近期,团队硕士生沈晖华在集成机器学习的波浪预报研究中取得新进展。相关成果以“基于Stacking集成机器学习的波浪预报研究”为题发表在期刊《河海大学学报(自然科学版)》。

此篇文章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,并引入邻域平均法以抑制在拐点处所产生的数值震荡。以长江口外海2016年1至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月至11月的风速、波高数据用于预报结果的对比分析,预报前45天R2拟合优度达到0.97以上,平均误差最大值为0.08m,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天误差增长较快,这与训练集数据中寒潮浪占比较少有关。

参考文献:

沈晖华, 时健, 徐佳丽, 朱士鹏, 郑金海. 基于Stacking集成机器学习的波浪预报研究. 河海大学学报(自然科学版), 2020, (4): –