人工神经网络在海浪数值预报中的应用.pdfVIP

维普资讯 第 l6卷 第 1期 水 科 学 进 展 V01．16．No．1 2005年 1月 ADVANCES IN WATER SCIENCE Jan．，2005 人工神经网络在海浪数值预报中的应用 齐义泉 ，张志旭 ，李志伟 ，李毓湘 ，施 平 (1．中国科学院南海海洋研究所LED重点实验室，广东 广州 510301；2．香港理工大学土木系，香港 红坳) 摘要：探讨将人工神经网络技术和传统的数值模式相结合．以期得到一个更有效的海浪预报方法。以第3代海浪模 式的模拟结果作为输入 ，浮标观测资料作为输出，采用人工神经网络进行训练 ，训练的初步结果显示 ，人工神经 网 络可 以改进海浪数值模式的预报精度，但在波高比较大时，改进的效果并不令人满意。为此，对观测值大于 1．5m 时的有效波高进行再训练，从而结果有了进一步的改善。研究结果证明人工神经网络技术可 以提高海浪数值预报 的精度。 关 键 词：人工神经网络；海浪数值模式；有效波高；数值预报 中图分类号 ：P731．33 文献标识码 ：A 文章编号 ：1001—6791(2005)01—0032—04 人工神经网络 (ArtificialNeuralNetwork，ANN)是人类在对其大脑神经网络认识理解的基础上构造的能够实 现某种功能的一种计算系统，是理论化的人脑神经网络的数学模型，是基于模仿大脑神经 网络结构和功能而建 立的一种信息处理系统。随着人工神经网络技术的发展 ，其用途 日益广泛 ，应用领域也在不断拓展。 ANN在模拟复杂的非线性动力系统，尤其是有许多噪音数据的情况下，被认为是一个具有潜在应用价值 的工具。目前 ，它在水文学很多方面都得到广泛应用 ，例如降水预报 、河流径流量_22]。有些学者已经在海浪 预报 中应用ANN，如Tsai等对一个测站的观测波高进行ANN处理来预测附近另一个测站的波高[；Deo等利用 ANN获得波高的插值资料也取得了很好的效果 J。而结合海浪数值模式和 ANN技术的研究 目前还未见到相关 报道。 在海浪数值预报中一般是通过求解能量平衡方程来进行的[，例如现在广泛应用的第 3代海浪数值模式 WAM、WAVEWATCHIII以及SWAN等，所有这些模式都要求对海浪的生成机制 ，尤其是要对各输入源 函数项 有比较深入的了解 ，但是由于当前人们对海浪生成机制认识水平的限制，还不能完全准确的模拟海浪特征。本 文试图利用ANN技术结合数值模式结果，探讨进一步改善第3代海浪数值模式预报准确性的可能。 1 后向反馈网络模型 目前发展的ANN超过上百种 J，但大部分都是几种典型网络的变形和组合，一般地说，ANN按拓扑结构 可分为两种：前向网络和反馈网络。本文采用一个后向反馈神经网络，它由一个输入层，一个或多个 中问隐藏 层以及一个输出层构成。每一层由许多节点组成，每一个节点通过不同的权系数和邻近层的节点相联系，输出 节点的值通过输入层的初始值控制，输入层节点的值通过不同的权系数，利用一个传输方程把信号传到下一 层，传到输出层的值和 目标值(观测值)比较，通过迭代重新调整传输过程中的权系数减小两者的误差。采用一 个有一层隐藏层的后向反馈网络 (图 1)。 输入层的节点是 ，i=1，…，Ni。； 是节点的值，这里指模式模拟的波高值，Ninp是输入层节点个数。 隐藏层表达为 收稿 日期：2003一ll一19：修订 日期：2004—03—20 基金项 目：国家 自然科学基金资助项 目 作者简介：齐义泉(1964一)，男，安徽毫州人，研究员、博士．主要从事海洋动力学的数值模拟和分析 以及卫星遥感资料应 用研究。E-mail：yqqi@scsio．ac．cn 维普资讯 第 1期 齐义泉等：人工神经网络在海浪数值预报中的应用 33