基于变分模态分解和注意力机制的浪高预测

• 作者: 卢鹏 年圣全 邹国良 王振华 郑宗生
• 来源期刊: 海洋测绘
• 关键词: 海浪高度预测 变分模态分解 注意力机制 长短期记忆神经网络 混合模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 工程实践
• 页码范围: 34-39
• 页数: 6页
• 分类号: P229.7
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3044.2021.02.006

摘要

针对海洋中的海浪高度数据存在非线性和非平稳性的特点,海浪高度的预测就变得相对复杂.基于变分模态分解(VMD),在引入注意力机制(AM)的基础上,对传统长短期记忆(LSTM)神经网络算法进行了改进,提出了一种基于混合模型的海浪高度预测算法.算法通过预处理、预测和重构3个主要步骤,对海浪高度的时间序列进行预测.为了比较和说明,以太平洋东北海盆海域和马尾藻海域的4个站点浮标数据进行实验.实验结果表明,本文提出的混合模型(VALM)将海浪高度数据分解为更平稳和更规则的子序列;可以更好的区分数据之间的重要程度,并能够携带更多信息的数据;与支持向量回归(SVR)、人工神经网络(ANN)和LSTM等模型进行比较,VALM模型的预测效果最好且具备一定的鲁棒性.