准确及时的近岸海流信息对于海上搜救和海洋能源开采等具有重要意义,数值模型和测量是研究海岸流的两种有效的常规方法。然而,精确的初始和边界条件在数值模型中并不容易确定。高频雷达(High Frequency Radar, HFR)系统的发展使得在大范围近海区域获得高时空分辨率的海流资料成为可能。通过将雷达观测的海流数据与声学多普勒流速剖面仪(ADCP)数据和波浮标测量数据的交叉验证表明,高频地波雷达观测的海流精度较高。为提高近岸海流预测信息的精准度,多种数据同化方法已被应用于利用不同来源的观测资料以提高模型的模拟能力和预测准确性。本研究将高频雷达资料应用于受潮汐和风应力影响强烈的复杂近岸水域,通过定性和定量的对比分析表明,相对于没有运用数据同化的模型,运用数据同化之后的模型对海流矢量场的预测精度显著提高,可为各种实际的海岸后报和预报作业提供及时、有用的信息。同时,长时间尺度的海流资料含有周期性和非周期性的动力特征和形态信息,不同的机器学习算法被用于建立数据驱动的近岸动力预报预警系统,通过比较分析表明,基于随机森林算法的数据驱动模型具有较好的预报精准度,且其计算成本低。