首页|优化短期余水位组合预测模型

优化短期余水位组合预测模型

Combination prediction model of optimized short-term residual water level

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对现有非稳定非线性余水位预测模型较少和精度较低的问题,本文研究基于MEEMD算法与遗传优化BP神经网络的余水位组合预测模型.利用夏威夷岛4个长期验潮站获取的余水位时序数据,首先采用遗传算法MEEMD对余水位时序数据进行处理分析,得到较为稳定的余水位IMF分量;然后将经过遗传算法优化后分解的较为稳定的各个IMF分量作为BP神经网络预测模型的输入变量,分别建立12、24、48 h短期余水位的MEEMD遗传算法优化BP神经网络预测模型.通过与非优化BP神经网络预测模型结果进行对比分析,结果表明,优化前后均方根误差的偏差最高达2.03 cm,验证了预测24 h内的短期余水位仍保持其相关特性.该组合预测模型对于分析余水位变化规律和潮汐预报的精度、水位改正等均有重要意义.

冯俊俊、周立、欧阳犬平、周珍

展开 >

江苏海洋大学,江苏 连云港222005

总平均经验模态分解 遗传算法 余水位 BP神经网络

国家重点研发计划海洋环境安全保障重点专项海岸带地理环境监测国家测绘地理信息局重点实验室开放基金江苏高校优势学科建设工程资助项目

2018YFC1405702BE2017125

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(3)
  • 1
  • 10