基于物理关联深度学习的海浪浪高预测方法

精确的海浪有效波高（简称浪高）预测对于海上生产生活具有重要意义。针对现有海浪浪高预测模型对不同海洋要素间关联信息考虑不足,以及长时序浪高数据本身存在非平稳性的问题,本文设计了一种考虑物理约束与差值约束的海浪浪高时间序列预测方法。该方法基于风速与浪高之间的物理关联,设计物理约束,并通过提取差分信息设计差值约束,结合现有基于深度学习的时间序列预测模型,实现浪高预测。采用黄海和东海的6个不同站点浮标数据进行了大量实验。实验结果表明,本文提出的方法可以利用海洋要素间的物理关联,有效提高浪高预测精度,并避免因不同要素间融合造成的信息间干扰;同时,利用差值约束,限制时间序列预测结果的变动范围。本文方法可以与不同类型的时间序列预测模型相结合,显著提升原有模型的性能,并在长时间序列的预测中体现出很好的鲁棒性,为海洋要素预测中物理与数据驱动模型的有效结合提供了思路和验证。     

一种改进的潮滩数字高程模型构建方法

提出一种基于趋势面优化与克里金插值组合的IZDEM建模方法。通过最优等价权控制不同源数据精度差异对建模质量的影响,优化拟合潮滩地形的趋势面;利用克里金插值方法,顾及潮滩地形变化的各向异性构建残差面,最后利用优化的趋势面和残差面组合构建IZDEM。实验表明,在利用多源潮滩数据构建IZDEM时,本方法可以提高IZDEM的整体建模质量。     

点状实体k阶Voronoi多边形的存在性判定

挖掘了点集的k阶Voronoi多边形的性质以及判断存在性的方法。在k阶Voronoi多边形的存在性方面,主要通过大量实验归纳与性质分析,提出了距离概率判断法、递归归纳判断法、最近邻近判断法、作用域阻隔判断法等多种方法,论述了分辨率与存在性的关系问题。