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

摘要：

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.

关键词：有效波高、栈式自编码器、XGBoost、深度学习

分类号：TV139.2+4(水利工程基础科学)

资助基金：河海大学海岸灾害及防护教育部重点实验室开放基金资助项目;福建省科技计划项目

在线出版日期：2021-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36