10.3969/j.issn.1000-1379.2022.05.019
基于CEEMDAN-LSTM的陶岔渠首水深预测
采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN?LSTM)对水深进行预测.首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的各个分量使用LSTM神经网络预测,最后叠加各分量预测值重构水深预测结果.以陶岔渠首为研究对象,CEEMDAN?LSTM模型测试结果表明:该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能.
水深预测、中位值平均滤波法、CEEMDAN分解、LSTM神经网络模型、陶岔渠首
44
TV213.4
国家自然科学基金;江苏省研究生科研与实践创新计划项目
2022-05-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
89-94