基于机器学习的港口波浪谱参数化建模算法

本发明公开了一种基于机器学习的港口波浪谱参数化建模算法，涉及海洋工程技术领域，本发明通过三步实现高精度建模：第一步构建联邦学习框架，各数据方训练子模型仅共享参数，结合同态加密融合特征并动态调整权重，实现隐私保护式数据融合；第二步在各本地节点部署生成式对抗网络，通过频域分层注意力分支网络提取多尺度波浪特征，植入海浪能量守恒约束并优化生成器，生成符合物理规律的极端样本，形成混合训练数据集；第三步训练CNN‑LSTM基础模型，通过滑动窗口、遗忘因子、贝叶斯优化及性能监控重构，实现模型动态优化。本发明有效提升波浪谱预测精度与长期稳定性，降低维护成本，可用于港口船舶靠泊、防灾预警等场景。