Một mô hình học tổng hợp kết hợp với lựa chọn đặc trưng để dự báo sóng gần bờ
8 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.105.2025.121-129Từ khóa:
Lựa chọn đặc trưng; XGBoost; Sóng gần bờ; Dự báo sóng toàn cầu.Tóm tắt
Nghiên cứu đề xuất một khung mô hình dự báo sóng gần bờ (OWFNW) tổng hợp trước một tuần để hỗ trợ viện quản lý vận chuyển và xây dựng tại các công trường hàng hải. Khung mô hình này sử dụng XGBoost với lựa chọn đặc trưng (FS_XGBoost) để dự báo tại 5 trạm trên bờ biển Nhật Bản. Các mô hình sóng dựa trên XGBoost được phát triển cho từng trạm, chuyển đổi dữ liệu sóng toàn cầu thành dự đoán sóng gần bờ. Các mô hình được huấn luyện bằng bốn bộ dữ liệu khác nhau từ Cơ quan Khí tượng Nhật Bản (JMA), Cơ quan Quản lý Khí quyển và Đại dương Quốc gia (NOAA), Trung tâm Dự báo Thời tiết Tầm trung Châu Âu (ECMWF) và Mạng lưới thông tin Sóng đại dương Toàn quốc dành cho Cảng và Bến cảng (NOWPHAS). Kết quả cho thấy việc lựa chọn các đặc trưng sẽ nâng cao độ chính xác dự đoán của mô hình và giảm thiểu các lỗi dự đoán. Phương pháp luận này cũng có thể được áp dụng cho các vùng biển gần bờ khác, nơi có dữ liệu dự báo sóng toàn cầu.
Tài liệu tham khảo
[1]. Z. &. D. A. Wei, "A convolutional neural network based model to predict nearshore waves and hydrodynamics," Coastal Engineering, vol. 171, (2022).
[2]. P. P. J. C. M. D. R. & M. S. Bento, "Ocean wave power forecasting using convolutional neural networks," IET Renewable Power Generation, vol. 15, no. 14, pp. 3341-3353, (2021).
[3]. S. H. J. L. Y. L. G. B. F. &. B. Z. Gao, "A forecasting model for wave heights based on a long short-term memory neural network", Acta Oceanologica Sinica, vol. 40, no. 1, pp. 62-69, (2021).
[4]. F. C. & F. L. Minuzzi, "A deep learning approach to predict significant wave height using long short-term memory", Ocean Modelling, vol. 181, (2023).
[5]. S. X. N. & D. S. Fan, "A novel model to predict significant wave height based on long short-term memory network," Ocean Engineering, vol. 205, (2020).
[6]. S. A. S. G. N. G. F. &. S. J. J. Emmanouil, "Statistical models for improving significant wave height predictions in offshore operations," Ocean Engineering, vol. 206, (2020).
[7]. D. S. D. P. S. R. H. S. &. S. A. Adytia, "A Deep Learning Approach for Wave Forecasting Based on a Spatially Correlated Wind Feature, with a Case Study in the Java Sea, Indonesia", Fluids, vol. 7, no. 1, (2022).
[8]. X. R. H. S. J. T. X. L. a. J. L. Q. Lin, "A Hybrid Feature Selection Method Based on Imbalanced Learning for Wave Prediction," in IEEE International Symposium on Parallel and Distributed Processing with Applications (ISPA), Kaifeng, China, (2024).
[9]. S. T. T. H. T. M. &. M. H. Kim, "A framework for transformation to nearshore wave from global wave data," Ocean Engineering, vol. 221, (2021).
[10]. N. K. S. R. & A. M. A. Kumar, "Ocean wave height prediction using ensemble of extreme learning machine," Neurocomputing, vol. 277, pp. 12-20, (2018).
[11]. J. &. X. X. Chen, "Ensemble learning based approach for the prediction of monthly significant wave heights," Renewable Energy, (2025).
[12]. F. Z. Y. C. B. &. J. S. C. O’Donncha, "Ensemble model aggregation using a computationally lightweight machine-learning model to forecast ocean waves." Journal of Marine System, vol. 199, (2019).
[13]. X. L. Y. G. S. &. R. P. Zhang, "Ocean wave height series prediction with numerical long short-term memory," Journal of Marine Science and Engineering, vol. 9, no. 5, p. 514, (2021).
[14]. Makarynskyy, "Improving wave predictions with artificial neural networks," Ocean Engineering, vol. 31, no. 5-6, pp. 709-724, (2004).
[15]. A. C. R. I. G. & R. J. R. Castro, "Performance of artificial neural networks in nearshore wave power prediction," Applied Soft Computing, vol. 23, pp. 194-201, (2014).
[16]. J. &. M. E. A. Mahjoobi, "Prediction of significant wave height using regressive support vector machines," Ocean Engineering, vol. 36, no. 5, pp. 339-347, (2009).
[17]. Z. &. D. A. Wei, "A convolutional neural network based model to predict nearshore waves and hydrodynamics," Coastal Engineering, vol. 171, (2022).
[18]. J. X. B. &. W. J. Liu, "Ensemble-based assimilation of wave model predictions: Contrasting the impact of assimilation in nearshore and offshore forecasting at different distances from assimilated data," Applied Ocean Research, vol. 140, (2023).
[19]. S. &. B. S. Adhikary, "Improved Large-Scale Ocean Wave Dynamics Remote Monitoring Based on Big Data Analytics and Reanalyzed Remote Sensing," Nature Environment & Pollution Technology, vol. 22, no. 1, (2023).
[20]. A. &. Y. I. R. Takbash, "Long-term and seasonal trends in global wave height extremes derived from era-5 reanalysis data," Journal of Marine Science and Engineering, vol. 8, no. 12, (2020).
[21]. F. C. &. F. L. Minuzzi, "A deep learning approach to predict significant wave height using long short-term memory," Ocean Modelling, vol. 181, (2023).
[22]. J. L. F. Q. X. W. Y. S. J. S. C. &. Z. C. Zhang, "Improving wave height prediction accuracy with deep learning," Ocean Modelling, vol. 188, (2024).
