【技术实现步骤摘要】
本专利技术涉及海洋科学与深度学习，尤其是一种适用于非结构海浪时空数据的有义波高预报方法。
技术介绍
1、在海浪统计中，每个海况的持续时间一般取三小时，统计得到的有义波高一般指的是一个三小时海况中的最大1/3波高的均值。设计海况中的有义波高大小对于海上作业的安全性至关重要，及时地对有义波高的未来变化情况给出准确预报，是海洋开发事业的重要保障。在过去，有义波高预测往往是利用基于海浪物理过程的海浪数值模型完成的，虽然能保证预测结果的准确性，但需要消耗大量的计算资源和计算时间。而深度学习的预测过程基于计算各项海浪要素的数据非线性映射关系展开，在保证一定程度的准确性的前提下，极大提升计算效率，因此具有广阔的发展前景。
2、在当前的海浪预报领域，常用的模型有循环神经网络(rnn)、卷积神经网络(cnn)等。海浪预报是一个时空序列问题，这要求深度学习方法所选用的ai模型具备在时空两个维度上提取海浪数据的特征的能力。
3、目前，在使用深度学习方法进行波浪预报时，通常使用浮标历史测量记录作为深度学习智能模型的输入数据。观测数据的结...
【技术保护点】
1.一种适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述方法包括：
2.根据权利要求1所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述通过计算得到非结构海浪再分析数据，包括：
3.根据权利要求2所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述非结构化网格在目标海域水下地形变化缓慢的区域采用粗分辨率，在变化陡峭的区域采用高分辨率。
4.根据权利要求2所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述海浪数值模式为WW3海浪数值模式或SWAN海浪数值模式。
5....
【技术特征摘要】
1.一种适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述方法包括：
2.根据权利要求1所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述通过计算得到非结构海浪再分析数据，包括：
3.根据权利要求2所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述非结构化网格在目标海域水下地形变化缓慢的区域采用粗分辨率，在变化陡峭的区域采用高分辨率。
4.根据权利要求2所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述海浪数值模式为ww3海浪数值模式或swan海浪数值模式。
5.根据权利要求1所述的适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述lstm作为时间序列提取器，将所述训练集中每个空间坐标下的有义波高和平均波向、海面风速和风向的时序数据输入至两个不同的lstm进行编码，然后与水深信息、水深对应的经纬度信息拼接，作...
【专利技术属性】
技术研发人员：孙泽，丁军，刘家瑞，周叶，张家乐，张鹏，董俊伟，白玉林，杨雨辰，
申请(专利权)人：中国船舶科学研究中心，
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。