【技术实现步骤摘要】
本专利技术涉及数据处理，具体而言，涉及一种基于机器学习的波浪陡度预测方法及系统。
技术介绍
1、波浪陡度是衡量海浪状态的重要指标，直接关系到海上活动的安全。传统的波浪陡度预测方法主要依赖于人工观察和经验判断，但由于海洋环境的复杂性和不确定性，这些方法往往难以准确预测海浪陡度，且效率较低。为了解决这一问题，近年来开始引入机器学习进行波浪陡度预测处理。然而，这种基于机器学习预测技术仍存在一些技术挑战。首先，如何有效地处理大量、高维度的海洋状态观测数据，使得机器学习模型能够从中提取出有用的信息并进行准确预测，是一个关键问题。其次，如何调整和优化机器学习模型，以适应海洋环境的变化，保证预测结果的稳定性和可靠性，也需要进一步研究。
技术实现思路
1、为了改善上述问题，本专利技术提供了一种基于机器学习的波浪陡度预测方法及系统。
2、第一方面，提供一种基于机器学习的波浪陡度预测方法，应用于海浪风险监测预警系统，所述方法包括：
3、获取目标海域的多维海洋状态观测数据；
...
【技术保护点】
1.一种基于机器学习的波浪陡度预测方法，其特征在于，应用于海浪风险监测预警系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标海浪风险监测预警算法的调试步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述依据所述第一海洋状态观测数据的每个所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述第一海洋状态观测数据对应的海域监测图像中获取每个所述第一海洋状态观测信息的海洋状态观测图像表征向量，包括：
5.根据权利要求2所述的方法，其...
【技术特征摘要】
1.一种基于机器学习的波浪陡度预测方法，其特征在于，应用于海浪风险监测预警系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标海浪风险监测预警算法的调试步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述依据所述第一海洋状态观测数据的每个所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述第一海洋状态观测数据对应的海域监测图像中获取每个所述第一海洋状态观测信息的海洋状态观测图像表征向量，包括：
5.根据权利要求2所述的方法，其特征在于，所述通过所述第一算法调试学习示例对基础海浪风险监测预警算法进行基于联动监测预警事项的第一调试操作，得到第一海浪风险监测预警算法，包括：
6.根据权利要求5所述的方法，其特征在于，所述基础海浪风险监测预警算法包括基础知识碰撞分支以及对应每个监测预警事项的基础监测判别分支，所述将所述第一海洋状态观测数据在所述基础海浪风险监测预警算法中进行前馈处理，得到对应所述第一...
【专利技术属性】
技术研发人员：郑江平，王新，全利红，张怡驰，葛畅，王晓峰，王晗晓昕，徐立，
申请(专利权)人：北京全球气象导航技术有限公司，
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。