近日，在中国科学院南海海洋研究所（简称“南海所”）2021年“中国科学院大学创新实践训练计划”项目“近岸有效波高智能预报系统”的支持下，中山大学海洋工程与技术学院2019级三位本科生（胡恒瑜、何正伟、凌艳芳）成功开发出一套适用于近岸海域有效波高预报的快速智能订正算法，该项目在我所硕士生导师李骏旻副研究员的指导下完成，有关成果已发表于国际海洋工程领域主流SCI期刊《Journal of Marine Science and Engineering》。

常见的业务化海浪预报模型对岸界及其附近水下地形的分辨能力有限，故特定近岸海域准确的海浪预报信息一般需要经过订正才能得到。针对此需求，本研究结合人工智能技术，开发出了一套能准确、快速订正传统模型有效波高计算结果的伴随算法。该算法的创新点在于结合了自组织映射-径向基神经网络（SOM-RBF）与潮频率分离方法（如图1）：一方面，使用SOM神经网络进行无监督聚类，实现RBF中间层神经元数量的优化，从而降低运算时间；另一方面，将波高序列的潮汐频率部分进行傅里叶分离并独立订正，从而更好地反映潮流对波高高频变化的影响。该算法成功应用到汕头南澳岛近岸海域的算例中，使传统模型的有效波高预报结果大幅改善（如图2）：相关系数从0.472提高到0.774，均方根误差从0.252m降低到0.103m，平均相对误差从41.0%降低到17.6%。该算法将在沿海地区的波浪预报领域具有重要应用前景。

图1 本研究波高订正算法的计算流程示意图

图2  南澳岛近岸算例在(a)训练和(b)验证阶段的波高计算结果

参与本研究的还包括了国家海洋局南海环境监测中心和南海所的其他研究人员。该项研究同时得到了海南省自然科学基金和南方海洋科学与工程广东省实验室重大专项等项目的资助。

相关论文信息：Hu, H., He, Z., Ling, Y., Li, J.*, Sun, L., Li, B., Liu, J., Chen, W., 2022. A SOM-RBFnn-based calibration algorithm of modeled significant wave height for nearshore areas. J. Mar. Sci. Eng., 10: 706. https://doi.org/10.3390/jmse10050706

图3  项目组成员