海洋科学学院物理海洋与数值模拟研究所在人工智能波浪预报方面取得新进展，相关文章《A Hybrid Model for Significant Wave Height Prediction Based on an Improved Empirical Wavelet Transform Decomposition and Long-short Term Memory Network》在《Ocean modelling》期刊发表。论文第一作者为我院教师王锦副教授，通讯作者为我院董昌明教授，合作作者包括巴拿马大学Brandon J. Bethel博士，南京信息工程大学微环境与健康研究院谢文鸿工程师。

灾害性海浪往往带来严重的经济损失和人员伤亡，准确快速预报海况对灾害性海浪期间船舶避险、停泊和作业安全具有重要影响。本文提出了一种基于改进经验小波变换方法和长短时记忆算法（IEWT-LSTM）的海浪预测方法，该方法首先将海浪有效波高作为时间序列进行傅里叶变换，得到有效波高的信号频谱，然后按照海浪年、月、日、日等变化特征，确定海浪频谱的分割区间并进行划分，根据划分好的频谱使用小波滤波器滤波进行信号分解，从而得到不同频段的波。然后利用LSTM方法对上述得到的不同频段的波进行预测，最后将不同频段波的预测结果进行叠加获得预测海浪有效波高。本文以NOAA北太平洋浮标数据为例进行建模和预测分析，结果表明该方法具有较高的预测精度，随预测时效的增加，其预报精度的优势越明显，具有重要的应用价值。

图1计算流程图

图2三种预测方法预报结果频次直方图，x轴代表预测值减去实测值，y轴为出现在此区间的频次。其中a)、b)、c)、d)分别代表6h、12h、24h、48h。

本文提出了一种将小波变换分解和人工智能算法相结合的方法进行波浪预报，预报结果精度得到了较大的提升，对于提高波浪短期预测具有重要的应用价值。

作者简介：

王锦，海洋科学学院副教授。博士毕业于南京水利科学研究院。主要从事波浪数值模拟及智能预报方面的研究。近年来主持国家自然科学基金面上项目1项、省部级项目1项，以骨干身份参与多个国家级、省部级项目，以骨干身份参与省级教改课题1项。在《Deep Sea Research Part I》、《Ocean modelling》等国际著名期刊发表SCI论文十余篇。