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。