[發明專利]海洋浪高預測方法、系統、計算機設備、存儲介質、終端

在審

• 申請號: 202110899892.3
• 申請日: 2021-08-06
• 公開（公告）號: CN113722980A
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 唐瑞春;鄒遠晨;劉培順;王學芳
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06N3/04;G06N3/08;G06F111/06;G06F113/08
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 盛君梅

本發明屬于海洋浪高預測技術領域，公開了一種海洋浪高預測方法、系統、計算機設備、存儲介質、終端，選取相關系數高的特征作為預測海浪高度的輸入特征；按照粒子群行為特征建立混沌模型，解決粒子群過早收斂問題；CDW為BP模型進行初始化階段的優化；在CPSO?BP模型中，混沌粒子群優化算法(CPSO)在解空間中尋找最優的粒子對BP網絡的初始權值和閾值進行優化；使用CPSO算法優化過的參數作為ELM網絡的初始權值和閾值傳入ELM網絡；利用CPSO?BP模型或CPSO?ELM模型進行海洋預警領域浪高預測。本發明使用深度學習方法進行浪高預測具有準確性高、成本低、運行速度快的優點。

技術領域

本發明屬于海洋浪高預測技術領域，尤其涉及一種海洋浪高預測方法、系統、計算機設備、存儲介質、終端。

背景技術

海浪預測是海洋工程建設、海上運輸、環境保護和軍事行動等活動的重要保障。在港口建造方面，海浪影響著海岸的形狀，關系著港口、航道以及各種海上建筑的設計和建造。異常的海洋波動會對海岸、港口及海上建筑造成難以估量的損失，但海浪成因復雜，海浪高度預測難度很大。海浪成因復雜，波浪的出現和產生具有很高的隨機性。除了海上風浪，海浪還可能和海面物體接觸產生新的波動，這使海洋浪高預測的難度進一步增加。

傳統的浪高預測方法使用物理模型對海浪進行建模，傳統模型的建立一般以Navier-Stokes方程組為基礎。傳統模型包括：使用幾何模型、海浪譜數值模擬和物理模型對海浪生成進行模擬。這些方法通過足夠多的環境數據對海浪產生的現實環境進行模擬，需要大量計算資源來對海洋環境進行建模。

不同于資源消耗巨大的傳統物理模型預測方法，近年來計算設備性能大大提高，運算能力增強，出現了諸如深度學習的高效算法。這些算法能夠在較短的時間內模擬出一個近似的海浪高度預測模型。加之合理的參數和足夠多的實際數據，不僅可以增加預測的準確性，還能提高海洋浪高預測速度。近年來，海洋浪高預測與人工智能方法相結合，正成為海洋浪高領域的大發展方向。

現有技術存在的問題及缺陷為：

(1)傳統的浪高預測方法使用物理模型對海浪進行建模，通過足夠多的環境數據對海浪產生的現實環境進行模擬，需要大量計算資源來對海洋環境進行建模，資源消耗巨大。

(2)使用諸如均方差高度場等統計學方法來完成海浪建模的方法，由于海浪成因復雜，而且對于海上多樣的物理特征，并不能全面且準確地進行采集，這使得這些經典的統計學方法無法準確地模擬海上的波浪運動情況。

(3)利用遙感觀測進行海浪高度監測的方法中，遙感衛星成本高昂，缺乏高性能預測算法，在數據處理上做到更高精度，以提高海浪浪高預測效率。

傳統方法在解決環境復雜的現實問題時，使用到大量的計算資源，且建模算法的運行時間較長，導致快速尋找最優解非常困難。由于這類模型計算量過于龐大，經驗模型、幾何模型以及物理模型難以得到及時準確的預測結果，對于海況復雜的近海區域其預測能力有限。在大面積海況復雜的海域中，需要對海域每一個質點進行模擬，數值模型將耗費巨大的運算資源并且需要花費大量的時間進行建模和運算。

發明內容

針對現有技術存在的問題，本發明提供了一種海洋浪高預測方法。

本發明是這樣實現的，一種海洋浪高預測方法，所述海洋浪高預測方法包括以下步驟：

選取相關系數高的特征作為預測海浪高度的輸入特征；按照粒子群行為特征建立混沌模型，解決粒子群過早收斂問題；CDW為BP模型進行初始化階段的優化；在CPSO-BP模型中，混沌粒子群優化算法(CPSO)在解空間中尋找最優的粒子對BP網絡的初始權值和閾值進行優化；使用CPSO算法優化過的參數作為ELM網絡的初始權值和閾值傳入ELM網絡；利用CPSO-BP模型或CPSO-ELM模型進行海洋預警領域浪高預測。進一步，步驟一中，所述特征選取，包括：