基于机器学习的海况智能补偿算法研究测试数据

本数据集来源于国家重点研发计划 “多海区战略港口基础设施长期服役监测传感系统及应用”（项目编号 2022YFB3207400）课题三的核心算法研发成果，针对港口近岸浅水区域复杂波况（破碎波、涌浪 - 风浪叠加、多向不规则波）下，波浪监测传感器测量误差大、传统物理补偿方法适配性差的行业痛点，开展基于机器学习的海况智能补偿算法研发与全流程验证。数据采集与算法迭代时间为 2024 年 5 月 —2025 年 11 月，分为两个核心阶段完成：实验室训练数据集构建在交通运输部天津水运工程科学研究所大型波浪水槽、不规则波港池完成；算法泛化性验证在渤海（天津临港）、东海（宁波舟山港）、南海北部湾（广西钦州港）3 个海区的示范港口完成。测试全过程严格遵循《GB/T 14914-2006 波浪观测规范》《JTS 132-2015 水运工程水文观测规范》《GB/T 42392-2023 信息技术 人工智能 机器学习数据集质量评价指标》等国家及行业标准。实验室阶段通过造波系统生成 1200 余组全工况波浪序列，覆盖不同波高、波周期、波向、水深、破碎程度的规则波、不规则波、破碎波、涌浪 - 风浪叠加场景，采用自研波浪传感装置与电容式波高仪、三维方向波浮标、ADCP 等标准计量设备开展同步采集，构建 “原始传感器输出 - 标准设备真值” 配对标注数据集；现场阶段完成多海区长期连续监测，采集不同海况等级下的现场实测数据，用于算法泛化能力验证与优化。数据集核心内容包含实验室可控工况标注训练集、多海区现场验证测试集、8 种主流机器学习模型（LSTM、CNN-LSTM、Transformer、XGBoost 等）的训练日志与超参数优化记录、算法精度评估结果（RMSE、MAE、R²、相对误差），同步配套工况设计文件、特征工程参数配置、设备校准证书、测试大纲、相关专利、软著及学术论文，总数据量455.21GB。本数据集为港口复杂海况下波浪监测传感器的智能补偿算法研发、精度优化、泛化性验证提供了标准化的训练与测试数据支撑，有效解决了港口近岸复杂波况下波浪监测精度不足的行业痛点，可为港口海洋环境灾害预警、基础设施安全防护提供可靠的技术与数据基础。