当前位置: 首页 > 文章 > 基于深度学习和CatBoost的海浪波高预测方法研究 海洋湖沼通报 2024,46 (5) 28-34
Position: Home > Articles > 基于深度学习和CatBoost的海浪波高预测方法研究 Transactions of Oceanology and Limnology 2024,46 (5) 28-34

基于深度学习和CatBoost的海浪波高预测方法研究

作  者:
卢鹏;年圣全;邹国良;王振华;郑宗生
单  位:
上海海洋大学信息学院
关键词:
AM;LSTM;CatBoost;海浪波高预测;重构
摘  要:
基于深度学习和CatBoost技术,本文提出了一种混合模型(LACM)对墨西哥湾、芬迪湾和阿拉斯加湾附近的海浪波高进行预测,进而可以应用于其他海域的浪高预测。首先,对从美国国家数据浮标中心(NDBC)获取的海浪数据信息进行预处理;其次构建基于加入了注意力机制(AM)的长短期记忆(LSTM)神经网络模型和CatBoost集成学习模型;对预测后的结果进行重构。经过与LSTM、支持向量回归(SVR)、CatBoost等方法的比较,实验结果表明,LACM模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)都是最优,曲线拟合效果最接近,且具备一定的鲁棒性。

相似文章

计量
文章访问数: 6
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊