为了提高一维海浪谱的风涌浪成分划分精度,本文基于美国国家数据浮标中心(Na-tional Data Buoy Center,NDBC)和海浪波谱仪一维海浪谱数据,提出了一种风涌浪成分划分方法。该方法主要包括两个部分,谱模型参数优化部分和决策函数判别部分...为了提高一维海浪谱的风涌浪成分划分精度,本文基于美国国家数据浮标中心(Na-tional Data Buoy Center,NDBC)和海浪波谱仪一维海浪谱数据,提出了一种风涌浪成分划分方法。该方法主要包括两个部分,谱模型参数优化部分和决策函数判别部分,分别对应海浪谱中海浪成分的划分和风涌浪识别。首先,使用北海联合波浪项目开发的谱模型来拟合一维海浪谱进行海浪成分划分。每个谱模型代表了一个海浪成分,谱模型参数通过双重模拟退火算法进行迭代优化。其次,基于2022年12月4个浮标数据,采用支持向量机建立关于波周期与风速的决策函数来识别每个海浪成分为风浪或涌浪。最后,合并属于同种海浪成分的谱模型,得到一个风浪成分和一个涌浪成分。利用2022年6月另外2个浮标数据对方法进行了检验。结果表明:相较于目前美国国家数据浮标中心采用的修正波陡法,本文方法与二维谱风涌浪分离方法的一致性更好。此外,该方法也可用于海浪波谱仪一维海浪谱数据的风涌浪划分。展开更多
文摘为了提高一维海浪谱的风涌浪成分划分精度,本文基于美国国家数据浮标中心(Na-tional Data Buoy Center,NDBC)和海浪波谱仪一维海浪谱数据,提出了一种风涌浪成分划分方法。该方法主要包括两个部分,谱模型参数优化部分和决策函数判别部分,分别对应海浪谱中海浪成分的划分和风涌浪识别。首先,使用北海联合波浪项目开发的谱模型来拟合一维海浪谱进行海浪成分划分。每个谱模型代表了一个海浪成分,谱模型参数通过双重模拟退火算法进行迭代优化。其次,基于2022年12月4个浮标数据,采用支持向量机建立关于波周期与风速的决策函数来识别每个海浪成分为风浪或涌浪。最后,合并属于同种海浪成分的谱模型,得到一个风浪成分和一个涌浪成分。利用2022年6月另外2个浮标数据对方法进行了检验。结果表明:相较于目前美国国家数据浮标中心采用的修正波陡法,本文方法与二维谱风涌浪分离方法的一致性更好。此外,该方法也可用于海浪波谱仪一维海浪谱数据的风涌浪划分。
