仪器仪表学报

作者：赵 杰，解则晓，刘世萱

单位：赵 杰,1.中国海洋大学工程学院,,解则晓,1.中国海洋大学工程学院,,刘世萱,1.中国海洋大学工程学院,

关键词：潮汐预测;自适应最优变分模态分解;能量熵;门控循环单元

基金：国家重点研发计划(2022YFC3104200)项目资助

为进一步提升潮汐预测精度,提高预测模型的多适应性,针对低频潮汐分潮智能化自适应提取困难、动态化处理分潮信息能力弱、单一预测模型对潮汐整体预测的局限性等问题,提出了一种基于能量熵的自适应最优变分模态分解VMD与门控循环单元神经网络GRU相结合的潮汐预测提升方法。首先,将潮汐数据归一化预处理,通过VMD对潮汐数据完成自适应变分模态分解,并根据不同分解层模态分量的能量熵判定最优分解层数,最后将最优分量标准化后经GRU单独预测合成,通过反归一化形成最终预测数据。经验证分析,在潮汐预测方面,GRU模型比LSTM、BiLSTM模型性能更优,均方根误差分别提升了53%和96.8%,而本文方法与单一GRU模型相比,均方根误差再次提升了81.3%,预测精度提升效果更加明显,对于潮汐分析与预测具有较高的推广应用价值。

来源：2023年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第12期