热带海洋学报

作者：高榕泽, 屈科, 任兴月, 王旭

单位：1.长沙理工大学水利与环境工程学院, 湖南 长沙 410114；2.洞庭湖水环境治理与生态修复湖南省重点实验室, 湖南 长沙 410114；3.水沙科学与水灾害防治湖南省重点实验室, 湖南 长沙 410114；4.海南大学土木建筑工程学院, 海南 海口570228

关键词：深度学习,卷积神经网络,海啸预测,水动力特性,时间序列,

基金：国家重点研发计划课题(2022YFC3103601); 国家自然科学基金重点项目(51839002); 湖南省自然科学基金项目(2021JJ20043)

海啸是严重的海洋灾害, 准确的海啸预测对于海洋工程和人民生命财产安全具有重要意义。本文以一维卷积神经网络(1-dimensional convolutional neural network, CONV1D)为基础, 构建岛礁地形的类海啸波水动力特性演变模型。通过输入类海啸波波高时程曲线的观测值, 得到岛礁指定地点的水位淹没时程曲线, 实现时间序列到时间序列的预测, 进行海洋灾害的实时预报, 提前布置防御措施以达到减小损失的目的。结果显示, 预测一组样本所需时间少于一秒, 相对于传统的地震海啸预警系统, 深度学习方法所需计算资源较少, 计算速度更快。对类海啸波到达时间预测的平均相对误差为0.71%, 最大水位高度预测的平均相对误差为6.99%, CONV1D得到的岛礁地形类海啸波水动力特性与数值结果吻合较好。

来源：2024年第4期

《热带海洋学报》期刊编辑部

查看热带海洋学报杂志2024年第4期