热带海洋学报

作者：朱道恒, 李彦, 李志强, 刘润

单位：1.电子与信息工程学院, 广东海洋大学, 广东 湛江 524088；2.大数据与信息工程学院, 贵州大学, 贵州 贵阳 550025；3.化学与环境学院, 广东海洋大学, 广东 湛江 524088

关键词：波高预测,最大信息系数,残差网络,长短期记忆网络,支持向量回归,

基金：国家自然科学基金项目(42176167); 广东海洋大学科研启动经费项目(060302112317)

有效波高 (significant wave height, SWH)的预测在海洋运输和海上活动方面发挥着重要作用。基于中国阳江海陵岛近岸实测数据, 提出一种融合最大信息系数 (maximal information coefficient, MIC)、残差网络 (residual network, ResNet)和长短期记忆网络 (long short-term memory networks, LSTM)的预测模型。首先, 采用MIC算法从数据集中筛选出与预测指标相关性高的参数作为模型的输入; 然后将ResNet引入LSTM中, 构建Res-LSTM预测模型; 最后选择相关系数 (r-squared, R2)、均方根差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)和平均绝对百分比误差(mean absolute percentage error, MAPE)来评价预测结果。同时, 对比了XGBoost (extreme gradient boosting)、SVR(support vector regression)和LSTM网络的预测效果。结果表明, MIC-Res-LSTM模型能够提高短时有效波高预测值的精度。

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