获取海浪数据并统计海浪变化规律

已于 2023-11-12 21:51:01 修改
阅读量460 收藏 4
点赞数 1
文章标签： 算法 matlab
于 2023-11-12 20:28:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZLH_ZLH/article/details/134364971
版权

​​​​​​​

1. 从国家海洋科学数据中心网站下载目标海域的原始数据。http://mds.nmdis.org.cn/pages/dataViewDetail.html?dataSetId=6 

2.使用matlab代码读取txt文件，并进行预处理。

close all;
clear all;
clc;
% 寻找文件夹下的文件所有格式为'.txt',文件信息存放在结构体WaveFileLists中，然后对WaveFileLists循环
WaveFileLists=dir(fullfile('/Users/Wave','*.txt'));
% 读取循环变量值
N=length(WaveFileLists); %使用'length()'函数读取结构体长度
% 编写循环体主程序
MS1=[];MS2=[];MS3=[];MS4=[];MS5=[];MS6=[];
MS7=[];MS8=[];MS9=[];MS10=[];MS11=[];MS12=[];
HeadM = [];
l=[];
d=0;
for i=1:N
    strWaveFileName=WaveFileLists(i).name;
    fid = fopen(strWaveFileName,'rt');
    lines = 0; 
    while ~feof(fid)   % while循环表示文件指针没到达末尾，则继续
        lines = lines +1; 
        d=d+1;   % 总行数
        % 每次读取一行, str是字符串格式
        str = fgetl(fid);   
        % 以 '' 作为分割数据的字符,结果为cell数组
        s=split(str,'');        
        %取数组中第一个元素s{...}，先转换成字符串char再转换成数字str2num
        wav1 = str2num(char(s{18}));  %sea state 0-9 Grade
        wav2 = str2num(char(s{22}));  %wave direction degree
        wav3 = str2num(char(s{23}));
        wav4 = str2num(char(s{24}));
        wav5 = str2num(char(s{26}));  %swell direction degree
        wav6 = str2num(char(s{27}));
        wav7 = str2num(char(s{28}));
        wav8 = str2num(char(s{30}));  %Max wave height **.* m 
        wav9 = str2num(char(s{31}));
        wav10 = str2num(char(s{32}));    
        wav11 = str2num(char(s{45}));  %one-tenth max wave height **.* m 
        wav12 = str2num(char(s{46}));
        wav13 = str2num(char(s{47}));  
        wav14 = str2num(char(s{79}));  %Period **.* s
        wav15 = str2num(char(s{80}));
        wav16 = str2num(char(s{81})); 
        if isempty(wav1)==1
           wav1=0;
        end
        if isempty(wav2)==1
           wav2=0;
        end
        if isempty(wav3)==1
           wav3=0;
        end
        if isempty(wav4)==1
           wav4=0;
        end
        if isempty(wav5)==1
           wav5=0;
        end
        if isempty(wav6)==1
           wav6=0;
        end
        if isempty(wav7)==1
           wav7=0;
        end
        if isempty(wav8)==1
           wav8=0;
        end
        if isempty(wav9)==1
           wav9=0;
        end
        if isempty(wav10)==1
           wav10=0;
        end
        if isempty(wav11)==1
           wav11=0;
        end
        if isempty(wav12)==1
           wav12=0;
        end
        if isempty(wav13)==1
           wav13=0;
        end
        if isempty(wav14)==1
           wav14=0;
        end
        if isempty(wav15)==1
           wav15=0;
        end
        if isempty(wav16)==1
           wav16=0;
        end
        if lines==1
            wv1=str2num(char(s{26}));
            wv2=str2num(char(s{33}));
            if (wv1~=1||wv2~=2)
                break %跳出最近的while循环
            end
            HeadM=[HeadM s];
            wav1=[];
            wav2=[];
            wav3=[];
            wav4=[];
            wav5=[];
            wav6=[];
            wav7=[];
            wav8=[];
            wav9=[];
            wav10=[];
            wav11=[];
            wav12=[];
            wav13=[];
            wav14=[];
            wav15=[];
            wav16=[];
        end
        switch mod(i,12) %将所有数据按照每年的月份分类
            case 1
                MS1=[MS1;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16]; 
            case 2
                MS2=[MS2;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16];
            case 3
                MS3=[MS3;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16]; 
            case 4
                MS4=[MS4;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16];
            case 5
                MS5=[MS5;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16]; 
            case 6
                MS6=[MS6;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16];
            case 7
                MS7=[MS7;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16]; 
            case 8
                MS8=[MS8;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16];
            case 9
                MS9=[MS9;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16]; 
            case 10
                MS10=[MS10;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16];
            case 11
                MS11=[MS11;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16]; 
            case 0
                MS12=[MS12;wav1 wav2 wav3 wav4 wav5 wav6 wav7 wav8 wav9 wav10 wav11 wav12 wav13 wav14 wav15 wav16];
        end
    end
    fclose(fid);
    l=[l,lines];
end
HeadM=HeadM';% 矩阵输出
MS=[MS1;MS2;MS3;MS4;MS5;MS6;MS7;MS8;MS9;MS10;MS11;MS12];
ll=[size(MS1,1) size(MS2,1) size(MS3,1) size(MS4,1) size(MS5,1) size(MS6,1) size(MS7,1) size(MS8,1) size(MS9,1) size(MS10,1) size(MS11,1) size(MS12,1)];
Ml=[];
for j=1:size(ll,2)
    Ml=[Ml sum(ll(1:j))];
end

3.对预处理后的数据进行可视化绘图处理，观察数据的特点与规律。

%sea state 0-9 Grade 1
%wave direction degree 2 3 4
%swell direction degree 5 6 7
%Max wave height **.* m 8 9 10
%one-tenth max wave height **.* m  11 12 13
%Period **.* s 14 15 16
MM1=[];
MM2=[];
MM3=[];
for k = 0:11
    if k==0
                  SeaState = MS(1:Ml(1),1);
             WaveDirection = MS(1:Ml(1),2).*100+MS(1:Ml(1),3).*10+MS(1:Ml(1),4).*1;
                       WaveDirection(WaveDirection>996) = []; % delete number that lager than 996
            SwellDirection = MS(1:Ml(1),5).*100+MS(1:Ml(1),6).*10+MS(1:Ml(1),7).*1;
                     SwellDirection(SwellDirection>996) = [];
             MaxWaveHeight = MS(1:Ml(1),8).*10+ MS(1:Ml(1),9).*1+ MS(1:Ml(1),10).*0.1;
                      MaxWaveHeight(MaxWaveHeight>99.6) = [];
    OneTenthMaxWaveHeight = MS(1:Ml(1),11).*10+MS(1:Ml(1),12).*1+MS(1:Ml(1),13).*0.1;
    OneTenthMaxWaveHeight(OneTenthMaxWaveHeight>99.6) = [];
                    Period = MS(1:Ml(1),14).*10+MS(1:Ml(1),15).*1+MS(1:Ml(1),16).*0.1;
                                    Period(Period>99.6) = [];
    else
                  SeaState = MS(Ml(k)+1:Ml(k+1),1);
             WaveDirection = MS(Ml(k)+1:Ml(k+1),2).*100+MS(Ml(k)+1:Ml(k+1),3).*10+MS(Ml(k)+1:Ml(k+1),4).*1;
                       WaveDirection(WaveDirection>996) = []; % delete number that lager than 996
            SwellDirection = MS(Ml(k)+1:Ml(k+1),5).*100+MS(Ml(k)+1:Ml(k+1),6).*10+MS(Ml(k)+1:Ml(k+1),7).*1;
                     SwellDirection(SwellDirection>996) = [];
             MaxWaveHeight = MS(Ml(k)+1:Ml(k+1),8).*10+ MS(Ml(k)+1:Ml(k+1),9).*1+ MS(Ml(k)+1:Ml(k+1),10).*0.1;
                      MaxWaveHeight(MaxWaveHeight>99.6) = [];
    OneTenthMaxWaveHeight = MS(Ml(k)+1:Ml(k+1),11).*10+MS(Ml(k)+1:Ml(k+1),12).*1+MS(Ml(k)+1:Ml(k+1),13).*0.1;
    OneTenthMaxWaveHeight(OneTenthMaxWaveHeight>99.6) = [];
                    Period = MS(Ml(k)+1:Ml(k+1),14).*10+MS(Ml(k)+1:Ml(k+1),15).*1+MS(Ml(k)+1:Ml(k+1),16).*0.1;
                                 Period(Period>99.6) = [];
    end 
    WaveDirection=WaveDirection.*3.1416/180;
    SwellDirection=SwellDirection.*3.1416/180;    
    w1=max(SeaState); % max value
    w2=max(WaveDirection);
    w3=max(SwellDirection);
    w4=max(MaxWaveHeight);
    w5=max(OneTenthMaxWaveHeight);
    w6=max(Period);
    w11=mode(SeaState); %mode value
    w12=mode(WaveDirection);
    w13=mode(SwellDirection);
    w14=mode(MaxWaveHeight);
    w15=mode(OneTenthMaxWaveHeight);
    w16=mode(Period);
    w21=mean(SeaState); %mean value
    w22=mean(WaveDirection);
    w23=mean(SwellDirection);
    w24=mean(MaxWaveHeight);
    w25=mean(OneTenthMaxWaveHeight);
    w26=mean(Period);
    % every month max mode mean value
    MM1 = [MM1;w1 w6;w11 w16;w21 w26];
    MM2 = [MM2;w4 w5;w14 w15;w24 w25];
    MM3 = [MM3;w2 w3;w12 w13;w22 w23];
end

m11=MM1(1:3:36,:);
m12=MM2(1:3:36,:);
m13=MM3(1:3:36,:);

m21=MM1(2:3:36,:);
m22=MM2(2:3:36,:);
m23=MM3(2:3:36,:);

m31=MM1(3:3:36,:);
m32=MM2(3:3:36,:);
m33=MM3(3:3:36,:);
% characteristic= SeaState WaveDirection SwellDirection 
% MaxWaveHeight OneTenthMaxWaveHeight  Period

figure()
subplot(331)
bar3(m11)
view(35,30)
xlabel('SS Pd');ylabel('month');zlabel('value');
title("SeaState Period","max","FontSize",8)
subplot(332)
bar3(m12)
view(35,30)
xlabel('MH OH');ylabel('month');zlabel('m');
title("MaxWaveHeight OneTenthMaxWaveHeight","max","FontSize",8)
subplot(333)
bar3(m13)
view(35,30)
xlabel('WD SD');ylabel('month');zlabel('rad');
title("WaveDirection SwellDirection","max","FontSize",8)
subplot(334)
bar3(m21)
view(35,30)
xlabel('SS Pd');ylabel('month');zlabel('value');
title("SeaState Period","mode","FontSize",8)
subplot(335)
bar3(m22)
view(35,30)
xlabel('MH OH');ylabel('month');zlabel('m');
title("MaxWaveHeight OneTenthMaxWaveHeight","mode","FontSize",8)
subplot(336)
bar3(m23)
view(35,30)
xlabel('WD SD');ylabel('month');zlabel('rad');
title("WaveDirection SwellDirection","mode","FontSize",8)
subplot(337)
bar3(m31)
view(35,30)
xlabel('SS Pd');ylabel('month');zlabel('value');
title("SeaState Period","mean","FontSize",8)
subplot(338)
bar3(m32)
view(35,30)
xlabel('MH OH');ylabel('month');zlabel('m');
title("MaxWaveHeight OneTenthMaxWaveHeight","mean","FontSize",8)
subplot(339)
bar3(m33)
view(35,30)
xlabel('WD SD');ylabel('month');zlabel('rad');
title("WaveDirection SwellDirection","mean","FontSize",8)

4. 也可以对预处理后的数据做统计分析，判断数据可能满足的分布情况

SS=MS(:,1); %SeaState
WD=MS(:,2).*100+MS(:,3).*10+MS(:,4).*1;%WaveDirection
SD=MS(:,5).*100+MS(:,6).*10+MS(:,7).*1;%SwellDirection
MH=MS(:,8).*10+ MS(:,9).*1+ MS(:,10).*0.1;%MaxWaveHeight
OH=MS(:,11).*10+MS(:,12).*1+MS(:,13).*0.1;%OneTenthMaxWaveHeight
Pd=MS(:,14).*10+MS(:,15).*1+MS(:,16).*0.1;%Period
WD(WD>996) = [];
SD(SD>996) = [];
MH(MH>99.6) = [];
OH(OH>99.6) = [];
Pd(Pd>99.6) = [];
WD=WD.*3.1416/180;
SD=SD.*3.1416/180;

% WD=roundn(WD,-1);
% SD=roundn(SD,-1);
% MH=roundn(MH,-1);
% OH=roundn(OH,-1);
% Pd=roundn(Pd,-1);

SS1 = tabulate(SS);%统计数组（x）中元素出现的频率
SS2 = array2table(SS1, 'VariableNames', ...
    {'Value','Count','Percent'});%将数组转化为表
Pd1 = tabulate(Pd);%统计数组（x）中元素出现的频率
Pd2 = array2table(Pd1, 'VariableNames', ...
    {'Value','Count','Percent'});%将数组转化为表
MH1 = tabulate(MH);%统计数组（x）中元素出现的频率
MH2 = array2table(MH1, 'VariableNames', ...
    {'Value','Count','Percent'});%将数组转化为表
WD1 = tabulate(WD);%统计数组（x）中元素出现的频率
WD2 = array2table(WD1, 'VariableNames', ...
    {'Value','Count','Percent'});%将数组转化为表
SD1 = tabulate(SD);%统计数组（x）中元素出现的频率
SD2 = array2table(SD1, 'VariableNames', ...
    {'Value','Count','Percent'});%将数组转化为表
OH1 = tabulate(OH);%统计数组（x）中元素出现的频率
OH2 = array2table(OH1, 'VariableNames', ...
    {'Value','Count','Percent'});%将数组转化为表

figure()
% subplot(231)
% bar(SS2.Value,SS2.Count);
% xlabel("grade");
% ylabel("Count")
% title("SeaState")
% 
% subplot(232)
% bar(Pd2.Value,Pd2.Count);
% xlabel("s");
% ylabel("Count")
% title("Period")

% subplot(233)
subplot (121)
bar(MH2.Value,MH2.Count);
xlabel("Value (m)");
ylabel("Count")
title("Max Wave Height")

% subplot(234)
% bar(OH2.Value,OH2.Count);
% xlabel("m");
% ylabel("Count")
% title("OneTenthMaxWaveHeight")
% 
% subplot(235)
% bar(WD2.Value,WD2.Count);
% xlabel("rad");
% ylabel("Count")
% title("WaveDirection")
% 
% subplot(236)
% bar(SD2.Value,SD2.Count);
% xlabel("rad");
% ylabel("Count")
% title("SwellDirection")

% figure()
subplot(122)
[f,xi]=ksdensity(MH);
plot(xi,f,'r*');
hold on
[miu,sigma]= normfit(MH,0.05)
% [mu,sigma,muci,sigmaci]= normfit(data,a);
% data: 原数据
% a :置信度
% mu: 均值
% sigma: 标准差
% muci:1-a 区间内的均值
% sigmaci:1-a 区间内的标准差
TJ=ones(100,1);
LTJ=length(TJ);
zt0=normrnd(miu,sigma,1,LTJ);
[f1,xi1]=ksdensity(zt0);
plot(xi1,f1,'b-o');
hold off
xlabel('Value (m)')
ylabel('Density')
legend('Raw','Fit')
title("Raw data & Probability density function")
txt = { ['Miu_{MH} = ' num2str(miu)]; ['Sigma_{MH} = ' num2str(sigma)] };
text(xi(50),f(50)+0.9,txt)

5.根据数据的规律特点，我们可以将感兴趣的重要数据保存下来。

%需要保存的矩阵
data1=[m11,m12,m13,m21,m22,m23,m31,m32,m33];
%行名称
row={'m1';'m2';'m3';'m4';'m5';'m6';'m7';'m8';'m9';'m10';'m11';'m12'}; 
%列名称
col={'data1','maxSS','maxPd','maxMH','maxOH','maxWD','maxSD','modeSS','modePd','modeMH','modeOH','modeWD','modeSD','meanSS','meanPd','meanMH','meanOH','meanWD','meanSD'}; 
%生成表格，按列生成
result=table(row,data1(:,1),data1(:,2),data1(:,3),data1(:,4),data1(:,5),data1(:,6),data1(:,7),data1(:,8),data1(:,9),data1(:,10),data1(:,11),data1(:,12),data1(:,13),data1(:,14),data1(:,15),data1(:,16),data1(:,17),data1(:,18),'VariableNames',col);
%保存表格
writetable(result, 'data1.csv');

% data2=[SS2.Value,SS2.Count,Pd2.Value,Pd2.Count,MH2.Value,MH2.Count,OH2.Value,OH2.Count,WD2.Value,WD2.Count,SD2.Value,SD2.Count];
LSS=length(SS2.Value);
LPd=length(Pd2.Value);
LMH=length(MH2.Value);
LOH=length(OH2.Value);
LWD=length(WD2.Value);
LSD=length(SD2.Value);
Lmax=max([LSS,LPd,LMH,LOH,LWD,LSD]);
SS3=[[SS2.Value;zeros(Lmax-LSS,1)],[SS2.Count;zeros(Lmax-LSS,1)]];
Pd3=[[Pd2.Value;zeros(Lmax-LPd,1)],[Pd2.Count;zeros(Lmax-LPd,1)]];
MH3=[[MH2.Value;zeros(Lmax-LMH,1)],[MH2.Count;zeros(Lmax-LMH,1)]];
OH3=[[OH2.Value;zeros(Lmax-LOH,1)],[OH2.Count;zeros(Lmax-LOH,1)]];
WD3=[[WD2.Value;zeros(Lmax-LWD,1)],[WD2.Count;zeros(Lmax-LWD,1)]];
SD3=[[SD2.Value;zeros(Lmax-LSD,1)],[SD2.Count;zeros(Lmax-LSD,1)]];

data2=[SS3,Pd3,MH3,OH3,WD3,SD3];
%行名称
row2={'1';'2';'3';'4';'5';'6';'7';'8';'9';'10';'11';'12';'13';'14';'15';'16';'17';'18';'19';'20';'21';'22';'23';'24';'25';'26';'27';'28';'29';'30';'31';'32';'33';'34';'35';'36';'37';'38';'39';'40';'41';'42';'43';'44';'45';'46';'47';'48';'49';'50';'51';'52';'53';'54';'55';'56';'57';'58';'59';'60'};
%列名称
col2={'data2','SSValue','SSCount','PdValue','PdCount','MHValue','MHCount','OHValue','OHCount','WDValue','WdCount','SDValue','SDCount'}; 
%生成表格，按列生成
result2=table(row2,data2(:,1),data2(:,2),data2(:,3),data2(:,4),data2(:,5),data2(:,6),data2(:,7),data2(:,8),data2(:,9),data2(:,10),data2(:,11),data2(:,12),'VariableNames',col2);
% %保存表格
writetable(result2, 'data2.csv');

6.这样我们就完成了对海浪数据的读取、预处理、绘图以及统计，并得到了重要的参数。

欢迎有想法的小伙伴们交流指正。

A浩浩汤汤
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
matlab海浪图,以正弦波驱动的海浪
07-25
matlab海浪图
基于matlab的三维海浪动态模拟+仿真录像
10-18
1.版本：matlab2021a，我录制了仿真操作录像，可以跟着操作出仿真结果 2.领域：三维海浪模拟 3.内容：基于matlab的三维海浪动态模拟 4.适合人群：本，硕等教研学习使用
和鲸101计划：Python 气象海洋数据分析 Workshop 回顾
最新发布
ModelWhale的博客
06-19 1015
科学研究的创新和发展不仅需要新技术新方法，更需要知识的传承和人才的接力，基于此，和鲸联合了数名气象领域的专家学者，以帮助处于职业发展初期的气象人进行更多理论与实操的结合性学习为初衷，举办了“Python 气象海洋数据分析 II Workshop”，针对气象真实研究场景，共同分享探讨全流程研究思路。
基于机器学习中LSTM和RNN用python来实现海浪波高预报的源码（预报准确性较高）
07-06
源码中采取的NC文件（站点的风速和波高信息）（已上传）分别用LSTM和RNN模型进行训练并实验，输出散点拟合图以及预报折线图，实验预报效果较好，预报误差仅0.2m左右。源码内有注释，不明白的也可与我交流讨论，共同学习。
获取海风数据并统计海风变化规律
ZLH_ZLH的博客
11-12 148
3. 将上述命令中的 uv20180114rt.nc uv20180115rt.nc ……uv20181009rt.nc 以及对应网址替换为网站中其他数据的名称，就能够下载其他数据文件。2.以2018年每天的数据为例，使用终端命令下载海风原始数据的程序代码如下。5. 将预处理的数据进行可视化处理，统计目标海域海风的月份变化规律。8.海风数据的批量获取、解码和预处理、以及统计和保存就是这个样子。4. 解码.nc 文件并进行预处理所用到的matlab程序。6.统计整个时间段里目标海域海风的分布规律。
海浪相关术语波高、浪高等
weixin_30809173的博客
10-04 7086
1.海浪相关术语1)波高：指浮标观测相邻的波峰和波谷间的垂直距离，通常以H表示。包括：三分之一波高、十分之一波高、最大波高、有效波高2)浪高：指有效波高（即三分之一波高）3)海浪：分为风浪和涌浪a)风浪：指由风引起的海浪b)涌浪: 指不是由风引起的海浪（无风三尺浪 指得就是涌浪）c)涌高：指的是涌浪的高度 4)有效波高：指某一时刻浮标观测前100个波高按高低进行排列，取前三分之一大...
isItGood:python脚本，用于抓取NDBC NOAA数据以获取海浪高度，海浪周期，水温和其他详细信息。 然后告诉您是否很好！
04-05
好吗 python脚本，用于抓取NDBC NOAA数据以获取海浪高度，海浪周期，水温和其他详细信息。 然后告诉您是否很好！
获取海流数据并统计海流的变化规律
ZLH_ZLH的博客
11-12 668
2. 读取海流数据，并根据海流数据的格式，提取目标海域的表层海流数据。6.完成数据的获取、预处理、可视化以及统计，并保存重要数据到文件中。1. 海流源数据来自于：中国科学院海洋科学数据中心。3.将预处理的数据进行可视化处理。5.将重要的数据数据保存到文件中。4.对预处理的数据进行统计分析。
海浪数据集
weixin_51015047的博客
02-08 1237
全名：time,Land-sea mask,Mean wave direction,Mean wave period,Significant height of combined wind waves and swell,Significant height of total swell,Significant height of wind waves #时间，陆海面罩，平均波向，平均波周期，组合风波和海浪的显着高度，总膨胀的重要高度，风波的重要高度 那我先预测平均波向？ ...
科研训练5：海浪有效波高swh常用数据集及下载
m0_57037968的博客
03-08 1972
公开可下载的、全球尺度、高分辨率的海浪swh数据集，包括再分析、观测、浮标、卫星等
全球海洋水深及地形数据集（.nc文件）
11-05
NOAA提供的全球海洋水深及地形数据，适合相关专业进行数据处理和相关建模比赛使用。
海浪模型的matlab代码-OceanWavePrediction:该存储库使用先进的先进递归神经网络实时预测海浪
05-27
海浪模型的matlab代码海浪预测 该存储库使用递归神经网络根据以前的数据预测海浪。 它从模拟中获取时空数据，然后在时间序列数据中应用递归神经网络。 时间序列数据中的每个节点都是空间域。 该代码是论文中CRNN的修订版：卷积RNN：一种从顺序数据中提取特征的增强模型（） 调用以下函数等效于应用一个CRNN层。 对于具有几个CRNN层的深层模型，应多次调用该函数。 给定一个张量，该函数提取kernel_size时间步长的补丁，并使用一个或多个递归层对其进行处理。 然后返回递归神经网络的隐藏状态作为代表路径的特征向量。 精氨酸： 张量：要执行操作的张量，其形状为[batch, time-steps, features]或[batch, time-steps, features, 1] 。 kernel_size：每个补丁/窗口中包含的时间步数（与标准一维卷积相同）。 步幅：两个连续补丁/窗口之间的时间步数（与标准一维卷积中的时间步数相同）。 out_channels：从每个面片/窗口中提取的要素数量（在标准的一维卷积中，称为要素图的数量），它是处理每个面片/窗口的循环图层的隐藏维。 rnn
waterwave002_海浪模拟matlab程序_波浪_三维海浪
08-09
【海浪模拟MATLAB程序】是一种利用数学模型和编程技术来再现自然界中海浪动态行为的工具。MATLAB，全称“矩阵实验室”，是MathWorks公司开发的一种强大的数值计算和可视化软件，它提供了丰富的数学函数库和图形界面...
海浪模拟matlab程序
02-10
MATLAB（矩阵实验室）是一种强大的编程环境，特别适合进行数值计算和数据可视化，这使得它成为进行海浪仿真理想的平台。 海浪模拟在船舶设计和海洋工程中扮演着至关重要的角色。它可以帮助工程师理解和预测船舶在...
matlab模拟海浪
12-31
在舰船模拟时，根据实际情况输入相关参数，用于模拟海浪
pycharm+jupyter：海浪仿真（二维+三维）
qq_44877514的博客
03-30 673
二维长峰波和三维短峰波，海浪仿真
matlab 摄动波浪理论,基于MATLAB的三维海浪模型数值仿真
weixin_36239768的博客
03-16 1299
基于MATLAB的三维海浪模型数值仿真作者： 齐宁　夏天　李文岩　赵立光摘要：海洋工程领域中的浮式结构物设计，需要精确计算海浪载荷，保证满足稳定性和安全性。该文利用MATLAB对Longuet-Higgins长峰波海浪模型和三维不规则短峰波随机海浪模型进行了仿真研究。结果表明，利用海浪谱来模拟三维随机海浪能够得到比较精确的海浪波面图和波高值，进一步根据流体的势流理论就可以分析计算出该结构物受到的海...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值