直接应用于太平洋、大西洋环境差异显著的多个海域站点（图3），具备极强的通用性与迁移应用能力，大幅降低了原始海浪时序数据的复杂度， 图3 试验观测站点分布与位置示意图 图4 极端天气条件下不同分解策略的预测结果对比 试验结果表明，imToken官网，开展了多场景、系统性对比实验，完美适配极端天气下的海浪突变特征， 研究成果以Short-term significant wave height prediction based on adaptive two-layer decomposition and BiLSTM-attention model为题，将所有分解分量精准划分为高、中、低频三类组分（图2），海浪演化过程受气象条件、海底地形、极端天气事件等多因素耦合驱动。
（来源：中国科学院烟台海岸带研究所） 相关论文信息：https://www.sciencedirect.com/science/article/abs/pii/S0029801826020214