[发明专利]一种基于深度学习的海浪高度预测方法及其应用

权利要求书

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。

2.根据权利要求1所述的一种基于深度学习的海浪高度预测方法，其特征在于，所述海浪数据信息在输入AM-LSTM模型和CatBoost模型前进行了数据预处理。

3.根据权利要求2所述的一种基于深度学习的海浪高度预测方法，其特征在于，所述数据预处理是指对海浪数据信息进行分析确认异常值后，算得该异常值左右值的平均值并以所述平均值替换该异常值，最后对数据进行归一化处理。

4.根据权利要求1所述的一种基于深度学习的海浪高度预测方法，其特征在于，所述海浪数据信息包括风速、风向和浪高值。

5.应用如权利要求1～4任一项所述的一种基于深度学习的海浪高度预测方法的电子设备，其特征在于，包括一个或多个处理器、一个或多个存储器、一个或多个程序及获取所述海浪数据信息的参数获取设备；

所述一个或多个程序被存储在所述存储器中，当所述一个或多个程序被所述处理器执行时，使得所述电子设备执行如上所述的基于深度学习的海浪高度预测方法。