[发明专利]基于多正弦函数分解神经网络预测海浪有效波高的方法

说明书

本发明公开了基于多正弦函数分解神经网络预测海浪有效波高的方法，包括S1.获得海浪波动的时间序列L(t_j)，并将时间序列L(t_j)分为学习数据时间长度和验证数据时间长度；S2.将学习数据时间长度利用M个正弦函数对提取的单点时间序列进行分解学习；S3.最后将学习的正弦函数的结果进行累加，并与验证数据进行比较计算均方误差，判断预测结果满足MSE设置的阈值后进行未来时间有效波高的预测实现整个区域的有效波高预测；本方法通过多个正弦函数对有效波高时间序列进行分解学习，对海浪有效波高进行预测；经验证，利用本发明所述海浪有效波高的预测方法可以有效的预测海浪有效波高，对于研究海洋海浪波动和海洋气候变化规律具有显著作用。

技术领域

本发明涉及海浪参数计算技术领域，具体涉及基于多正弦函数分解神经网络(Multiple sine functions decomposition neural network，简称MSFDNN)预测海浪有效波高的方法。

背景技术

海浪是海洋中的一种与人类生活关系最直接、最密切的波动现象，对人们的生产生活有着不可忽视的影响，比如海上航行、渔业生产、海上石油平台、波浪能利用等均与海浪有密切关联；海洋的有效波高指的是将波列中的波高由大到小依次排列，其中最大的1/3部分波高的平均值，是反应海浪特征的一个重要参数；

对于海洋的有效波高的预测，可以准确的反映海洋中海浪的波动规律，对于海洋海浪波动和海洋气候变化规律的研究具有明显的作用；在我国南海地区，海洋的有效波高时间序列具有明显的正弦函数变化特征，年内的变化较明显，其中冬季波高变化较剧烈，夏季较平稳，春季和秋季为过渡期；

而在现有技术中，并没有关于海洋海浪有效波高预测的计算方法，来有效的对海浪的有效波高进行预测。

发明内容

针对上述存在的问题，本发明旨在提供基于多正弦函数分解神经网络预测海浪有效波高的方法，通过多个正弦函数对有效波高时间序列进行分解学习，将学习得到的这些正弦函数进行合成预测，得到海浪的有效波高，对海浪的有效波高进行预测。

为了实现上述目的，本发明所采用的技术方案如下：

基于多正弦函数分解神经网络预测海浪有效波高的方法：包括：

S1.首先获得海浪波动的时间序列L(t_j)，并将时间序列L(t_j)分为用于学习的数据时间长度和用于验证模型效果的数据时间长度；

S2.选择用于学习的数据时间长度作为输入最终预测波高数据的时间长度，根据学习的数据时间长度，利用数据的空间分辨率网格依次提取单点的时间序列，并选择使用M个正弦函数对提取的单点时间序列进行分解学习，得到M次学习后的正弦函数最后将学习的正弦函数的结果进行累加：

其中：i(i＝1，2，3，...，M)为正弦函数的个数，A_i，B_i，C_i为正弦函数的系数，且所述A_i，B_i，C_i的初始值是随机选择的；

S3.将得到的正弦函数的结果与原始的验证数据进行比较计算均方误差，判断预测结果，满足MSE设置的阈值后进行未来时间有效波高的预测，将预测结果放回到提取初始时间序列的位置，直至所有的网格点预测完成，实现整个区域的有效波高预测。

优选的，步骤S1所述的得到海浪波动的时间序列L(t_j)的过程包括以下步骤：

S101.对经纬度范围为105°E-112°E，17°N-22°N，时间分辨率为6小时，空间分辨率为0.125°×0.125°的ECMWFERA-Interim有效波高数据进行时间上的加权平均，分别整理成月平均数据和季平均数据，得到海浪波动的时间序列L(t_j)；