谢天
专业名称：船舶与海洋工程-数学与应用数学
指导教师：徐航、毛晓军
毕业去向：本校上海高级金融学院金融硕士
在校期间学术成果或科创实践成果：围绕本科毕业设计完成 ERA5 有义波高数据处理、四海域大预见期预测实验、结果可视化与网页预测系统展示，形成毕业论文、答辩材料及配套图表。
项目概述
本项目面向航运安全、海洋工程作业、海上能源开发与海况风险预警中的有义波高预测需求，研究大预见期条件下海洋波高序列的智能预测方法。传统数值波浪模式物理机制清晰，但通常依赖风场、边界条件和较高计算资源；现有深度学习研究多集中在较短预见期，对 72h、96h 等大预见期任务的系统验证仍需加强。
研究基于 2020-2025 年 ERA5 逐小时有义波高再分析数据，选取渤海、黄海、东海、南海四个典型点位，构建“分解-预测-重构”的预测框架。通过 EMD、VMD 模态分解降低非平稳序列建模难度，并结合 LSTM、GRU、Transformer 与贝叶斯优化开展统一对比实验，预测步长覆盖 12h-96h。
项目创新点
1. 统一比较无分解、EMD 与 VMD，分析分解方法对非平稳、多尺度波高序列的作用。
2. 预测步长扩展至 12h-96h，观察误差随大预见期增加的变化规律。
3. 引入贝叶斯优化统一调参，比较 LSTM、GRU、Transformer 模型组合。
4. 构建网页展示系统，输出预测曲线、峰值波高和风险等级。
项目成果及应用前景
实验结果表明，分解方法整体显著优于非分解方法；在分解方法中，VMD 组合整体表现更稳定。以 48h 预测任务为代表，四海域最优组合分别为：渤海 VMD-LSTM，MAPE 5.29%，R² 0.9921；黄海 VMD-Transformer，MAPE 4.19%，R² 0.9905；东海 VMD-Transformer，MAPE 3.98%，R² 0.9916；南海 VMD-LSTM，MAPE 2.83%，R² 0.9957。
大预见期实验显示，随着预测步长由 12h 增至 96h，误差总体上升，但 VMD 组合在多数海域仍能保持预测值与真实值的较高一致性。研究结果可为海况预警、海上作业窗口判断和航线风险评估提供数据驱动的辅助参考。后续可进一步扩展到连续空间网格，并引入风场、气压、海温等多源变量，改进极端波高峰值刻画能力。
配图1：48h 预测任务下不同模型组合 MAPE 对比
配图2：96h 预测值与真实值散点对比
