点击左上角"MDPI环境与地球科学"关注我们，为您推送更多最新研究。

文章导读

全球海浪预报系统的网格分辨率通常过于粗糙，无法捕捉沿海地区的海浪变化。此问题常常通过执行动态降尺度来解决。来自印尼Telkom 大学的Neda Abbasi及其团队提出了一种基于深度学习的降尺度方法，根据全球波浪预报数据预测沿海地区的高分辨率的海浪数据，发表在 Water 期刊上。本研究使用SWAN模型进行连续的海浪模拟，进行深度学习训练，在以涌浪为主的公海和以风浪为主的封闭海域区域上进行模型验证，模型分析和推演结果均呈现较高精度。

研究内容及结果

本文主要为了是建立一个高分辨率高精度的海浪预报系统，通过机器学习，将全球海浪预报数据缩小到沿海地区局部高分辨率海浪的数据。具体地说，是通过嵌套数值模拟中的海浪模拟开发海浪数据集，来获得全球海浪数据和局部海浪数据，如图1所示，进一步使用获得的海浪数据来优化机器学习模型，即长短期记忆 (LSTM) 和双向LSTM (BiLSTM) 模型，如图2所示。

图1.海浪数据生成流程图。波浪数据集是通过使用相位平均波模型SWAN进行连续海浪模拟生成。

图2. 机器学习优化流程图

在雅加达海湾区域，波观测的有效波高与使用BiLSTM预测对比分析如图3所示，表明BiLSTM模型的结果提供了26月之前的相对接近的预测。然而之后的观测数据略有增加。整体来说，与全球波浪模型 (GFS Forecast) 相比，BiLSTM模型的降尺度方法的精度提高了26.3%。

图3. 雅加达湾使用BiLSTM将波浪观测的显着波高与预测结果分布图

在Meulaboh区域，LSTM和BiLSTM的降尺度结果与Meulaboh近海区域的波浪观测数据比较分析如图4所示，BiLSTM降尺度的结果可以遵循相对准确的观测数据。与全球预测模型的Hs、NOAA的GFS预测模型以及使用LSTM和BiLSTM模型获得的预测之间的定量误差 (RMSE) 表明，与LSTM和GFS (全球波浪预测模型) 相比，BiLSTM给出了最好的结果。

图4. 波浪观测的显著波高与在Meulaboh近海使用BiLSTM的预测结果进行比较

研究总结

本文通过在嵌套模拟中使用SWAN模型的数值模拟构建高分辨率波浪数据集来进行降尺度海浪预报。本文研究雅加达湾和米拉波近海两个研究领域，发现BiLSTM的性能优于LSTM。通过案例研究，本文提出的基于深度学习的降尺度方法更适合在开放区域 (如Meulaboh) 降尺度海浪预报，而不是在封闭区域 (如雅加达湾)。对于雅加达湾研究区域，与全球海浪预报模型相比，降尺度方法精度提高了26.3%。表明本研究提出的深度学习降尺度方法，提高了全球海浪预测的精准度。

原文出自 Water 期刊

Adytia, D.; Saepudin, D.; Tarwidi, D.; Pudjaprasetya, S.R.; Husrin, S.; Sopaheluwakan, A.; Prasetya, G. Modelling of Deep Learning-Based Downscaling for Wave Forecasting in Coastal Area. Water 2023, 15, 204.

Water 期刊介绍

主编：Jean-Luc PROBST, University of Toulouse, France

期刊涵盖所有水资源领域相关的科学技术，主要包括全球和区域水循环的可持续管理，水资源及其与粮食、能源、生物多样性、生态系统功能和人类健康的互联。期刊鼓励领域内研究人员发表实验、理论、建模和大数据等相关研究成果。

识别二维码

订阅 Water 期刊最新资讯。

识别二维码，备注学校+姓名+研究方向，小助手邀您加入期刊学者交流群，了解期刊最新活动，与同行交流科研经验。

特约撰稿人

李佳瑞 

精选视频

往期回顾

版权声明：

*本文由MDPI特约撰稿人翻译撰写，文中涉及到的论文翻译部分，为译者在个人理解之上的概述与转达，论文详情及准确信息请参考英文原文。本文遵守 CC BY 4.0 许可 (https://creativecommons.org/licenses/by/4.0/)。如需转载，请于公众号后台留言咨询。

由于微信订阅号推送规则更新，您可以将“MDPI环境与地球科学”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！

点击左下方“阅读原文”，免费阅读英文原文。

喜欢今天的内容？给我们点个【在看】吧！