本發明屬于波高預測相關，尤其涉及基于時序生成式模型的有效波高的時空預測方法及系統。

背景技術：

1、本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

2、在海洋學和氣象學領域，對海浪有效波高的準確預測對于海洋工程、航海導航和環境監測等領域至關重要。海浪的有效波高是描述海浪能量和大小的關鍵參數，對于海上作業安全、海洋資源開發、沿海防災減災等方面都有著重要的影響。傳統的海浪預測方法主要依賴于物理模型和統計模型，這些方法在一定程度上能夠提供波高預測，但存在一定的局限性。

3、物理模型，如swan(simulating?waves?nearshore)和wavewatch?iii，通過解析物理方程來模擬海浪的生成、發展和消亡過程。這些模型能夠提供較為準確的波高預測，但計算成本高，且對初始和邊界條件的依賴性強，導致在數據稀疏區域的預測能力受限。

4、統計模型，如神經網絡和機器學習方法，通過學習歷史數據中的模式來預測海浪的有效波高。這些方法在處理大量數據和捕捉非線性關系方面表現出色，但往往需要大量的標記數據，且模型的泛化能力和解釋性有限。

5、隨著遙感技術和數值模擬技術的發展，基于再分析數據的海浪預測方法逐漸受到關注。再分析數據集，如era5(第五代歐洲中期天氣預報中心再分析數據)，提供了高分辨率的全球氣象和海洋變量，為海浪預測提供了豐富的信息源。然而，如何有效地從這些高維數據中提取有用信息，實現對有效波高的更準確的預測，是需要解決的問題。

技術實現思路

1、為克服上述現有技術的不足，本發明提供了基于時序生成式模型的有效波高的時空預測方法及系統，通過數據降維，有效地降低了數據的維度，綜合利用離散變量和初始數據，實現對海浪特征的深入提取和融合，提高后續有效波高預測的準確性和效率。

2、為了實現上述目的，本發明采用如下技術方案：

3、第一方面，本發明提供基于時序生成式模型的有效波高的時空預測方法，包括：

4、獲取目標預測時間對應的目標區域的歷史era5再分析數據；

5、將所獲取的目標區域的歷史era5再分析數據輸入至訓練好的預測模型，所述預測模型對目標區域的歷史era5再分析數據進行處理時，基于目標區域的歷史era5再分析數據，編碼海浪場的關鍵特征信息并進行降維處理，將降維后的數據生成離散變量；

6、將所生成的離散變量與所對應的歷史era5再分析數據共同輸入至所述預測模型的dalstm模型，以提取和構建特征矩陣；

7、基于所述特征矩陣，利用所述預測模型的convlstmcell單元進行預測，得到目標預測時間對應的有效波高。

8、第二方面，本發明提供基于時序生成式模型的有效波高的時空預測系統，包括：

9、獲取模塊，其被配置為：獲取目標預測時間對應的目標區域的歷史era5再分析數據；

10、離散模塊，其被配置為：將所獲取的目標區域的歷史era5再分析數據輸入至訓練好的預測模型，所述預測模型對目標區域的歷史era5再分析數據進行處理時，基于目標區域的歷史era5再分析數據，編碼海浪場的關鍵征信息并進行降維處理，將降維后的數據生成離散變量；

11、提取構建模塊，其被配置為：將所生成的離散變量與所對應的歷史era5再分析數據共同輸入至所述預測模型的dalstm模型，以提取和構建特征矩陣；

12、預測模塊，其被配置為：基于所述特征矩陣，利用所述預測模型的convlstmcell單元進行預測，得到目標預測時間對應的有效波高。

13、第三方面，本發明提供一種電子設備，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成第一方面所述的方法。

14、第四方面，本發明提供一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時，完成第一方面所述的方法。

15、第五方面，本發明提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現完成第一方面所述的方法。

16、以上一個或多個技術方案存在以下有益效果：

17、在本發明中，對目標預測時間對應的目標區域的歷史era5再分析數據進行編碼降維，生成離散變量，有效地降低了數據的維度，同時保留了關鍵信息；將生成的離散變量和對應的目標區域的歷史era5再分析數據共同輸入至dalstm模型中，能夠綜合利用離散變量和初始數據，實現對海浪特征的深入提取和融合，提高后續有效波高預測的準確性和效率。

18、本發明附加方面的優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。

技術特征：

1.基于時序生成式模型的有效波高的時空預測方法，其特征在于，包括：

2.如權利要求1所述的基于時序生成式模型的有效波高的時空預測方法，其特征在于，所述目標區域的歷史era5再分析數據包括有效波高、海面風u的分量和海面風的v分量。

3.如權利要求1所述的基于時序生成式模型的有效波高的時空預測方法，其特征在于，對目標區域的歷史era5再分析數據進行編碼降維，將降維后的數據生成離散變量，具體為：

4.如權利要求1所述的基于時序生成式模型的有效波高的時空預測方法，其特征在于，將所生成的離散變量與所對應的歷史era5再分析數據共同輸入至所述預測模型的dalstm模型，以提取和構建特征矩陣，具體為：

5.如權利要求1所述的基于時序生成式模型的有效波高的時空預測方法，其特征在于，將解碼特征和歸一化特征利用dalstm模塊進行融合，得到特征矩陣，具體為：

6.如權利要求1或4所述的基于時序生成式模型的有效波高的時空預測方法，其特征在于，對所述特征矩陣，通過疊加的多個convlstmcell單元進行預測，得到目標預測時間對應的有效波高。

7.基于時序生成式模型的有效波高的時空預測系統，其特征在于，包括：

8.一種電子設備，其特征在于，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成權利要求1-6任一項所述的方法。

9.一種計算機可讀存儲介質，其特征在于，用于存儲計算機指令，所述計算機指令被處理器執行時，完成權利要求1-6任一項所述的方法。

10.一種計算機程序產品，其特征在于，包括計算機程序，所述計算機程序被處理器執行時實現完成權利要求1-6任一項所述的方法。

技術總結
本發明提出基于時序生成式模型的有效波高的時空預測方法及系統，對目標預測時間對應的目標區域的歷史ERA5再分析數據進行編碼降維，生成離散變量，有效地降低了數據的維度，同時保留了關鍵信息；將生成的離散變量和對應的目標區域的歷史ERA5再分析數據共同輸入至DALSTM模型中，能夠綜合利用離散變量和初始數據，實現對海浪特征的深入提取和融合，提高后續有效波高預測的準確性和效率。

技術研發人員：趙學東,劉光亮,宮勛,曹皓偉,許達,王繼彬,郭瑩,潘景山,吳曉明
受保護的技術使用者：齊魯工業大學（山東省科學院）
技術研發日：
技術公布日：2025/4/28