一种基于深度学习的区域海浪预报方法
摘要文本
一种基于深度学习的区域海浪预报方法，包括采用EOF法对有效波高数据进行时空分离，再通过CEEMDAN法对时间系数进行分离，得到时间子模态IMF，最后得到海浪多时空模态数据集；采用LSTM神经网络对数据集中的时间子模态IMF进行训练和预报，得到预报时效为1h、6h、12h、24h的时间子模态IMF；结合空间特征矩阵V与时间子模态IMF的预报结果得到预报时效为1h、6h、12h、24h的区域海浪有效波高。本发明首次采用EOF分解结合CEEMDAN分解的方式，完成基于区域化海浪预报，采用分解法将数据进行分解能够简化数据，降低神经网络训练难度，该思路也对神经网络的应用具有启示作用。
申请人信息
- 申请人:中国海洋大学三亚海洋研究院
- 申请人地址:572024 海南省三亚市崖州区用友产业园1号楼7层
- 发明人: 中国海洋大学三亚海洋研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的区域海浪预报方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311706967.7 |
| 申请日 | 2023/12/13 |
| 公告号 | CN117407660A |
| 公开日 | 2024/1/16 |
| IPC主分类号 | G06F18/10 |
| 权利人 | 中国海洋大学三亚海洋研究院 |
| 发明人 | 于华明; 叶佳承; 马启棣; 徐杰; 王春晓 |
| 地址 | 海南省三亚市崖州区用友产业园1号楼7层 |
专利主权项内容
1.一种基于深度学习的区域海浪预报方法，其特征是包括以下步骤：(0)选用ERA5数据库中的有效波高数据集，获取指定海域的有效波高数据，时间分辨率为1h，空间分辨率为0.5°× 0.5°，时间范围为2年；(1)将有效波高数据分解为海浪多时空模态数据集H：采用EOF法对有效波高数据进行时空分离，得到各模态的空间特征矩阵V与时间系数，，…，，为测量点个数，再通过CEEMDAN法对时间系数，，…，进行分离，得到时间子模态IMF，最后得到海浪多时空模态数据集H，该数据集包含时间与空间两个部分，空间部分为空间特征矩阵V，不随时间变化；而时间部分为时间子模态IMF，随时间变化，以运动频率分为不同的时间子模态IMF，IMF，…，IMF，s为子模态总数；T1T2TmmT1T2Tm12s(2)采用具有记忆长期依赖信息、善于处理存在时间依赖性的LSTM神经网络对数据集H中的时间子模态IMF进行训练和预报，然后利用训练好的网络得到预报时效为1h、6h、12h、24h的时间子模态IMF；(3)结合空间特征矩阵V与时间子模态IMF的预报结果得到预报时效为1h、6h、12h、24h的区域海浪有效波高。