排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
风涌浪分离是研究风浪、涌浪各自特性的基础,但受限于海浪谱数据的匮乏,基于海浪谱的风涌浪分离方法难以普及应用,有效的解决办法是采用波浪观测中容易获取的基本波要素进行风涌浪分离。现有方法无法利用基本波要素全面计算出风浪、涌浪的比例及其特征参数,为此本文将机器学习引入到风涌浪分离中,以多层感知器模型为基础,提出了一种利用基本波要素、风要素准确计算出风涌浪参数的方法。该方法需要每个测站提供至少466笔、建议766笔及以上的实测波浪数据作为训练样本,适用于台湾海峡3个测站,在计算精度上显著优于基于海浪频谱的传统风涌浪分离方法,可为本海域缺乏海浪谱的测站提供替代性的风涌浪计算方案,有助于扩大实测风涌浪资料的来源,进而加强风涌浪分布特性以及预警预报研究。 相似文献
1