优化短期余水位组合预测模型

摘要：

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.

关键词：总平均经验模态分解;遗传算法;余水位;BP神经网络

分类号：P208(一般性问题)

资助基金：国家重点研发计划;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

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：96-100