陆小敏，刘 凡，蔡丽华，李雪丁，徐 啸

(1.河海大学海岸灾害及防护教育部重点实验室,江苏 南京 210098; 2.河海大学计算机与信息学院,江苏 南京 211100;3.福建省海洋预报台,福建 福州 350003; 4.河海大学港口海岸与近海工程学院,江苏 南京 210098)

0 引 言

灾害性海浪通常是海上有效波高大于等于4 m的海浪[1]。它主要是在热带气旋(台风)、温带气旋和寒潮的作用下形成的，能够掀翻海上的船只，摧毁海洋和海岸工程，能给一切海上的活动带来巨大危害。因此，海浪有效波高预报的准确性一直以来都是海洋科学研究中的热点与难点问题。当前，海浪的预报方法主要有2类：数值预报方法和机器学习方法。其中，数值预报方法应用得最广泛的有3种：WAM[2-4](Wave Modeling)、SWAN[5-8](Sea Wave Modeling)和WW3(WAVEWATCH III)[9-13]。这些方法的主要特征是直接计算波与波之间的非线性能量传输作用，考虑能量平衡方程中的各个项，模型的预报结果与实际值吻合较高，是一种能够广泛应用于全球浅水、深水的数值预报模型。但海浪的数值预报方法也有弊端，其计算成本大，模型建立困难。机器学习方法由于具有良好的非线性映射能力和自适应学习能力，能够处理好物理机制复杂以及因果关系和推理关系无法确定的非线性问题。因此，在有效波高预报中得到广泛的应用，包括：人工神经网络(Artificial Neural Network, ANN)[14-16]、支持向量机(Support Vector Machine, SVM)[17-19]和BP神经网络[20-22]。但机器学习方法作为一种浅层的网络架构，其表达能力有限，预报准确性不高。深度学习可自动提取高层语义特征，在复杂问题求解中明显优于传统机器学习方法，近年来也被应用于海浪预报中。……