[發(fā)明專利]一種基于小波分解-神經(jīng)網(wǎng)絡(luò)的海浪波高預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201810128331.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108334987B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: 周濤
• 申請（專利權(quán)）人: 山東愛城市網(wǎng)信息技術(shù)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/08
• 代理公司: 濟南信達專利事務(wù)所有限公司 37100
• 代理人: 姜鵬

本發(fā)明公開了一種基于小波分解?神經(jīng)網(wǎng)絡(luò)的海浪波高預(yù)測方法，屬于海洋監(jiān)測技術(shù)領(lǐng)域，通過浮標(biāo)數(shù)據(jù)生成時間序列，對該時間序列進行分解后重構(gòu)，解決序列中的雜波；對浮標(biāo)數(shù)據(jù)做神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的處理；進行神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，對時間序列進行小波分解重構(gòu)，訓(xùn)練中不斷優(yōu)化訓(xùn)練樣本及小波分解層數(shù)，利用反饋神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練建立相應(yīng)的小波分解?神經(jīng)網(wǎng)絡(luò)模型；利用在神經(jīng)網(wǎng)絡(luò)建立的測試樣本對小波分解?神經(jīng)網(wǎng)絡(luò)模型進行測試樣本測試。本發(fā)明可以對未來一段時間的海浪極值波高進行預(yù)測，為海上作業(yè)和海上航行提供強有力的保障。

技術(shù)領(lǐng)域

本發(fā)明涉及海洋監(jiān)測技術(shù)領(lǐng)域，尤具體地說是一種基于小波分解-神經(jīng)網(wǎng)絡(luò)的海浪波高預(yù)測方法。

背景技術(shù)

隨著人們對陸地資源的不斷開發(fā)利用，使得陸地資源不斷衰竭。人類開始將目光投向資源豐富的海洋，海洋逐漸成為人類獲取資源的重要途徑。但海上的天氣復(fù)雜多變，是海洋作業(yè)時的重要危險來源，如何對海上極端天氣尤其是海浪的極值波高進行及時準(zhǔn)確的預(yù)報成為當(dāng)今專家學(xué)者研究的重點。

憑借風(fēng)產(chǎn)生一系列波的這個物理過程非常復(fù)雜，不穩(wěn)定，是非線性的，不確定，目前為止對這個物理過程的研究尚未成熟。海浪波高預(yù)測尤其是極值波高的預(yù)測對于海上航行、近岸工程等具有較為重要的作用。海浪波高的預(yù)測主要有兩種，一是通過海浪模式，輸入具有物理意義的邊界條件后計算若干小時后的波高值，另一種方法是利用數(shù)學(xué)上的預(yù)測技術(shù)，忽略海浪本身的物理屬性來對海浪波高進行預(yù)測。

即傳統(tǒng)的波浪預(yù)測是使用簡化法（參數(shù)法）或精確法（數(shù)值計算法）。簡化法從風(fēng)速獲取和持續(xù)時間上明確給出波高和周期；精確法則需要波形增長方程式的數(shù)值解。數(shù)值計算法比參數(shù)法更準(zhǔn)確，可以同時在多個位置提供信息，并且當(dāng)風(fēng)速隨著其在給定持續(xù)時間內(nèi)的方向和區(qū)域變化時更為合理，但需要大量的海洋學(xué)和氣象學(xué)參數(shù)，使得實際預(yù)測中預(yù)測代價增加，需要大量的海洋學(xué)和氣象學(xué)參數(shù)，導(dǎo)致數(shù)據(jù)的獲取任務(wù)繁重，可操作性降低。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)任務(wù)是針對以上不足之處，提供一種基于小波分解-神經(jīng)網(wǎng)絡(luò)的海浪波高預(yù)測方法，對海浪波高進行預(yù)測，使對未來一段時間的海浪極值波高的預(yù)報成為可能，為海上作業(yè)和海上航行提供強有力的保障。

一種基于小波分解-神經(jīng)網(wǎng)絡(luò)的海浪波高預(yù)測方法，

通過浮標(biāo)數(shù)據(jù)生成時間序列，對該時間序列進行分解后重構(gòu)，解決序列中的雜波；對浮標(biāo)數(shù)據(jù)做神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的處理；

進行神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，對時間序列進行小波分解重構(gòu)，訓(xùn)練中不斷優(yōu)化訓(xùn)練樣本及小波分解層數(shù)，利用反饋神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練建立相應(yīng)的小波分解-神經(jīng)網(wǎng)絡(luò)模型；

利用在神經(jīng)網(wǎng)絡(luò)建立的測試樣本對小波分解-神經(jīng)網(wǎng)絡(luò)模型進行測試樣本測試。

進一步的，建立神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本數(shù)據(jù)處理過程如下：

第一個訓(xùn)練樣本的輸入樣本為x₁，x₂…x_m；理想輸出為x_m+1，x_m+2…x_m+n；

第二個訓(xùn)練樣本的輸入樣本為x₂，x₃…x_m+1；理想輸出為x_m+2，x_m+3…x_m+n+1；

第三個訓(xùn)練樣本的輸入樣本為x₃，x₄…x_m+2；理想輸出為x_m+3，x_m+4…x_m+n+2；