申请/专利权人:上海海洋大学
申请日:2021-03-19
公开(公告)日:2024-04-12
公开(公告)号:CN113051817B
主分类号:G06F30/27
分类号:G06F30/27;G06N3/0442;G06N3/08;G06F111/10
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2021.07.16#实质审查的生效;2021.06.29#公开
摘要: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。
主权项:1.一种基于深度学习的海浪高度预测方法,应用于电子设备,其特征在于,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;所述海浪数据信息包括风速、风向和浪高值。
全文数据:
权利要求:
百度查询: 上海海洋大学 一种基于深度学习的海浪高度预测方法及其应用
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。