近日，河海大学陶爱峰研究团队成员徐啸等探究并提出了一种基于机器学习中的多层感知器分离风涌浪的方法，研究成果提供了海浪谱缺乏情况下的替代性风涌浪计算方案，为扩大风涌浪实测资料和开展风涌浪相关研究提供了可能性。

风涌浪分离对于风浪、涌浪各自特性及其预警预报的研究具有重要意义。本研究将机器学习引入到风涌浪分离中，以多层感知器模型为基础，设计并择优确定网络结构，采用波浪观测中容易获取的风速、风向、混合浪波向及混合浪波高（周期），以较高精度计算出了台湾海峡中3个测站的风浪、涌浪的波高（周期）参数。该方法需要每个测站提供至少 466 笔、建议 766 笔及以上的实测波浪数据作为训练样本，具有较强的空间适应性。此外，以实测风浪、涌浪数据做标定，该方法与PM法、WH法、JP法等5种现有一维谱法的计算精度进行了对比，结果表明，该方法的准确性更高，显著优于基于海浪频谱的传统风涌浪分离方法。

论文“基于多层感知器的风涌浪分离方法”（Separation method of wind-wave and swell based on the multilayer perceptron）于2月15日在中国科技核心期刊《海洋学报》（Haiyang Xuebao）上发表（图1）。

论文通讯作者为河海大学陶爱峰教授，第一作者为团队硕士毕业生徐啸，目前就职于江苏省交通运输厅港航事业发展中心。研究得到国家重点研发计划（2022YFE0104500）、国家自然科学基金（52271271）以及水利部重大科技项目（SKS-2022025）的支持。

文章doi：10.12284/hyxb2023001

图1：刊文截图