《表1 ANN模型的变量设置和指标改善效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工神经网络在岛屿近岸海浪模拟中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：RMSE和MAE分别为均方根误差和平均绝对误差．

为修正WW3模式有效波高的模拟结果，考虑到由不同方向传至岛屿近岸的波浪所经历的变形过程存在差异性[13-14]，以及浅水效应下潮差变化会对波高造成影响[5]，而波浪形变一般还会体现在周期（或波长）等因素上，将模式输出的有效波高、平均波向、平均周期和水位等变量，经归一化处理后分别作为输入层进入ANN模型的神经单元．为分析这些变量对模式修正效果的相对重要性，采用控制变量法，建立6个具有不同输入层的ANN模型，分别标记为ANNⅠ～Ⅵ（表1），通过比较基于不同输入变量组合模型的输出结果，得到对模式修正效果影响最大的变量．各ANN模型的输出层均仅包括1个神经单元，即修正后的有效波高．对隐含层分别采用5～14个神经单元进行试算，发现取10个神经单元时对WW3模式在该观测站的改善效果最好，因此将神经单元个数设置为10.ANN模型采用Levenberg-Marquardt反向传播算法进行样本快速训练，训练次数为5 000．隐含层使用双曲正切Sigmoid型传递函数，输出层使用线性传递函数．选取2018年7月13日至12月31日为ANN模型的训练阶段，2019年1月1日至3月31日为模型的验证阶段．