近日，国际海洋工程知名期刊Coastal Engineering在线发表了题为“Physically-Informed ViT-GAN for 2D Spectrum Partitioning of Satellite Wave Data”（基于融合物理先验知识的ViT-GAN方法的卫星海浪二维谱分割方法）的最新研究成果，该成果的通讯作者为团队陶爱峰教授。

该研究基于CFOSAT卫星波谱数据提出了一种新的波谱自动分区方法——物理信息的Vision Transformer生成对抗网络（PI-ViT-GAN）。该模型由发生器和鉴别器组成。发生器采用对比学习策略作为预训练，通过ViT模型的自注意机制，聚焦频谱的关键部分，提取波群特征和波元参数，进而实现了波组分区元素指数的输出。随后，鉴别器利用波群特征和参数化模型进行频谱重建，并与原始观测频谱计算误差，评估分区和重建效果。此外，该模型还结合了基于波浪年龄准则的波浪系统分类损失和合并损失两个物理修正函数，从而指导了训练过程，提高了模型效率。结果表明，利用该方法重建的理论谱与原始海浪谱吻合较好，精度优于CFOSAT自有的SWIM谱划分结果。这项工作不仅展示了深度学习技术在海洋和海岸工程领域的应用潜力，还为大数据分析提供了一种新的、可扩展的方法。这种方法能够帮助科研人员更好地理解和预测海洋环境中的复杂物理过程，从而为海岸防护措施的设计和实施提供科学依据。

文章链接：https://www.sciencedirect.com/science/article/pii/S0378383924000668