摘要
本发明提出了一种基于PSO‑LSTM的潮位预测方法及系统,属于海洋工程领域;本发明提出了基于PSO‑LSTM(粒子群优化长短期记忆网络)优化模型的潮位预测方法;和系统;本发明的优点为:优化超参数和网络结构,提高了模型的性能;能够处理复杂模型,而传统的预测方法可能无法很好地处理复杂建模任务;具有更高的预测精度:PSO‑LSTM相比于单一的线性和非线性方法,具有更高的预测精度;因此,基于PSO‑LSTM的潮位预测方法在神经网络算法下,然后通过粒子群(PSO)算法对上述LSTM神经网络模型关键参数进行自动优化,从而实现更高准确度的潮位预测,而且还可以降低神经网络模型参数优化的时间和成本。
技术关键词
数据输入模块
LSTM模型
超参数
数据缺失值
海洋
神经网络模型
序列
粒子群优化算法
长短期记忆网络
非线性方法
神经网络算法
训练集数据
数据验证
系统为您推荐了相关专利信息
短时风速预测方法
地形特征
风速预测模型
三维风场
ARIMA模型
LSTM模型
智能化方法
ARIMA模型
预测残差
交互特征
装备效能评估
指标筛选方法
贝叶斯网络模型
样本
指标计算方法
Attention机制
文本
推理机制
敏感信息检测方法
多模态