近日，我所海氣中心技術研發(fā)人員在無人帆船風場預測領域取得了重要進展。研究基于無人帆船真實航行數(shù)據(jù)，深入分析了航行過程中風場變化趨勢，并實現(xiàn)了對風場的短時預測。

風場是影響無人帆船航行性能與任務執(zhí)行可靠性的關鍵環(huán)境因素，不僅決定其航速與能效，還直接關系到航跡規(guī)劃與安全規(guī)避。尤其在復雜多變的海洋環(huán)境中，風速和風向往往呈現(xiàn)出強烈的非平穩(wěn)性、隨機性與區(qū)域差異性，這使得高精度、實時化的風場預測成為技術瓶頸?，F(xiàn)有方法通常在預測精度與計算效率之間難以取得平衡：高精度模型往往推理開銷較大，而輕量化方法則難以捕捉風場的細微變化。這一矛盾在很大程度上限制了無人帆船在長航時、跨海域條件下的自主化運行與任務穩(wěn)定執(zhí)行。

針對這一問題，研究人員提出了一種創(chuàng)新性的混合驅動元學習（HD-Meta）預測框架。該方法通過多模型融合與元學習機制，將不同學習器的預測結果和誤差信息進行聯(lián)合建模，從而在提升預測精度的同時兼顧計算效率。實驗結果表明，HD-Meta 在短時風速和風向預測任務中均優(yōu)于傳統(tǒng)方法，尤其在捕捉微小風向變化方面表現(xiàn)突出，為無人帆船在復雜海洋環(huán)境中的自主航行提供了更加可靠的風場感知支持。

本研究成果為無人船自主航行和智能決策提供了新的技術路徑，有望在海洋觀測、環(huán)境監(jiān)測及智能航運等領域得到廣泛應用。相關研究成果以“Hybrid-Driven Meta-Learning for Wind Field Prediction in Unmanned Sailboat Applications”為題，發(fā)表于海洋技術TOP期刊《Ocean Engineering》，第一及通訊作者為海氣中心正高級工程師寧春林，第二作者為我所海氣中心碩士研究生聶士強。

論文鏈接：https://doi.org/10.1016/j.oceaneng.2025.122771

元學習預測框架示意圖

各模型 U 分量風速在 t+1~t+3 時刻的預測效果對比

各模型 t+1~t+3 時刻風向預測效果對比