深度学习提高有效波高预报精度的实验分析OA北大核心CSTPCD

海浪预报对于指导海上生产活动具有重要作用,随着观测技术和人工智能技术的快速发展,海浪观测数据大量积累,采用大数据结合深度学习的方法是当今数字时代提高海浪预报精度的有效手段。本研究采用深度学习中的长短时记忆网络(Long short-term memory, LSTM)模型建立海浪预报订正模型,基于董家口港区现场海浪观测数据,对海浪数值模式的预报结果开展订正实验,使用均方根误差(RMSE)与相关系数(COR)作为订正效果的评价指标。实验结果表明:将平均周期与有效波高作为输入变量进行模式训练,得到的LSTM模型可令海浪预报的RMSE由0.26 m降至0.14 m,预报精度提高了46%;将平均周期纳入输入变量对LSTM订正模型的订正效果有明显改善,主要体现在对相关系数的改善,可以使COR提高10%;与传统订正方案相比,LSTM能够通过加入相关变量提高订正能力。本研究成果可广泛应用于其他海域的海浪数值预报结果订正,对提高海浪预报精度具有重要现实意义。