公开(公告)号：CN113033094B

公开(公告)日：2024-02-09

申请号：CN202110313922.8

申请日：2021-03-24

Applicant: 上海海洋大学

Inventor： 卢鹏 ,  年圣全 ,  曹阳 ,  张娜 ,  刘楷贇 ,  王振华 ,  郑宗生

IPC: G06F30/27 ,  G06N3/0442 ,  G06F113/08

Abstract: 本发明公开了一种海浪高度预测方法，所述预测方法包括：将原始海浪高度数据序列进行VMD分解；将经过所述VMD分解得到的若干离散子序列IMF1，IMF2……IMFk输入至AM‑LSTM模型中获取所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk；将所述原始海浪高度数据输入至所述AM‑LSTM模型中获取所述原始海浪高度数据序列的模型预测结果PIMF；对所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk和所述原始海浪高度数据序列的模型预测结果PIMF进行重构计算得到所述海浪高度的最终预测值对所述最终预测值进行评估。

公开(公告)号：CN113051817A

公开(公告)日：2021-06-29

申请号：CN202110295881.4

申请日：2021-03-19

Applicant: 上海海洋大学

Inventor： 卢鹏 ,  年圣全 ,  刘楷贇 ,  曹阳 ,  张娜 ,  王振华 ,  郑宗生

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10

Abstract: 本发明公开了一种基于深度学习的海浪高度预测方法及其应用，方法：将海浪数据信息分别输入AM‑LSTM模型和CatBoost模型获取输出P1和P2后，按照以下公式对P1和P2进行重构得到预测序列P；P＝q2*P1+q1*P2，其中，w1是指经AM‑LSTM模型输出的MAE、RMSE及MAPE的均值，w2是指经CatBoost模型输出的MAE、RMSE及MAPE的均值。本发明的海浪高度预测方法，兼顾了深度学习中的LSTM在处理长期数据预测方面的优势以及注意力机制本身的特点和CatBoost的参数少、训练快和不易过拟合的特点，对预测后的数据进行重构，其预测精度高，泛化性能强，特别适用于海浪高度的预测，极具应用前景。

公开(公告)号：CN113051817B

公开(公告)日：2024-04-12

申请号：CN202110295881.4

申请日：2021-03-19

Applicant: 上海海洋大学

Inventor： 卢鹏 ,  年圣全 ,  刘楷贇 ,  曹阳 ,  张娜 ,  王振华 ,  郑宗生

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F111/10

Abstract: 本发明公开了一种基于深度学习的海浪高度预测方法及其应用，方法：将海浪数据信息分别输入AM‑LSTM模型和CatBoost模型获取输出P1和P2后，按照以下公式对P1和P2进行重构得到预测序列P；P＝q2*P1+q1*P2，#imgabs0##imgabs1#其中，w1是指经AM‑LSTM模型输出的MAE、RMSE及MAPE的均值，w2是指经CatBoost模型输出的MAE、RMSE及MAPE的均值。本发明的海浪高度预测方法，兼顾了深度学习中的LSTM在处理长期数据预测方面的优势以及注意力机制本身的特点和CatBoost的参数少、训练快和不易过拟合的特点，对预测后的数据进行重构，其预测精度高，泛化性能强，特别适用于海浪高度的预测，极具应用前景。

公开(公告)号：CN113033094A

公开(公告)日：2021-06-25

申请号：CN202110313922.8

申请日：2021-03-24

Applicant: 上海海洋大学

Inventor： 卢鹏 ,  年圣全 ,  曹阳 ,  张娜 ,  刘楷贇 ,  王振华 ,  刘宗生

IPC: G06F30/27 ,  G06N3/04 ,  G06F113/08

Abstract: 本发明公开了一种海浪高度预测方法，所述预测方法包括：将原始海浪高度数据序列进行VMD分解；将经过所述VMD分解得到的若干离散子序列IMF1，IMF2……IMFk输入至AM‑LSTM模型中获取所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk；将所述原始海浪高度数据输入至所述AM‑LSTM模型中获取所述原始海浪高度数据序列的模型预测结果PIMF；对所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk和所述原始海浪高度数据序列的模型预测结果PIMF进行重构计算得到所述海浪高度的最终预测值对所述最终预测值进行评估。