基于Stacking集成机器学习的波浪预报

• 作者: 徐佳丽 时健 朱士鹏 沈晖华 郑金海
• 来源期刊: 河海大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 集成机器学习 Stacking算法 波浪预报方法 长江口外海海域 中国近海波浪数据
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 港口航道与海洋工程
• 页码范围: 354-358
• 页数: 5页
• 分类号: P731.33
• 字数: 2660字
• 语种: 中文
• DOI: 10.3876/j.issn.1000-1980.2020.04.010

摘要

采用多层感知器模型、随机森林模型为第一层子模型,极端树模型为第二层元模型,建立基于Stacking集成机器学习的波浪预报算法,并引入邻域平均法抑制在拐点处产生的数值震荡.以长江口外海2016年1—9月的风速和中国近海波高数据为数据源,利用机器学习风速与有效波高之间的关系,将2016年10—11月的风速、波高数据用于预报结果的对比分析,预报前45 d R2拟合优度达到0.97以上,平均误差最大值为0.08 m,平均相对误差最大值为0.05,预报结果与波浪谱模型结果趋势一致,准确度较高;预报结果后15 d误差增长较快,这与训练集数据中寒潮浪占比较少有关.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱士鹏	南京航空航天大学自动化学院	2	0	0.0	0.0
2	徐佳丽	河海大学港口海岸与近海工程学院	1	0	0.0	0.0