集成栈式自编码器与XGBoost的深度学习海浪有效波高预报模型

作者：陆小敏; 刘凡; 蔡丽华; 李雪丁^*; 徐啸

来源：计算机与现代化, 2021, (04): 32-36.

• 有效波高
• 栈式自编码器
• XGBoost
• 深度学习

有效波高预报对人类海上活动和海洋工程都至关重要。人工神经网络在有效波高预报中得到广泛的应用,并取得了良好的效果。但是,它作为一种浅层的网络架构,表达能力有限,这使得预报准确性在不同区域中波动。因此,为了提高有效波高的总体预报准确性,本文提出一种集成栈式自编码器(SAE)和XGBoost的深度学习海浪有效波高预报模型。首先,利用SAE算法强大的特征表征能力处理海浪数据,实现数据的扩维表达。其次,将SAE深层的特征作为XGBoost算法的输入,进行有效波高预测。本文重点研究有效波高预报方法,并根据台湾海峡中部2号大浮标2017年全年的实测波浪资料进行研究。实验结果表明,本文方法在确定性系数(R^2)和均方误差(MSE)方面均优于现有方法。

• 单位
  福建省海洋预报台; 河海大学