基于气象记录的极端有效波高估计的代理建模方法

《Machine Learning and Knowledge Extraction》：Surrogate Modelling Approach for Estimating Extreme Significant Wave Heights Using Meteorological Records

　　

本研究提出了一种全面的、基于证据的方法框架，用于利用气象记录（风速和气温）结合机器学习算法估计与多个重现期相关的极端有效波高。该框架在极值建模之前整合了一系列初步诊断分析，包括同质性检验以识别潜在变化点，以及趋势分析以评估是否存在平稳或非平稳行为，从而能够选择合适的频率分析方法来计算多个重现期的年最大有效波高。该方法应用于从加勒比海安的列斯群岛近海浮标站获得的年最大有效波高记录。机器学习预设的结果表明，极端有效波高与相应的风速和气温记录之间存在强相关性，验证和测试阶段的决定系数（R²）分别为0.75和0.88。当使用传统方法和所提出的基于机器学习的方法进行频率分析时，在2至20年的重现期观察到高度一致性，R²值在0.98至0.89之间。对于更长的重现期，一致性降低，这与可用波高记录有限以及机器学习算法的监督性质一致。从这个意义上说，所提出的框架为在无法直接观测波高但可获得气象记录的区域估计极端有效波高提供了一种稳健的替代方案。

**论文解读：基于机器学习和气象记录的极端有效波高估计方法**

**研究背景、问题与意义**
有效波高（Significant Wave Height, Hs）是海岸与海洋工程中的关键参数，直接影响波浪荷载、越浪过程以及传统与生态系统海岸防御系统的性能。沿海城市和沙滩对气象现象及其气候变化导致的频率和强度变化尤为敏感，极端波高事件常引发洪水、侵蚀、海岸形态改变和水质退化，增加基础设施与人口脆弱性。加勒比海盆地气候受热带辐合带（Intertropical Convergence Zone, ITCZ）控制，具有干季和风季，非平稳极值分析（Non-Stationary Extreme Value Analysis, NEVA）已在水力工程中展现潜力，但传统频率分析面临概率分布选择困难，且多数研究仅依赖有限波高记录。现有方法在缺乏直接波高观测但气象数据（风速、气温）可得的区域难以应用，亟需集成同质性检验、趋势分析与机器学习（Machine Learning, ML）技术的综合框架，以提升极端波高估计的稳健性。为此，研究人员开发了基于气象记录与ML预置的代理建模方法，可填补数据缺失区域的波高估计空白，并提升设计重现期（return period）波高的物理一致性。该论文发表在《Machine Learning and Knowledge Extraction》。

**研究内容与结论**
研究人员提出了一种可推广的方法框架，整合了同质性检验（Pettitt、标准正态同质性检验SNHT、Buishand范围检验、Von Neumann比率检验）、Mann–Kendall趋势检验、28种ML算法（包括线性回归、决策树、集成树、支持向量机、高斯过程回归、人工神经网络等），以及极值频率分析（Gumbel、广义极值分布GEV、Pearson III、Log-Pearson III分布）。该框架应用于美国国家海洋和大气管理局（NOAA）在加勒比海安的列斯群岛的8个近海浮标站（2005–2023年），以年最大Hs为响应变量，以风速、气温、站位代码和年份为预测变量。结论表明，集成树中的Bagged Trees模型表现最佳，验证和测试阶段的决定系数R²分别为0.75和0.88，且SHAP分析确认风速是主要驱动因子。对于2–20年重现期，传统方法与ML方法结果高度一致（R² 0.98–0.89），但50–100年重现期差异增大（R² 0.74–0.58），这与有限数据长度（约18年）及ML监督学习特性一致。该框架为无直接波高观测区域提供了可靠替代方案，并显著降低计算成本（Bagged Trees预测仅需7.6秒）。

**主要关键技术方法**
研究人员采用的关键技术包括：①同质性检验（Pettitt、SNHT、Buishand、Von Neumann）用于检测年最大Hs序列的结构变化点；②Mann–Kendall非参数趋势检验以评估序列的平稳性；③28种ML算法（含Bagged Trees、Boosted Trees等集成树方法）通过五折交叉验证训练，以风速、气温、站位代码和年份为输入预测Hs；④传统极值频率分析（Gumbel、GEV、Pearson III、Log-Pearson III）结合L-矩参数估计与AIC准则选择最优分布；⑤非平稳极值分析（时间参数化GEV）作为对比。所有数据来源于NOAA在加的列斯群岛的8个浮标站（2005–2023年）。

**研究结果**
**3.1 统计分析与同质性检验**
对年最大Hs序列进行描述性统计，发现北部站位（如NE Saint Martin 41044、East Bahamas 41046）平均Hs较高，反映大西洋涌浪和强风影响；而加勒比海谷地站（42060）平均Hs最低。同质性检验显示，大多数站位（如41041、42058、42059）p值较高，支持同质性假设；但NE Saint Martin站（41044）SNHT和Von Neumann检验p值低于0.05，指示非均匀性，可能与局部气象或测量条件变化有关。

**3.2 趋势检验结果**
Mann–Kendall检验表明，所有站位的年最大Hs序列均未呈现统计显著趋势（均分类为无趋势NT），支持后续频率分析中的平稳性假设。非平稳GEV模型的AIC值仅在East Bahamas站（41046）低于平稳模型，进一步证实主序列的平稳性。

**3.3 机器学习结果**
基于风速、气温、站位代码和年份，28种ML模型被训练。Bagged Trees模型表现最优，验证和测试R²分别达0.75和0.88，RMSE为1.15 m和0.78 m。SHAP分析显示风速是Hs预测的最重要因子，而气温和年份贡献微弱。误差分析表明，ML生成的Hs值保留了原始序列的统计特性。

**3.4 传统方法与ML方法的频率分析比较**
选择最优分布（GEV、Pearson III或Log-Pearson III）后，比较传统频率分析与ML方法在2–100年重现期的Hs估计值。2–5年重现期结果高度一致（R²≈0.98），10–20年重现期仍良好（R² 0.95–0.89），但50–100年重现期差异增大（R² 0.74–0.58），与数据长度和ML外推能力限制一致。

**讨论与结论**
讨论部分指出，该方法的优势在于可基于有限气象数据快速估计极端波高，适用于工程决策支持，且计算效率高（Bagged Trees预测仅7.6秒）。但需注意，对于更长重现期（>20年）的预测应谨慎解读，尤其在气候非平稳区域。结论部分翻译如下：
本研究提出了一种全面且基于证据的方法框架，用于利用机器学习预置以风速和气温记录为预测变量估计与不同重现期相关的极端有效波高。该方法包含初步诊断分析以确保输入数据的统计一致性和物理连贯性。该框架可应用于有效波高记录不完整或不可得但风速和气温数据可得的区域。在加勒比海安的列斯群岛案例研究中，将所提方法估计的不同重现期Hs值与传统极值分析结果进行比较。结果表明，对于2–5年短重现期，所提方法产生与传统方法相当的估计；10–20年重现期也显示良好一致性；50–100年更长重现期出现较大差异。这些结果与可用Hs记录长度有限（约18年）以及监督式机器学习方法受训练数据范围限制的特性一致。