深度學習方法在海浪有效波高數據高分辨率處理中的應用

作者：朱曉雯,侯宇,劉玉海,吳克儉

摘要：本文基于歐洲中期天氣預報中心的有效波高數據,運用傳統的雙三次插值(Bicubic interpolation)、克里金插值(Kriging interpolation)以及兩種改進的超分辨率卷積神經網絡(Super-Resolution CNN,簡稱SRCNN)進行高分辨率處理,使用峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、均方根誤差(Root-Mean-Square Error,RMSE)、結構相似度(Structural Similarity,SSIM)、余弦相似性(Cosine Similarity)等評價指標比較了各種方法的高分辨率處理效果,并分析了每種方法的誤差分布特點。結果表明,改進的SRCNN方法(SRCNN_2)是一種在整體效果、局部細節和計算效率方面均比較優秀的高分辨率處理方法,是深度學習方法在海洋數據高分辨率處理問題上一次成功的應用,但改進的SRCNN方法在近岸有效波高數據的處理效果方面還有待提高。

發文機構：中國海洋大學海洋與大氣學院 中國海洋大學數學科學學院 中國科學院海洋研究所 中科曙光國際信息產業有限公司

關鍵詞：海浪有效波高雙三次插值克里金插值超分辨率卷積神經網絡significant wave heightbicubic interpolationKriging interpolationsuper resolution convolutional neural network

分類號： P731.22[天文地球—海洋科學]