基于机器学习的残差偏差校正方法：利用黑海地区的卫星高度计观测数据作为真实值，对SWAN（Sea Wave Alleathment Network）模型预测的显著波高进行修正

《Ocean Engineering》：Machine Learning-Based Residual Bias Correction of SWAN Significant Wave Height Using Satellite Altimeter Observations as Ground Truth in the Black Sea

　　

埃米尔汗·穆斯塔法·阿尼克（Emirhan Mustafa An?k）|哈利德·阿马拉乌什（Khalid Amarouche）|穆拉特·坎卡尔（Murat Kankal）|阿德姆·阿克普纳尔（Adem Akp?nar）

• •
  利用高度计数据训练的机器学习（ML）模型显著提升了海平面高度（SWH）预报的准确性。
• •
  训练模型时使用了黑海地区的329,729条卫星高度计观测数据。
• •
  在测试的八种方法中，基于树的XGB模型表现最佳。
• •
  沿海地区的偏差变得更加均匀，有助于空间气候变化的分析。
• •
  该模型对较高海浪（SWH>0.5米）的预报效果有显著提升，但对平静海面的预报效果不明显。