基于U-Net深度学习模型的我国北海区冬季浪高预报研究OA

深度学习技术正逐步成为海浪预报的重要工具,U-Net作为图像处理的经典模型,提取深层信息能力强,为实现区域海浪的智能化、高精度预报提供了极具价值的技术潜力。本文聚焦中国北海区冬季海浪,首次使用U-Net深度学习架构构建了区域海浪智能预报模型,且该模型可应用于海冰覆盖海域。依托该海浪预报模型,本文基于海浪有效波高、海面10 m风速和海冰密集度三种输入要素构建了包含3种提前期、54种不同组合的实验方案,进行了模型训练并检验了U-Net模型的预报精度,其中提前期为6、12和24 h的平均绝对误差和相关系数分别可达0.08 m和0.98、0.11 m和0.96、0.17 m和0.96。当海冰存在时,增加海冰密集度信息会提升U-Net模型的预报精度。以辽东湾为例,相对于忽略海冰的情形,最高可使预报的平均有效波高降低0.60 m,预报精度提升67.7%。此外,本文还对比了U-Net模型和卷积神经网络模型的预报精度,发现在北海区超过90%的区域U-Net模型预报结果的平均绝对误差更低,在渤、黄海可分别平均减少0.05和0.07 m。不过,该U-Net模型对有效波高超过3 m的海浪预报偏低,有必要在未来针对极值波高的预报开展模型的改进工作。