您当前的位置: > 详细浏览

基于VMD-CNN-GRU组合模型的维多利亚港潮位预测

请选择邀稿期刊:

Tide Level Prediction in Victoria Harbour Based on a VMD-CNN-GRU Combined Model

摘要: 本研究旨在通过气象和水文因素精确预测特定港区的潮汐水位高度。我们提出了一种基于变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的组合预测模型。利用香港特区政府公开的API接口,收集了2023年—2024年维多利亚港周边观测点连续12768小时的气象和水文数据。通过VMD将原始潮汐水位时间序列分解为多个子模态,以降低序列复杂度;使用CNN提取多维历史数据特征;并利用GRU捕捉特征的时序关系。与传统的LSTM等时序预测模型相比,本模型在预测集上的R²和斯皮尔曼相关系数分别平均提高了64.54 %和52.40 %,RMSE和RAE分别平均降低了40.56 %和32.83 %,显示出较高的预测精度。此外,经过灵敏度分析,模型展现出较强的鲁棒性。本模型还支持对预测步长的灵活调整,适用于长短期预测,为大湾区潮汐水位的智能监测预警提供了合理可靠的解决方案。

版本历史

[V1] 2024-06-27 02:20:25 ChinaXiv:202406.00380V1 下载全文
点击下载全文
预览
同行评议状态
待评议
许可声明
metrics指标
  •  点击量483
  •  下载量142
评论
分享
申请专家评阅