基于深度学习和CatBoost的海浪波高预测方法研究
卢鹏
年圣全
邹国良
王振华
郑宗生
上海海洋大学信息学院,上海 201316
摘要：基于深度学习和CatBoost技术,本文提出了一种混合模型(LACM)对墨西哥湾、芬迪湾和阿拉斯加湾附近的海浪波高进行预测,进而可以应用于其他海域的浪高预测.首先,对从美国国家数据浮标中心(NDBC)获取的海浪数据信息进行预处理;其次构建基于加入了注意力机制(AM)的长短期记忆(LSTM)神经网络模型和CatBoost集成学习模型;对预测后的结果进行重构.经过与LSTM、支持向量回归(SVR)、CatBoost等方法的比较,实验结果表明,LACM模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)都是最优,曲线拟合效果最接近,且具备一定的鲁棒性.
关键词：AMLSTMCatBoost海浪波高预测重构
分类号：TP183(自动化基础理论)
资助基金：上海市地方能力建设项目(19050502100)上海海洋大学科技发展专项(A2-2006-20-200211)
论文发表日期：2024-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：7( 28-34 )
英文信息