[发明专利]一种海浪高度预测方法

说明书

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……IMF_k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……PIMF_k；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……PIMF_k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。

技术领域

本发明涉及时间序列预测领域，具体涉及一种基于变分模态分解和注意力机制的海浪高度预测方法。

背景技术

海浪是一种复杂的三维随机运动,是海洋中非常重要的动力过程之一。其中，海浪的高度是影响人类进行海上作业、沿海居民生活和港口码头建设等相关活动的一个重要因素。国内外很多学者都对海浪高度的预测进行了深入的研究。传统的数值预测模型是基于能量平衡方程，一些传统的数值波浪模型被用来预测海浪高度，然而由于大量数据的多种输入、计算的复杂性和边界条件等因素，大型模型的计算对计算机的性能要求和时间成本的要求就非常的苛刻。进行海浪高度预报的早期研究采用了经典的时间序列模型，然而，经典的时间序列模型由于其线性和平稳的假设，并不适用于预测非线性和非平稳数据。

近些年，许多学者开始运用软计算的方法进行浪高预测的研究，例如使用基于EMD(Empirical Mode Decomposition，经验模态分解)和SVR(SupportVector Regression，支持向量回归)的混合模型，用于非线性非平稳浪高的短期预测。EMD是一种数据驱动的分解技术，在分析非线性和非平稳数据集方面有自适应的特点，然而，经验模态分解中固有的模态混叠这一缺点却损害了经验模态分解的性能。因此，如何解决由于海浪高度存在非线性和非平稳性从而导致海浪高度预测精度不高的问题是目前有待解决的问题。

发明内容

本发明要解决的技术问题是如何解决由于海浪高度存在非线性和非平稳性从而导致海浪高度预测精度不高的问题，提供一种海浪高度预测方法。

本发明是通过下述技术方案来解决上述技术问题：

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……IMF_k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……PIMF_k；

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……PIMF_k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。

较佳地，所述将原始海浪高度数据序列进行VMD分解包括：

初始化所述VMD的参数并设置最大迭代次数n；

对所述按照下式进行迭代：