近日，我所海氣中心技術(shù)研發(fā)人員在無(wú)人帆船風(fēng)場(chǎng)預(yù)測(cè)領(lǐng)域取得了重要進(jìn)展。研究基于無(wú)人帆船真實(shí)航行數(shù)據(jù)，深入分析了航行過(guò)程中風(fēng)場(chǎng)變化趨勢(shì)，并實(shí)現(xiàn)了對(duì)風(fēng)場(chǎng)的短時(shí)預(yù)測(cè)。

風(fēng)場(chǎng)是影響無(wú)人帆船航行性能與任務(wù)執(zhí)行可靠性的關(guān)鍵環(huán)境因素，不僅決定其航速與能效，還直接關(guān)系到航跡規(guī)劃與安全規(guī)避。尤其在復(fù)雜多變的海洋環(huán)境中，風(fēng)速和風(fēng)向往往呈現(xiàn)出強(qiáng)烈的非平穩(wěn)性、隨機(jī)性與區(qū)域差異性，這使得高精度、實(shí)時(shí)化的風(fēng)場(chǎng)預(yù)測(cè)成為技術(shù)瓶頸?，F(xiàn)有方法通常在預(yù)測(cè)精度與計(jì)算效率之間難以取得平衡：高精度模型往往推理開(kāi)銷較大，而輕量化方法則難以捕捉風(fēng)場(chǎng)的細(xì)微變化。這一矛盾在很大程度上限制了無(wú)人帆船在長(zhǎng)航時(shí)、跨海域條件下的自主化運(yùn)行與任務(wù)穩(wěn)定執(zhí)行。

針對(duì)這一問(wèn)題，研究人員提出了一種創(chuàng)新性的混合驅(qū)動(dòng)元學(xué)習(xí)（HD-Meta）預(yù)測(cè)框架。該方法通過(guò)多模型融合與元學(xué)習(xí)機(jī)制，將不同學(xué)習(xí)器的預(yù)測(cè)結(jié)果和誤差信息進(jìn)行聯(lián)合建模，從而在提升預(yù)測(cè)精度的同時(shí)兼顧計(jì)算效率。實(shí)驗(yàn)結(jié)果表明，HD-Meta 在短時(shí)風(fēng)速和風(fēng)向預(yù)測(cè)任務(wù)中均優(yōu)于傳統(tǒng)方法，尤其在捕捉微小風(fēng)向變化方面表現(xiàn)突出，為無(wú)人帆船在復(fù)雜海洋環(huán)境中的自主航行提供了更加可靠的風(fēng)場(chǎng)感知支持。

本研究成果為無(wú)人船自主航行和智能決策提供了新的技術(shù)路徑，有望在海洋觀測(cè)、環(huán)境監(jiān)測(cè)及智能航運(yùn)等領(lǐng)域得到廣泛應(yīng)用。相關(guān)研究成果以“Hybrid-Driven Meta-Learning for Wind Field Prediction in Unmanned Sailboat Applications”為題，發(fā)表于海洋技術(shù)TOP期刊《Ocean Engineering》，第一及通訊作者為海氣中心正高級(jí)工程師寧春林，第二作者為我所海氣中心碩士研究生聶士強(qiáng)。

論文鏈接：https://doi.org/10.1016/j.oceaneng.2025.122771

元學(xué)習(xí)預(yù)測(cè)框架示意圖

各模型 U 分量風(fēng)速在 t+1~t+3 時(shí)刻的預(yù)測(cè)效果對(duì)比

各模型 t+1~t+3 時(shí)刻風(fēng)向預(yù)測(cè)效果對(duì)比