一种基于集成机器学习的台风浪预报方法

本发明公开了一种基于集成机器学习的台风浪预报方法。本发明首先整合历史台风浪数据、气象数据及海洋环境数据；对数据进行预处理，包括整合、清理、补缺、标准化采用K近邻算法与样条插值法进行多源数据补全；其次通过皮尔逊相关系数筛选关键特征参数，并结合互信息法强化非线性关联性表征；然后构建包含LSTM、XGBoost与Transformer的集成预测模型；最后采用动态时序划分策略划分训练集与验证集，并优化模型超参数，完成台风浪波高预报模型的训练与测试。本发明通过多源数据融合与特征选择优化解决数据稀疏性问题，通过集成模型架构提升泛化能力，相较于传统单一模型显著缩短训练周期并提高预报精度与时效性。