摘要
本发明公开了一种基于物理方法约束的深度学习潮汐预测方法,包括:采集潮位数据,对潮位数据进行预处理;基于潮位数据进行潮汐调和分析确定分潮的振幅和相角;构建预测模型,基于潮汐调和分析结果确定损失函数,综合模型预报的误差和物理约束的误差,通过潮位数据对预测模型进行训练;通过训练好的预测模型进行潮汐预测。本发明的基于物理方法约束的深度学习潮汐预测方法,通过调和分析结果约束模型输出,避免纯数据驱动的非物理解,提高模型的物理一致性和可靠性。
技术关键词
潮汐预测方法
物理
构建预测模型
长短期记忆网络
误差
数据
滑动窗口
LSTM模型
模型预测值
深度学习模型
代表
算法
参数
变量
序列
定义
频率
关系
系统为您推荐了相关专利信息
流量预测模型
水文预报模型
汇流
训练样本集
建模方法
无人机图像识别
桥墩
批量
GPS接收设备
Canny算法
电力设备运检
数据
云端
电力设备智能
神经网络模型