一种基于深度学习的有效波高时序智能预测方法

本发明公开了一种基于深度学习的有效波高时序智能预测方法，S1：获取波浪数据集，并对波浪数据集进行预处理；S2：采用经验模态分解算法对处理后的波浪数据集中的时间序列进行模态分解，并将模态分解结果与处理后的波浪数据集进行拼接，得到增强时序特征；S3：构建有效波高时序预测模型，通过自适应融合机制聚焦学习增强时序特征中对有效波高影响显著的频率成分，以得到训练后的有效波高时序预测模型；S4：预测出所需预测时间点的有效波高。本发明通过得到增强的时序特征，使有效波高时序预测模型能够同时捕捉波浪生成的局部细节(如风速突变)和全局趋势(如潮汐周期)；通过学习增强时序特征中对有效波高影响显著的频率成分，能够更精准地建模海洋环境的复杂动态，从而提高了对有效波高的预测精度。