[发明专利]一种基于小波分解-神经网络的海浪波高预测方法

说明书

本发明公开了一种基于小波分解‑神经网络的海浪波高预测方法，属于海洋监测技术领域，通过浮标数据生成时间序列，对该时间序列进行分解后重构，解决序列中的杂波；对浮标数据做神经网络训练样本的处理；进行神经网络模型的训练，对时间序列进行小波分解重构，训练中不断优化训练样本及小波分解层数，利用反馈神经网络进行训练建立相应的小波分解‑神经网络模型；利用在神经网络建立的测试样本对小波分解‑神经网络模型进行测试样本测试。本发明可以对未来一段时间的海浪极值波高进行预测，为海上作业和海上航行提供强有力的保障。

技术领域

本发明涉及海洋监测技术领域，尤具体地说是一种基于小波分解-神经网络的海浪波高预测方法。

背景技术

随着人们对陆地资源的不断开发利用，使得陆地资源不断衰竭。人类开始将目光投向资源丰富的海洋，海洋逐渐成为人类获取资源的重要途径。但海上的天气复杂多变，是海洋作业时的重要危险来源，如何对海上极端天气尤其是海浪的极值波高进行及时准确的预报成为当今专家学者研究的重点。

凭借风产生一系列波的这个物理过程非常复杂，不稳定，是非线性的，不确定，目前为止对这个物理过程的研究尚未成熟。海浪波高预测尤其是极值波高的预测对于海上航行、近岸工程等具有较为重要的作用。海浪波高的预测主要有两种，一是通过海浪模式，输入具有物理意义的边界条件后计算若干小时后的波高值，另一种方法是利用数学上的预测技术，忽略海浪本身的物理属性来对海浪波高进行预测。

即传统的波浪预测是使用简化法（参数法）或精确法（数值计算法）。简化法从风速获取和持续时间上明确给出波高和周期；精确法则需要波形增长方程式的数值解。数值计算法比参数法更准确，可以同时在多个位置提供信息，并且当风速随着其在给定持续时间内的方向和区域变化时更为合理，但需要大量的海洋学和气象学参数，使得实际预测中预测代价增加，需要大量的海洋学和气象学参数，导致数据的获取任务繁重，可操作性降低。

发明内容

本发明的技术任务是针对以上不足之处，提供一种基于小波分解-神经网络的海浪波高预测方法，对海浪波高进行预测，使对未来一段时间的海浪极值波高的预报成为可能，为海上作业和海上航行提供强有力的保障。

一种基于小波分解-神经网络的海浪波高预测方法，

通过浮标数据生成时间序列，对该时间序列进行分解后重构，解决序列中的杂波；对浮标数据做神经网络训练样本的处理；

进行神经网络模型的训练，对时间序列进行小波分解重构，训练中不断优化训练样本及小波分解层数，利用反馈神经网络进行训练建立相应的小波分解-神经网络模型；

利用在神经网络建立的测试样本对小波分解-神经网络模型进行测试样本测试。

进一步的，建立神经网络模型的训练样本数据处理过程如下：

第一个训练样本的输入样本为x₁，x₂…x_m；理想输出为x_m+1，x_m+2…x_m+n；

第二个训练样本的输入样本为x₂，x₃…x_m+1；理想输出为x_m+2，x_m+3…x_m+n+1；

第三个训练样本的输入样本为x₃，x₄…x_m+2；理想输出为x_m+3，x_m+4…x_m+n+2；