一种基于深度学习模型的海浪高度多站点联合预测方法

本发明属于海浪高度预测技术领域，是一种基于深度学习模型的海浪高度多站点联合预测方法，包括：获取同一片海域内多个站点的海浪高度观测数据，并将每个站点的数据通过季节性趋势分解方法进行分解；针对趋势分量构建融合图卷积神经网络与长短期记忆网络的联合模型，针对季节分量和残差分量分别构建长短期记忆网络模型；通过全连接层对提取的时空特征进行变换，分别输出未来多个时间步的趋势分量、季节分量和残差分量的预测序列；根据各个站点中的趋势分量、季节分量和残差分量的预测序列，加和得到多站点海浪高度的预测结果。本发明充分融合了观测站点间的空间结构信息与各站点自身的时间演化特征，有效提升了多站点海浪高度联合预测的准确性和稳定性。