(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110021497.5 (22)申请日 2021.01.08 (65)同一申请的已公布的文献号 申请公布号 CN 112711915 A (43)申请公布日 2021.04.27 (73)专利权人 自然资源部第一海 洋研究所 地址 266000 山东省青岛市山 东高科技工 业园仙霞岭路 (72)发明人 宋振亚　金权　刘海行　华锋　 杨永增　李凌霄　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 李莎 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06F 119/12(2020.01) 审查员 刘宇儒 (54)发明名称 一种海浪有效波高预测方法 (57)摘要 本申请提出一种海浪有效波高预测方法， 通 过将N个时刻的全球风场数据作为神经网络模型 的输入， 获得各个预测地点在预测时间点的海浪 有效波高； 其中， N个时刻均为预测时间点之前的 时间点， N个时刻与预测时间点的时间间隔依次 增大， N≥2 。 相对于现有技术的预测方式， 本申请 实施例提供的海浪有效波高预测方法的流程更 简单N个时刻中的第一时刻的全球风场数据用于 对风浪进行更好的预测， N个时刻中的第二时刻 至第N时刻的全球风场数据用于表现出在海浪传 播过程中的涌浪现象， 预测依据的关联性更强， 预测结果更加准确。 权利要求书1页 说明书7页 附图3页 CN 112711915 B 2022.02.25 CN 112711915 B 1.一种海浪有效波高预测方法， 其特 征在于， 所述方法包括： 将N个时刻的全球风场数据作为神经网络模型的输入， 获得各个预测地点在预测时间 点的预测海浪有效波高； 其中， 所述N个时刻均为所述预测时间点之前的时间点， 所述N个时刻与所述预测时间 点的时间 间隔依次增大， N≥2； 输出各个预测地 点在预测时间点的预测海浪有效波高； 所述神经网络模型包括： 输入层、 卷积层以及输出层； 所述N个时刻的全球风场数据作为所述输入层的输入， 所述输入层的输出作为所述卷 积层的输入， 所述卷积层的输出作为所述输出层的输入， 所述输出层输出各个预测 地点在 预测时间点的预测海浪有效波高； 所述卷积层包括第一模块和14个第二模块； 所述第一模块包括1*1卷积核、 第一批标准化子模块以及第一激活函数子模块， 1*1卷 积核、 第一批标准 化子模块以及第一激活函数子模块依次连接； 所述第二模块包括3*3卷积核、 第二批标准化子模块以及第二激活函数子模块， 3*3卷 积核、 第二批标准 化子模块以及第二激活函数子模块； 所述第一模块的1*1卷积核连接于所述输入层， 所述第一激活函数子模块连接于第一 个第二模块的3 *3卷积核； 中间的第二模块的3*3卷积核连接于上一级第二模块的第二激活函数子模块， 中间的 第二模块的第二激活函数子模块连接 于下一级第二模块的3 *3卷积核； 末尾的第二模块的第二激活函数子模块 通过1*1卷积核连接 于所述输出层。 2.如权利要求1所述的海浪有效波高预测方法， 其特征在于， 依据携带标签的N个时刻 的全球风场数据对所述神经网络模型进行训练， 直至所述神经网络模型收敛； 其中， 训练过程中的损失函数采用RMSE损失函数， 梯度下降算法采用Adam梯度下降算 法， 初始学习率 为0.001。 3.如权利要求1所述的海浪有效波高预测方法， 其特征在于， 所述全球风场数据包括纬 向分量序列和经向分量序列， 其中， 所述纬向分量序列中的不同元素代表不同监测 点的纬 向分量， 所述经向分量序列中的不同元 素代表不同监测点的经向分量。 4.如权利要求1所述的海浪有效波高预测方法， 其特征在于， 在输出各个预测地点在预 测时间点的预测海浪有效波高之后， 所述方法还 包括： 从各个预测地点在预测时间点的预测海浪有效波高中筛选出与目标预测地点匹配的 目标海浪有效波高。权　利　要　求　书 1/1 页 2 CN 112711915 B 2一种海浪有效 波高预测方 法 技术领域 [0001]本申请涉及海洋领域， 具体而言， 涉及一种海浪有效波高预测方法。 背景技术 [0002]海浪是海洋中最为常见的物理现象， 也是全球海洋中含能最高的运动。 海浪能够 传播数千公里， 波高可以从几厘米到几十米不等。 海浪对于航行安全、 海岸活动以及气候系 统有着至关重要的作用。 为了更好地应对气候系统的变化， 以及保 障航行和海岸活动的安 全， 需要对 海浪进行精准的模拟和预测。 [0003]现有技术中， 采用数值模拟的手段作为海浪预测的核心手段。 海浪的数值模拟包 括采用经验统计方法和采用基于物理过程的海浪数值模式来模拟和预测海浪波高两类方 法。 [0004]传统经验统计方法一般是基于大量的简化和假定， 对风场与 海浪要素等数据进行 数理统计和拟合， 得到海浪要 素模拟和预报的经验公 式， 进而对海浪要 素进行预报的方法。 经验统计方法的优点是计算速度快， 但由于海浪是由局地的风浪和海面上其他海区传播过 来的涌浪组成， 对 海浪的模拟和预测存在较大的偏差 。 [0005]海浪数值模式是基于海浪的基本物理规律和过程建立的模型， 其优点是对海浪的 模拟和预测较为准确， 但是计算量大， 计算速度 慢， 限制了高分辨率的模拟和预测。 同时， 由 于海洋数值模式在模拟和预测当前时刻海浪要素时， 需要前一个或多个时刻的海浪状态， 这有可能会由于误差积累进 而导致长期模拟和预测出现较大的偏差 。 发明内容 [0006]本申请的目的在于提供一种海浪有效波高预测方法， 以至少部分改善上述问题。 [0007]为了实现上述目的， 本申请实施例采用的技 术方案如下： [0008]第一方面， 本申请实施例提供一种海浪有效波高预测方法， 所述方法包括： [0009]将N个时刻的全球风场数据作为神经网络模型的输入， 获得各个预测地点在预测 时间点的预测海浪有效波高； [0010]其中， 所述N个时刻均为所述预测时间点之前的时间点， 所述N个时刻与所述预测 时间点的时间 间隔依次增大， N≥2； [0011]输出各个预测地 点在预测时间点的预测海浪有效波高。 [0012]第二方面， 本申请实施例提供一种海浪有效波高预测系统， 所述系统包括： [0013]神经网络单元， 用于将N个时刻的全球风场数据作为神经网络模型的输入， 获得各 个预测地 点在预测时间点的预测海浪有效波高； [0014]其中， 所述N个时刻均为所述预测时间点之前的时间点， 所述N个时刻与所述预测 时间点的时间 间隔依次增大， N≥2； [0015]输出单元， 用于输出各个预测地 点在预测时间点的预测海浪有效波高。 [0016]第三方面， 本申请实施例提供一种存储介质， 其上存储有计算机程序， 该计算机程说　明　书 1/7 页 3 CN 112711915 B 3