘要】
1.一种基于海面风向和风速预报的浪高预报方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所述的步骤1中，一段历史时间为至少一年以上时间。
3.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所述的步骤3中，t的取值为16。
4.根据权利要求1所述的一种基于海面风向和风速预报的浪高预报方法，其特征在于所...
【专利技术属性】
技术研发人员：姚日升，朱佳敏，蒋璐璐，周凯，肖王星，涂小萍，
申请(专利权)人：宁波市气象台，
类型：发明
国别省市：
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。