基于BO-LSTM神经网络模型的台风浪波高预报方法

专利主权项内容

1.基于BO-LSTM神经网络模型的台风浪波高预报方法，其特征在于，所述方法包括如下步骤：S1：收集研究站点所在海域的历史台风资料，基于所述历史台风资料，采用基于核密度估计法的经验路径法构建研究站点所在海域的虚拟台风；S2：从历史台风和虚拟台风中筛选对研究站点有影响的台风数据，将所述台风数据输入Holland台风经验模型，生成每场台风对应的台风风场；所述台风数据包括台风的经度、纬度、中心最低气压和近中心最大风速；S3：将所述台风风场输入SWAN波浪数值模式，生成研究站点在台风期间的台风浪波高数据集，并从所述台风浪波高数据集中筛选出大于1.25米的研究站点有效波高值；S4：将所述研究站点有效波高值与对应时刻下的台风数据和研究站点气象数据进行整合，共同构建样本数据库；所述研究站点气象数据包括研究站点的风速和气压；S5：将所述样本数据库中虚拟台风对应的数据按照7 : 3的比例划分为训练集和验证集，历史台风对应的数据作为测试集；S6：选取t-n至t时段的台风数据、研究站点气象数据和研究站点有效波高值作为输入序列，分别选取t+1h、t+3h、t+6h和t+12h时刻的研究站点有效波高值作为目标结果，利用LSTM神经网络模型构建台风数据、研究站点气象数据与研究站点有效波高值之间的非线性映射关系；S7：采用BO算法对所述LSTM神经网络模型的超参数进行优化选取；所述超参数包括神经元个数、学习率、批尺寸和迭代次数；S8：基于所述训练集和验证集中的数据对所述LSTM神经网络模型进行训练，得到基于BO-LSTM神经网络模型的台风浪波高预报模型；基于所述测试集中的数据对所述台风浪波高预报模型进行评估测试，并通过所述台风浪波高预报模型进行台风浪波高预报。