本发明公开了一种海浪数据处理及波浪谱生成方法，该方法提出了错误数据的识别方法，同时基于压缩感知理论，对含有缺失或错误数据的实测波面数据进行重构，并结合傅里叶变换，非线性最小二乘算法和概率密度函数，通过拟合计算生成代表各种波浪阶段的波浪谱模型。应用本发明所建立的数据处理及波浪谱生成方法，可以简便而准确的计算得到采集数据所在海域处的波浪谱模型。
1.一种海浪数据处理及波浪谱生成方法，其特征在于，包括以下步骤：S1：对数据重洗，清除错误数据；采用以下数据错误识别准则，清除错误数据：准则1：在置信概率为99.7％的情况下，采用Pauta准则识别错误数据；准则2：根据长期的海浪监测数据分析得到了两个经验准则：x'(t)＜5m/s (1)x”(t)＜g/2 (2)其中，x是波面高程，t是时间，g是重力加速度；式(1)表明波面高程竖向变化速度不超过5m/s，式(2)表明波面高程竖向变化加速度限制在g/2以内；准则3：如果波面数据在2秒内保持不变，则认为这段时间的数据采集失败；S2：重建数据采用压缩感知正交匹配追踪OMP算法来重建数据；OMP算法步骤如下：S11：初始化r0＝y,t＝1；S12：找到索引λt，使得：S13：令Λt＝Λt-1∪{λt}，S14：求y＝Atθt的最小二乘解：S15：更新残差S16：t＝t+1，如果t≤K则返回S12，否则停止迭代进入S17；S17：重构所得在Λt处有非零项，其值分别为最后一迭代所得S18：得到后，利用稀疏矩阵可得重构结果其中rt表示残差，t表示迭代次数，表示空集，Λt表示t次迭代的索引集合，λt表示t次迭代找到的索引，aj表示传感矩阵A的第j列，At表示按索引Λt选出的传感矩阵A的列集合，θt为t×1的列向量，符号∪表示集合并运算，·,·表示求向量内积；为消除潮汐对波面数据的影响，采用以下方法来消除潮汐的影响；当1＜i≤m时：当i＞m时：其中n为数据总数，m为选取的基准数据个数，xi为数据中第i个数据值，xi’为去除潮汐影响后的数据值；S3：生成波浪谱六参数谱的计算公式写成：步骤为：S31：采用傅里叶变换将重建后的实测波面数据转化为频谱；S32：根据有效波高，将转化后的频谱数据分成若干组，根据公式(5)和非线性非线性最小二乘算法确定六参数谱中的六个参数；S33：对每一组中每一个参数都找到较好描述该参数分布的概率密度函数，得到其模态值，再根据模态值找到对应的拟合得到的六参数谱，分别将六个参数表示为有效波高的函数，每一组可得到3个波浪谱，即一个与众数值相关的谱和两个与95％置信度的置信带相关的谱；每一组所得波浪谱的集合即为计算海域的波浪谱。
本文链接：http://www.vipzhuanli.com/tech/sell/s_2310955.html，转载请声明来源钻瓜专利网。
