海浪是海洋表面重要的運(yùn)動過程,機(jī)器學(xué)習(xí)是目前國內(nèi)外熱門研究領(lǐng)域,本文將海洋科學(xué)與機(jī)器學(xué)習(xí)相結(jié)合,探索了機(jī)器學(xué)習(xí)在海洋科學(xué)領(lǐng)域應(yīng)用的可行性,為今后的研究奠定基礎(chǔ)。本文采用了機(jī)器學(xué)習(xí)中的兩種不同算法對海浪有效波高進(jìn)行預(yù)測和修正。(1)建立使用支持向量機(jī)(SVM)的預(yù)測模型,選取風(fēng)場和波浪場作為學(xué)習(xí)要素,對比不同特征向量對有效波高預(yù)測結(jié)果的影響。取臺灣島東部海區(qū)作為實(shí)驗(yàn)區(qū)域,使用NCEP再分析的數(shù)值模式數(shù)據(jù)作為學(xué)習(xí)樣本。選用支持向量分類機(jī),建立了四組不同特征向量的模型對海浪有效波高進(jìn)行預(yù)測,并對四種模型的結(jié)果進(jìn)行比較和分析。實(shí)驗(yàn)表明,當(dāng)輸入的特征向量過多或過少時,會對模型的預(yù)測結(jié)果和計(jì)算效率產(chǎn)生不同的影響。當(dāng)使用風(fēng)場和波浪場共同作為特征向量進(jìn)行學(xué)習(xí)時,在該區(qū)域預(yù)測結(jié)果更接近模式預(yù)報(bào)結(jié)果,相關(guān)系數(shù)將近99%,均方根誤差約為0.2m。(2)使用神經(jīng)網(wǎng)絡(luò)模型建立模式結(jié)果的優(yōu)化模型,對MASNUM海浪模式的有效波高進(jìn)行優(yōu)化。選用風(fēng)場,波浪場作為學(xué)習(xí)要素,選取南海海域作為實(shí)驗(yàn)區(qū)域,按季節(jié)劃分了夏季、秋季、冬季3個模型進(jìn)行訓(xùn)練。與衛(wèi)星觀測的數(shù)據(jù)相比,修正后結(jié)果的均方根誤差與絕均差減少了約30%。
【學(xué)位單位】：自然資源部第一海洋研究所
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：P731.22;P714
【部分圖文】：

圖 1 機(jī)器學(xué)習(xí)發(fā)展示意圖如上圖所示，隨著計(jì)算機(jī)性能的飛速發(fā)展，硬件的提升，人類對于人工智能的研究也變得更加深入，人類渴望擁有更加聰明的機(jī)器，希望機(jī)器可以代替人去理解和分析更多的資料，使機(jī)器具有人的思維方式。而機(jī)器學(xué)習(xí)是人工智能的一

圖 2 實(shí)驗(yàn)選取位置的地形圖表 1 2011—2017 每年 7 月的波高區(qū)間分布概率及其極值日期概率/×%波高最大值/m波高大于 4 m 波高大于 8 m 波高大于 10 m

模型 1：如圖 3 所示，采用前一時刻風(fēng)場和波浪場數(shù)據(jù)和當(dāng)前時刻預(yù)測位置的風(fēng)速、風(fēng)向，以及當(dāng)前時刻周圍風(fēng)場作為輸入特征向量，輸入特征向量個數(shù)為9×2+9+9×2=45，主要考慮前一時刻風(fēng)場及當(dāng)前時刻風(fēng)場，以及前一時刻波浪場對有效波高預(yù)測精度的影響。

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 楊永增,喬方利,趙偉,滕涌,袁業(yè)立;球坐標(biāo)系下MASNUM海浪數(shù)值模式的建立及其應(yīng)用[J];海洋學(xué)報(bào)(中文版);2005年02期

2 袁業(yè)立,潘增弟,華鋒,孫樂濤;LAGFD-WAM海浪數(shù)值模式——Ⅰ:基本物理模型[J];海洋學(xué)報(bào)(中文版);1992年05期

本文編號：2834068