【技术实现步骤摘要】
本专利技术属于深度学习，具体涉及一种风暴潮位实时校正方法。
技术介绍
1、风暴潮是沿海地区需要重点防范的海洋灾害之一，为科学抵御风暴潮灾害、准确模拟和评估风暴潮所带来的影响，有必要不断提升风暴潮预报的精度，实现风暴潮的精确预报。尽管目前数值预报模式已发展较为成熟，但模式误差等依旧存在，风暴潮预报精度仍有进一步提升的空间。
2、考虑到风暴潮是由天文潮及风暴增水所组成，而通常数值模式对天文潮预报仅采用八个主要天文分潮，这就导致数值模型对天文潮的模拟存在一定的模式误差，进一步导致模型对风暴潮的模拟存在一定的误差。
技术实现思路
1、本申请旨在通过对风暴潮期间的天文潮进行实时校正以提高风暴潮位的预报精度，基于长短时记忆神经网络学习风暴潮期间天文潮位预报误差的非线性关系以构建智能校正模型，通过智能校正模型对预报风暴潮位进行修正。
2、本申请第一方面，提供了一种风暴潮位实时校正方法，包括以下步骤：
3、s11：收集某区域的地形水深条件，构建该区域的风暴潮数值预报模型
4、本文档来自技高网...
【技术保护点】
1.一种风暴潮位实时校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种风暴潮位实时校正方法，其特征在于，采用长短时记忆神经网络学习风暴潮期间天文潮位预报误差的非线性关系以构建天文潮校正模型。
3.根据权利要求1或2所述的一种风暴潮位实时校正方法，其特征在于，所述天文潮校正模型的构建过程为：
4.根据权利要求3所述的一种风暴潮位实时校正方法，其特征在于，还包括S7：采用S5步骤划分完成的测试集数据对训练好的天文潮校正模型进行模型精度测试，评估模型对调和分析预报误差的预测性能。
5.根据权利要求3所述的一种风...
【技术特征摘要】
1.一种风暴潮位实时校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种风暴潮位实时校正方法，其特征在于，采用长短时记忆神经网络学习风暴潮期间天文潮位预报误差的非线性关系以构建天文潮校正模型。
3.根据权利要求1或2所述的一种风暴潮位实时校正方法，其特征在于，所述天文潮校正模型的构建过程为：
4.根据权利要求3所述的一种风暴潮位实时校正方法，其特征在于，还包括s7：采用s5步骤划分完成的测试集数据对训练好的天文潮校正模型进行模型精度测试，评估模型对调和分析预报误差的预测性能。
5.根据权利要求3所述的一种风暴潮位实时校正方法，其特征在于，还包括：
6.根据权利要求3所述的一种风暴潮位实时校正方法，其特征在于...
【专利技术属性】
技术研发人员：车助镁，丁骏，徐晓武，陈永平，沈辉，朱业，沈远，张楠楠，郭敬，
申请(专利权)人：浙江省海洋监测预报中心，
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。