支持向量回归的机器学习方法在海浪预测中的应用 |
| |
作者姓名: | 王燕 钟建 张志远 |
| |
作者单位: | 中国人民解放军91001部队,北京100161;中国人民解放军91001部队,北京100161;中国人民解放军91001部队,北京100161 |
| |
摘 要: | 基于支持向量回归(SVR)方法,建立了渤海海域近岸海浪有效波高短期预测模型,并设计了多组风浪信息组合输入方案,开展了有效波高预测敏感性试验。研究发现:综合考虑当前风浪信息作为模型的输入,对3 h和6 h有效波高预测具有较高的预报技巧,但随着预测时效的延长其预测准确性迅速降低;若此时引入未来预测风速信息作为模型输入,则可极大提高对12 h和24 h有效波高的预测能力;此外,若输入信息与预测对象之间不存在显著相关,多个信息的输入对有效波高预测效果提高无显著作用。建立的机器学习模型对小样本数据集具有良好的适应能力,能够有效解决海浪预报中的非线性问题,可为近岸海浪有效波高短期预测提供合理的技术参考。
|
关 键 词: | 有效波高 风速 支持向量回归 粒子群优化 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|