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
针对目前海洋能区划研究中存在的计算复杂、耗时长和成本高等问题,本研究基于改进的多准则决策(Multiple criteria decision making,MCDM)方法和人工神经网络(Artificial neural network,ANN),提出了一种风浪联合开发区划智能模型。为...针对目前海洋能区划研究中存在的计算复杂、耗时长和成本高等问题,本研究基于改进的多准则决策(Multiple criteria decision making,MCDM)方法和人工神经网络(Artificial neural network,ANN),提出了一种风浪联合开发区划智能模型。为降低专家的主观偏差,应用基于层级的模糊权重评估(Fuzzy level based weight assessment,FLBWA)法来计算各评价指标权重;继而结合改进的Borda-全乘比例多目标优化(Borda-multi-objective optimization on the basis of ratio analysis plus full multiplicative form,Borda-MULTIMOORA)法计算开发适宜性指数,从而能够更加准确、高效地得到评价结果;之后,基于灰狼优化算法的反向传播(Grey wolf optimizer with back propagation,GWO-BP)神经网络构建并训练智能模型,将适宜性分析转化为自动化、高效化和智能化的过程;最后,以山东省风浪联合开发区划为例验证该模型的可行性和合理性。根据实例验证,该模型可以实现风浪联合开发区划的智能化,为相关领域的研究和政府规划提供参考。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。
文摘针对目前海洋能区划研究中存在的计算复杂、耗时长和成本高等问题,本研究基于改进的多准则决策(Multiple criteria decision making,MCDM)方法和人工神经网络(Artificial neural network,ANN),提出了一种风浪联合开发区划智能模型。为降低专家的主观偏差,应用基于层级的模糊权重评估(Fuzzy level based weight assessment,FLBWA)法来计算各评价指标权重;继而结合改进的Borda-全乘比例多目标优化(Borda-multi-objective optimization on the basis of ratio analysis plus full multiplicative form,Borda-MULTIMOORA)法计算开发适宜性指数,从而能够更加准确、高效地得到评价结果;之后,基于灰狼优化算法的反向传播(Grey wolf optimizer with back propagation,GWO-BP)神经网络构建并训练智能模型,将适宜性分析转化为自动化、高效化和智能化的过程;最后,以山东省风浪联合开发区划为例验证该模型的可行性和合理性。根据实例验证,该模型可以实现风浪联合开发区划的智能化,为相关领域的研究和政府规划提供参考。
