...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Ocean Engineering >Significant wave height estimation using SVR algorithms and shadowing information from simulated and real measured X-band radar images of the sea surface
【24h】

Significant wave height estimation using SVR algorithms and shadowing information from simulated and real measured X-band radar images of the sea surface

机译：使用SVR算法和来自模拟和实际测量的海面X波段雷达图像的阴影信息，可对海浪高度进行重大估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we propose to apply the Support Vector Regression (SVR) methodology to significant wave height estimation using the shadowing effect, that is visible on the X-band marine radar images of the sea surface due to the presence of high waves. One of the main problems of using sea clutter images is that, for a given sea state conditions, the shadowing effect depends on the radar antenna installation features, such as the angle of incidence. On the other hand, for a given radar antenna location, the shadowing properties depend on the different sea state parameters, like wave periods, and wave lengths. Thus, in this paper we show that SVR can be successfully trained from simulation-based data. We propose a simulation process for X-band marine radar images derived from simulated wave elevation fields using the stochastic wave theory. We show the performance of the SVR in simulation data and how SVR outperforms alternative algorithms such as neural networks. Finally, we show that the simulation process is reliable by applying the SVR methodology trained in the simulation-based data to real measured data, obtaining good prediction results in wave height, which indicates the goodness of our proposal. (C) 2015 Elsevier Ltd. All rights reserved.
机译：在本文中，我们建议将支持向量回归（SVR）方法应用到具有阴影效应的重要波高估计中，该阴影效应是由于存在高波而在海面的X波段海洋雷达图像上可见的。使用海杂波图像的主要问题之一是，对于给定的海况条件，阴影效果取决于雷达天线的安装特征，例如入射角。另一方面，对于给定的雷达天线位置，阴影属性取决于不同的海况参数，例​​如波周期和波长。因此，在本文中，我们表明可以从基于仿真的数据中成功训练SVR。我们提出了使用随机波理论从模拟波高程场得出的X波段海洋雷达图像的模拟过程。我们将在仿真数据中展示SVR的性能，以及SVR如何优于其他算法（例如神经网络）。最后，通过将在基于仿真的数据中训练的SVR方法应用于实际的测量数据，在波高方面获得良好的预测结果，表明仿真过程是可靠的，这表明我们的建议是好的。 （C）2015 Elsevier Ltd.保留所有权利。

著录项

相似文献

  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号