《Earth-Science Reviews》：Advances and challenges in predicting wave runup in coastal regions: A scoping review of empirical, numerical, and AI-based approaches
编辑推荐：
短波越浪预测方法综述：系统评估经验公式、数值模型及AI技术，分析其在不同海岸地形与水文条件下的精度、计算成本及适用性，探讨气候变化对海平面上升、风暴特征及波能的影响，提出需结合多模型优势以提升预测精度并指导适应性海岸管理。
Erfan Amini | Mehrdad Baniesmaeil | Hossein Mehdipour | Mehdi Neshat | Reza Marsooli
美国新泽西州史蒂文斯理工学院土木、环境与海洋工程系
摘要
沿海地区拥有重要的基础设施和多样的生态系统，但它们越来越容易受到短波（入射波段）涌浪引发的灾害的影响，包括海岸侵蚀、洪水和基础设施损坏。准确预测短波涌浪对于有效的海岸管理、洪水风险评估和气候适应策略至关重要。本研究对短波涌浪预测方法进行了全面的综述，系统地评估了经验公式、数值模型和基于人工智能（AI）的方法。我们批判性地分析了这些方法在各种海岸条件下的理论基础、计算框架和预测能力。该综述整合了一个全球波浪涌浪数据集，提供了在不同海滩形态和水动力条件下的模型性能数据驱动比较。本研究的一个关键贡献是进行了跨方法评估，系统地评估了这三种方法在准确性、计算需求和实际应用性之间的权衡。此外，我们还研究了气候变化对波浪涌浪预测方法的影响，强调了海平面上升、风暴特征变化和波浪能量变化对预测可靠性的影响。研究结果强调了需要综合建模技术来提高预测准确性并支持适应性海岸管理。通过识别研究空白和未来方向，本综述为推进波浪涌浪预测科学奠定了基础，其成果可直接应用于海岸工程、风险缓解和气候韧性规划。
引言
陆地与海洋之间的交界处——沿海地带，由于众多生态和社会经济原因而具有极其重要的意义（Small和Nicholls，2003年）。全球这些沿海地区不断与自然界的无情力量作斗争。然而，这里也是一些最具动态性和破坏性的自然过程及洪水驱动因素的发生地，尤其是短波（入射波段）涌浪。波浪涌浪被定义为波浪在静止水面以上冲上沙滩或结构的最大垂直高度，是波浪建立和上涌的结合（图1）。当风生成的短波向岸传播并在冲浪区变浅时，大部分波浪能量通过破碎和底部摩擦耗散。然而，未在冲浪区耗散的波浪能量以涌浪的形式到达海岸线——这是波浪破碎过程中形成的湍流水体（Olabarrieta等人，2023年）。这些入射涌浪与海岸线的平均水位或波浪建立相互作用，导致水边围绕这一建立水平发生振荡。这种海滩面上随时间变化的水位起伏被称为拍打，由单独的上涌和回流运动组成（Reyns等人，2023年）。本研究特别关注短波（入射波段）过程，这些过程主导了全球大多数由风暴引起的海岸洪水和侵蚀事件。波浪涌浪在海岸侵蚀、洪水和整个沿海地带管理中起着重要作用（Holman，1986年）。在这些地区，预测短波涌浪尤为重要，因为它对自然和人造环境都有重大影响（Stockdon等人，2006年）。本文对当前用于预测短波涌浪的方法进行了系统和全面的综述和批判性分析，包括经验公式、数值工具和基于AI的方法。
经验公式用于波浪涌浪预测已有悠久的历史，并基于大量的实验和现场研究（Holman，1986年）。尽管这些方程相对简单，但它们提供了宝贵的见解和预测能力，尤其是在实际的海岸工程任务中。然而，由于它们的经验性质，这些方程本质上存在局限性，通常涉及简化假设和不确定性，这可能限制了它们在复杂现实场景中的适用性（Aliyari等人，2023年；Kasaei等人，2021年）。在更先进的路径上，数值模型提供了一种更详细且基于物理的方法（Barbaro等人，2011年；Carlot等人，2023年）。它们能够捕捉波浪、水流和海岸结构之间的复杂相互作用，特别适用于复杂的海岸配置和极端条件。然而，这些模型通常需要大量的计算资源和详细的输入数据，这可能限制了它们的实际应用。最近，人工智能（AI）已成为包括海岸工程在内的多个领域的强大工具（Tarwidi等人，2023年）。基于AI的波浪涌浪预测方法主要采用机器学习（ML）技术，显示出高准确性和适应不同场景的潜力。与数值模型相比，这些技术通常需要较少的计算努力，并且可以从大型和多样化的数据集中学习，使其非常适合波浪涌浪现象的复杂性和变异性（G. Xu等人，2023年）。然而，它们也带来自己的挑战，例如需要大量高质量的训练数据以及模型缺乏物理可解释性（Ganaie等人，2022年）。
鉴于对准确预测波浪涌浪的广泛需求，有大量的文献可供参考。在这项研究中，我们探索了Scopus?数据库中的文档。图2显示了一个全面的数据可视化，展示了标题或摘要中包含“波浪涌浪”这一短语的学术研究的当前状态。它概述了1966年至2024年间发表文档数量的年度趋势，显示出该领域研究的稳步增长。这一增长突显了更好地理解波浪涌浪现象和提高预测技术的迫切需求。此外，图(b)中的条形图显示了发表这些论文的各种期刊，表明了波浪涌浪研究的跨学科性质，涵盖了从《海岸工程》到《流体力学杂志》等广泛领域，为作者选择未来发表的目标期刊提供了指导。此外，图(c)中显示的各国发表论文的分布也表明了全球对这一问题的关注。值得注意的是，美国在发表论文数量上处于领先地位（根据第一/通讯作者的隶属关系），其次是中国和英国。这种地理分布表明了全球对波浪涌浪及其影响的关注，并暗示了进一步国际合作以推进对波浪涌浪的理解和预测能力的潜力。总体而言，所呈现的数据强化了波浪涌浪研究的重要性和全球兴趣。
尽管在波浪涌浪预测领域进行了大量研究，但我们的分析表明仍存在需要解决的空白和局限性。此外，尽管AI在这一领域的应用前景广阔，但仍处于起步阶段，而与高质量训练数据和模型可解释性相关的问题尚未得到全面解决。
本综述的目标有三个。首先，我们旨在剖析经验公式、数值工具和基于AI的方法在预测波浪涌浪方面的方法，分析它们的优势、局限性和潜在应用领域。其次，我们希望评估这些方法中的最新进展和创新如何提高预测准确性，从而为更有效的海岸管理策略做出贡献。最后，鉴于气候变化及其对海岸环境的影响，我们旨在确定关键的研究空白和未来方向，以帮助改进这些预测方法并制定适应性海岸保护和管理策略。为此，本文旨在提供对这些多样化方法的全面和平衡的视角，突出它们的优势、局限性和适用性。通过提供批判性分析并确定关键研究空白和未来方向，我们希望指导研究人员、海岸工程师和决策者制定和应用有效的海岸保护和管理策略。
综述的组织结构如下：第2节详细介绍了综述方法，包括研究问题、纳入和排除标准以及信息资源和搜索策略。第3节探讨了经验公式的研究，包括其分类、测试条件的范围及其局限性和空白。第4节探讨了用于波浪涌浪模拟的数值模型，仔细分析了它们的优势和局限性。第5节讨论了相同目的的基于AI的方法，包括ML模型、深度学习模型、集成学习模型和混合AI模型及其优势和局限性。第6节继续关注性能评估，包括对经验公式、代表性数值模型以及机器学习和深度学习方法的评估，以及数据收集方法。第7节展望未来，确定研究空白并提出未来研究方向。第8节以总结关键发现及其对海岸工程和管理的意义作为综述的结尾。
综述方法
在设计这项综述方法时，我们借鉴了科学研究中已建立的方法论框架。我们的方法受到《系统评价和荟萃分析的优先报告项目》（PRISMA）指南（Moher等人，2009年）和《Cochrane干预系统评价手册》（Higgins等人，2023年）中概述的原则的启发，确保了严谨、透明和可复制的评审过程。
数据收集
为了支持对各种波浪涌浪预测方法的评审，我们使用了现有的波浪涌浪数据集，利用经验公式、数值方法和AI方法计算波浪涌浪，并比较了它们在不同海滩坡度和特征下的波浪涌浪预测性能。为此，我们使用了来自海岸数据枢纽（Coast and Ocean Collective，2024年）的综合性数据集，其中包含了各种波浪、海滩和涌浪参数。
性能标准
通过量化各种统计参数来评估不同涌浪预测方法（包括经验公式、数值模型以及机器学习和深度学习方法）的性能，这些参数包括均方误差（MSE）、平均绝对误差（MAE）、均方根误差（RMSE）、对数平均误差的均方（MSLE）、对称平均绝对百分比误差（SMAPE）、解释方差得分（EVS）和决定系数（R值）。
经验公式
经验公式在设计海岸结构和预测海岸过程中起着关键作用。然而，它们的适用性因不同的环境和波浪作用条件而异，这突显了需要更全面的测量来提高其适用性（Yuhi等人，2022年）。尽管这些方程目前存在局限性，但未来仍有很大的改进潜力。提高它们对波浪涌浪特征的预测准确性是一个重要的课题。
数值模型
已经开发了不同类别的数值模型来模拟波浪接近海岸线时的情况，以估计波浪涌浪和洪水。这些模型可以根据特定标准进行分类，例如控制方程和数值方案（图10）。就控制方程而言，适用于波浪涌浪模拟的模型可以分为具有静水压力和非静水压力假设的非线性浅水方程（NSWE）模型、Boussinesq型模型等。
基于AI的方法
近年来，人工智能（AI）已成为预测波浪建立、涌浪和沙丘侵蚀的有前景的方法，为海岸工程的数据驱动方法提供了新的视角（Beuzen等人，2019年；Iuppa等人，2021年；Durap，2023年；Abouhalima等人，2024年；Emmanuel等人，2025年）。广义上讲，AI方法可以分为四个主要类别：机器学习、深度学习、强化学习和混合技术，如图15所示（Goodfellow等人）。
气候引起的变化
气候变化是长期改变海岸过程的关键驱动因素，影响着海平面上升、风暴模式和波浪能量分布（Passeri等人，2015年）。基于某一地点的历史波浪涌浪观测开发的模型可能不适用于未来情景下的同一地点，因为海滩轮廓和波浪条件可能会发生变化。这些由气候变化引起的因素显著影响波浪涌浪，因此需要稳健的经验模型。
主要发现
波浪涌浪是一种复杂且动态的现象，受多种相互作用的物理因素影响，包括入射波的特征（如波高、波周期、波方向）以及海岸特征（如海滩坡度、沉积物粒度和水深）。准确预测波浪涌浪至关重要，因为它对海岸淹没、侵蚀和海岸基础设施的安全有重大影响。本研究重点关注了短波（入射波段）波浪涌浪的研究。
未引用的参考文献
Amini等人，2023b
Iuppa等人，2019
Liu等人，2023a
Van den Broeck等人，2022
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。
