整合多尺度卷积和DropKey-Transformer的海况估计与不确定性感知模型

《Journal of Marine Science and Engineering》：A Sea State Estimation and Uncertainty Awareness Model Integrating Multi-Scale Convolution and DropKey-Transformer

　　

准确的海况估计对海洋工程安全和防灾减灾具有重要意义。本文提出了一种新的海况估计架构，整合了多尺度一维卷积神经网络（multi-scale 1D-CNN）、Transformer编码器（Transformer encoder）和蒙特卡洛DropKey（MC-DropKey）机制。首先，前端多尺度1D-CNN用于序列建模以提取高质量局部特征。然后，后端Transformer编码器用于捕获全局长程时间依赖性。此外，引入MC-DropKey机制，在保持高精度估计的同时实现动态不确定性量化。全面的对比和消融实验表明，所提模型在波高和波向估计任务中显著优于基线模型，实现了最低的平均绝对误差（MAE）为0.117 m和圆形绝对误差（CAE）为5.212°。此外，模型输出的不确定性区间有效量化了估计置信度，预测区间覆盖概率（PICP）达到96.67%。所得结果为复杂海洋环境下的科学调度和决策提供了强有力的技术支持。

**论文解读：整合多尺度卷积与MC-DropKey-Transformer的海况估计与不确定性感知模型**

**研究背景与问题**
海洋覆盖地球表面的71%，是全球航运贸易的生命线。在恶劣海况下，巨浪和强风对船舶结构安全、航行稳定性及港口作业效率构成严重威胁。因此，高精度实时监测和估计波高、波向等海况参数是保护海上生命财产安全的前提，也是现代智能船舶实现航线优化、气象路径规划和能效管理的核心基础。当前获取海况信息的主要方法依赖传统传感器网络，如海洋浮标、卫星遥感和波浪雷达，但这些方法在实际应用中面临物理和经济瓶颈，难以在高精度、广覆盖和低成本之间取得平衡。在此背景下，“船作为传感器”概念（即波浪浮标类比，WBA）迅速成为海洋工程和智能航运的研究热点。船舶在风浪中航行时，其不可避免的六自由度运动响应本质上是周围波浪场的动态滤波，而现代船舶普遍配备高精度惯性测量单元（IMU），利用大量船舶运动数据反演海况信息，不仅能以极低成本实现数据采集，还能完全打破传统传感器的时空限制。

从船舶运动反演海况是一个复杂的非线性问题。现有研究主要分为基于物理模型和数据驱动方法两类。传统物理模型基于线性水动力学理论，通过建立船舶运动谱与波浪谱之间的映射关系进行估计，但其在高海况下因非线性水动力效应导致精度显著下降。近年来，数据驱动方法因其强大的非线性拟合能力逐渐成为主流，例如密集连接卷积神经网络SSENET、Inception网络等。然而，这些方法均存在局限性：对数据分布变化敏感、依赖大量高质量标注数据、未考虑船舶运动的多频特性，且多为确定性模型，缺乏概率输出能力，在面对传感器信号缺失或强噪声时易产生过度自信的错误预测，对以安全为首要目标的航行决策而言可靠性不足。现有方法尚未在统一框架内同时解决多频耦合、长程依赖和不确定性估计这三个问题。

**研究内容与结论**
基于上述物理逻辑和工程痛点，研究人员提出了一种不确定性感知混合模型，整合了多尺度一维卷积神经网络（multi-scale 1D-CNN）、Transformer编码器和蒙特卡洛DropKey（MC-DropKey）机制。该模型通过各组件紧密耦合的架构，同时解决了多频波浪引起的局部运动差异、长序列建模中的全局时间依赖性以及传感器不确定性。具体地，为应对多频波浪导致的局部运动差异，模型构建了多尺度1D-CNN，通过三个并行的一维卷积分支（小、中、大卷积核）分别捕获高频、中频和低频信号，并在通道维度拼接形成局部特征矩阵。为补偿CNN在长序列建模中的不足，将卷积输出送入Transformer编码器，利用多头自注意力机制自动关注对当前海况估计贡献最大的历史时刻，并通过残差连接和层归一化保留全局时间依赖性。为突破传统模型只能输出确定性标量的限制，在Transformer的注意力计算中引入MC-DropKey机制，在训练时随机掩码部分键（key）特征，迫使网络在数据缺失条件下从上下文补全信息，起到正则化作用；在估计时保持该机制激活，对同一输入样本进行多次随机前向传播，生成一组估计值，取其均值作为海况估计，方差作为不确定性指标。

实验采用挪威科技大学（NTNU）奥勒松实验室高保真船舶操纵模拟器生成的仿真数据集，包含1,517,307个连续时间序列样本，覆盖海况0至5级，并包含随机过渡。数据经降采样至1 Hz后，采用960秒非重叠时间窗口分割，得到200个独立样本。训练集、验证集和测试集分别包含100、40和60个样本。模型输入为三个船舶运动参数（横荡速度、垂荡速度、纵摇速度），输出为有效波高（H_s）和波向（θ）。波向经三角函数解耦预处理为 sin(θ)和 cos(θ)作为双输出回归目标，再通过双参数反正切公式重建。对比实验选取了单尺度CNN、LSTM、时间融合Transformer（TFT）和TimesNet作为基线模型。所有模型在PyTorch 2.4.1框架下实现，使用AdamW优化器，初始学习率1×10^-4，权重衰减1×10^-5，批次大小4，最大训练轮次220，早停耐心45轮。模型参数约120万，推理单样本（960时间步×3输入通道）在Intel Core i5-13500H CPU上平均耗时8–12 ms，满足实时性要求。性能评估指标包括波高估计的平均绝对误差（MAE）、波向估计的圆形绝对误差（CAE）和决定系数（R²），以及不确定性评价指标：预测区间覆盖概率（PICP）和平均预测区间宽度（MPIW）。

**研究结果**
**4.1 估计均值（Predicted Mean）**
对比实验结果显示，所提模型在波高和波向估计任务中均表现出优势：波高MAE最低（0.117 m），波向CAE达到5.212°，仅为CNN、TFT和TimesNet的一半左右，远低于LSTM；波向R²最高（0.986），波高R²也达到0.970。虽然先进的多变量时间序列基线模型（TFT、TimesNet）整体优于传统LSTM，但二者联合精度仍不及所提模型。值得注意的是，CNN基线模型在波高R²指标上略领先（0.972），但MAE直接衡量逐点绝对偏差，所提模型通过引入MC-DropKey机制，以微小R²下降（0.002）换取了更优的MAE控制和动态不确定性量化能力，在海洋工程中更具实际决策价值。

消融实验进一步验证了各模块的有效性：移除Transformer编码器（仅多尺度CNN）后，波高MAE上升至0.146 m，波向CAE升至9.917°；移除前端多尺度1D-CNN（仅Transformer）后，误差显著扩大（MAE 0.170 m，CAE 43.214°），表明纯Transformer难以处理含高频波动的原始角度序列；移除MC-DropKey后，确定性点估计误差略有下降，但丧失了不确定性量化能力。完整模型通过各模块深度整合，同时发挥了局部特征提取、全局时间相关性建模和不确定性量化的互补优势。

此外，在5种不同随机种子及数据集划分下进行重复验证，所提模型表现稳定：波高MAE为0.124±0.007 m，波向CAE为8.770°±1.316°，标准偏差较小，表明模型对随机初始化和数据划分不敏感。

**4.2 不确定性（Uncertainty）**
MC-DropKey机制通过多次随机前向传播生成预测标准差σ，基于此构建95%预测区间。对于波高估计，PICP达到96.67%，MPIW为1.01 m；对于波向估计，PICP同样为96.67%，MPIW为45.47°。两个海况参数的PICP均超过95%名义置信阈值，证明模型输出的不确定性区间高度可靠，能完全包含真实观测值。不确定性曲线显示，波高估计的不确定性在样本索引41、59、37、16等处出现峰值，波向估计的不确定性峰值出现在样本索引48、25、40、55附近。

为进一步探究模型不确定性与海况复杂度的关系，研究人员计算了输入船舶运动时间序列的归一化谱熵（NSE）作为复杂度评估指标。将谱熵最高的10个样本定义为复杂海况事件，其中80%对应波高不确定性峰值，70%对应波向不确定性峰值；而谱熵最低的10个样本大多位于波高和波向不确定性低值区域。所得结果表明，模型输出的不确定性在一定程度上反映了环境的空间复杂度。

**讨论与结论**
讨论部分指出，所提模型实现了高精度海况估计与动态不确定性量化的结合，但所用数据集来自高保真模拟器而非真实运营测量数据，尽管模拟器整合了经工程验证的水动力核心模块和行业标准执行器模型，模拟条件与实际海况之间仍存在一定偏差（如未建模的波浪非线性、传感器噪声特性）。因此，报告的定量结果仅展示了模型在受控条件下的性能，尚未在真实船舶上验证其通用适用性。然而，所提模型本质上是数据驱动的，不依赖模拟器的特定假设，泛化能力较强。若获得充足的标注真实船舶数据用于训练或微调，模型可迁移至真实数据。未来工作将聚焦于收集真实船舶运动数据及同步参考海况真值，评估真实环境噪声下的域适应性能，并探索迁移学习技术以进一步缩小模拟与现实的差距。

**结论部分翻译**：
为了解决复杂海况下时间序列的高度非线性和非平稳特性，本文提出了一种新的估计架构，整合了多尺度1D-CNN、Transformer编码器和MC-DropKey机制。全面的实验和对比分析表明，所提架构在波高和波向估计任务中均取得了良好性能，具体实现了波高最低MAE为0.117 m和波向CAE为5.212°，同时R²分别达到0.970和0.986。此外，消融研究充分证实了该架构的合理性和必要性。同时，所提模型在不确定性评估方面具有实用工程价值，MC-DropKey生成的预测置信区间能完全包含真值，波高和波向任务的PICP均达到96.67%。需要指出的是，本研究使用的数据集来自高保真模拟器而非真实运营测量数据，因此所报告的定量结果展示了模型在受控条件下的性能，但所提方法在真实船舶上的通用适用性尚未得到验证。尽管如此，所提模型本质上是数据驱动的，不依赖模拟器的特定假设，泛化能力较强，未来将聚焦于收集真实船舶运动数据及同步参考海况真值，评估域适应性能，并探索迁移学习技术以进一步弥合模拟与现实的差距。