【顶刊好文|AI+海浪预测】数据不够怎么办?生成式AI助力小样本海浪时间序列预测

【正文】

🌊 一、引言

在海洋工程中，准确预测未来海浪变化，是保障船舶航行、海上平台运行、波浪能发电和海上作业安全的重要基础。本文分享的论文题为 “Wasserstein temporal GAN for ocean wave prediction with small training sets”，发表在 Ocean Engineering 期刊。研究团队来自 University of Southampton、University College London、University of Nottingham 的 Rolls-Royce UTC 等机构，作者包括 Jiani Chen、Teng Gao、Yutong Song、Yao Zhang、Nicholas Townsend、Stephen Turnock、Richard Bucknall 和 Tianyi Zeng 等。

这篇文章关注一个非常实际的问题：如果海浪历史数据很少，机器学习模型还能不能做出可靠预测？ 在真实海洋环境中，传感器部署成本高、海况恶劣、数据采集不连续，导致很多场景下可用训练数据十分有限。为了解决这一问题，作者提出了一种新的数据增强模型：基于 Wasserstein 距离的时序生成对抗网络（Wasserstein Temporal Generative Adversarial Network, WTGAN）。

⚓ 二、研究背景

传统海浪预测方法大致可以分为三类。

🌐 第一类是物理模型，例如 海浪模型（Wave Model, WAM）、近岸波浪模拟模型（Simulating WAves Nearshore, SWAN） 和 WAVEWATCH III。这些模型基于波浪传播、风能输入、非线性交互和能量耗散等物理机制，理论基础扎实，适合大尺度海浪模拟。但问题也很明显：它们通常依赖高质量风场、边界条件和复杂参数，计算成本较高，在实时控制或局部短时预测中并不总是方便。

📊 第二类是统计模型，例如 自回归积分滑动平均模型（Autoregressive Integrated Moving Average, ARIMA）、支持向量机（Support Vector Machine, SVM）、随机森林等。这些方法对线性规律和小规模数据有一定适应能力，但海浪信号具有明显的非线性、非平稳性和时间延迟特征。简单统计模型很难充分捕捉波浪之间复杂的时序依赖关系。

🤖 第三类是深度学习模型，例如 长短期记忆网络（Long Short-Term Memory, LSTM）、时间卷积网络Temporal Convolutional Network, TCN）、Transformer 和 基于分块机制的时间序列 Transformer（Patch Time Series Transformer, PatchTST）。这些模型能够学习非线性映射，在时间序列预测中表现突出。但它们通常需要大量训练数据。对于海洋场景而言，这恰恰是痛点：海上浮标和传感器数量有限，数据容易受风、流、潮汐、传感器噪声等影响，导致“小样本训练”成为海浪预测中的关键难题。

因此，本文的核心动机可以概括为一句话：在真实海洋数据不足的情况下，能否通过生成高质量的合成海浪数据，提升预测模型的表现？

💡 三、研究亮点

🔹 亮点1：提出面向小样本海浪预测的 WTGAN 模型

本文提出的 WTGAN 并不是简单地复制原始数据，而是通过生成对抗网络学习海浪时间序列中的深层模式。它能够生成与真实海浪信号相似的合成数据，从而扩充训练集。

与普通 生成对抗网络（Generative Adversarial Network, GAN）不同，WTGAN 引入了 Wasserstein 距离 来衡量真实数据与生成数据之间的分布差异，有助于提高训练稳定性，缓解传统 GAN 中常见的模式崩溃问题。

🔹 亮点2：同时考虑统计分布、频域特征和时间依赖

海浪数据不是普通随机数，它有明显的周期性、波峰波谷变化和时间连续性。因此，生成模型不能只看“数值像不像”，还要看“变化规律像不像”。

WTGAN 的设计中包含多个关键模块：

🧩 Embedder：把原始海浪数据映射到潜在空间，提取隐藏特征；🔁 Recovery：从潜在空间恢复出接近真实的海浪数据；🎲 Generator：根据随机噪声生成新的潜在序列；⏱️ Supervisor：约束生成序列的时间依赖关系；⚖️ Critic：利用 Wasserstein 距离判断生成数据与真实数据的差异。

此外，模型还引入了 分布匹配损失、频谱匹配损失和时间特征损失。这意味着生成数据不仅要在均值、方差、分位数等统计指标上接近真实数据，也要在功率谱密度、频率结构、自相关关系等方面保持一致。

🔹 亮点3：面向三类典型海况进行验证

为了验证模型的适用性，作者设计了三种海浪数据场景：

🌊 Case 1：真实近岸海浪数据代表一般海况下的真实波浪变化。

📡 Case 2：真实海浪数据 + 高斯噪声用于模拟传感器噪声、风、流、潮汐等外部干扰。

🌪️ Case 3：基于 JONSWAP 谱生成的极端海况数据用于模拟更大幅值、更高不确定性的极端波浪环境。

这种设计比较全面，既考虑了实际海况，也考虑了数据采集误差和极端环境，对海洋工程应用更有参考价值。

📈 四、数值实验

本文实验主要回答两个问题：第一，WTGAN 生成的数据像不像真实数据？第二，这些生成数据能不能真正提升预测模型的准确性？

📌 1. 数据增强效果

作者使用 WTGAN 分别生成长度为原始数据 100%、200%、300%、400% 和 500% 的合成数据。评价指标包括均值、标准差、置信区间以及 Wasserstein-2 距离。

结果表明，在三种海况下，WTGAN 生成的数据都能较好保持原始数据的统计特征。尤其是均值、标准差和总体分布趋势与真实数据较为接近。文中 概率密度函数（Probability Density Function, PDF）和 累积分布函数（Cumulative Distribution Function, CDF ）对比图也显示，生成数据与原始数据在主要分布区间高度一致，尾部特征也能被较好捕捉。

不过，文章也指出，生成数据在极值附近仍存在一定偏差。例如某些情况下最大波高略低于真实数据。这说明生成模型虽然能够学习总体分布，但对于极端波峰、波谷等尾部事件仍有进一步提升空间。

📌 2. 海浪预测效果

为了验证生成数据的实际价值，作者选择了三类典型预测模型：

🧠 LSTM：代表循环神经网络方法，适合学习长期时间依赖；🧱 TCN：代表卷积型时间序列模型，适合捕捉局部时序模式；🔎 PatchTST：代表基于 Transformer 的时间序列预测方法，适合提取全局特征。

实验中，这些模型分别使用原始数据和 WTGAN 生成数据进行训练，然后在相同测试集上预测。评价指标包括均方根误差（Root Mean Square Error, RMSE） 、平均绝对误差（Mean Absolute Error, MAE）和决定系数（Coefficient of Determination,  R²）。

结果显示，使用 WTGAN 生成数据后，大多数情况下预测性能得到提升。尤其是 LSTM 和 TCN，在多个场景下表现明显优于只使用原始小样本数据训练的模型。对于极端海况 Case 3，WTGAN 的价值更加突出：原始数据不足时，模型难以有效学习极端波浪特征，而合成数据为模型提供了额外的训练信息。

值得注意的是，数据并不是越多越好。实验发现，200% 和 300% 的增强比例通常表现较优；当增强比例达到 400% 或 500% 时，预测效果有时不再提升，甚至可能下降。这说明合成数据虽然有帮助，但如果生成数据中存在偏差，过量使用也可能引入噪声。

🔚 五、结语

总体来看，这篇文章为“小样本海浪预测”提供了一个有价值的新思路。WTGAN 通过生成高质量的合成时间序列数据，在一定程度上缓解了海洋观测数据不足的问题，并能有效提升 LSTM、TCN 等预测模型在不同海况下的表现。

🌟 对海洋工程研究人员而言，这项工作有三点启发：

第一，数据增强不仅适用于图像领域，也可以用于海浪、风速、负荷等时间序列问题。第二，生成数据的质量评价不能只看均值和方差，还要关注时间相关性和频域结构。第三，在海洋能源、船舶控制、波浪能发电和海上平台安全运行中，小样本预测是一个非常现实的问题，WTGAN 这类方法具有较强的应用潜力。

当然，本文仍主要聚焦于单变量、单点海浪预测。未来如果能进一步引入风速、风向、波向、季节性、地理位置等多源变量，并扩展到空间海浪场预测，将更接近真实海洋环境中的工程需求。

一句话总结：WTGAN 的核心价值不只是“造数据”，而是让机器学习模型在数据稀缺的海洋环境中，也能更好地理解波浪变化规律。

注：素材来源于网上公开开源内容。如有侵权，随时可删。本文编辑过程借助ChatGPT润色。如需了解更多内容，请访问（点击阅读原文）：https://www.sciencedirect.com/science/article/pii/S0029801825038041

扫码关注！

一个智慧交通与能源前沿动态与科研资源平台