基于注意力机制的LSTM-CNN航道洋流速度预测方法研究
包锋
刘恺轩
张春江
东北石油大学计算机与信息技术学院 大庆 163318
摘要：当前随着经济的快速发展,航道水域的交通状况趋于复杂,而且受到天气等影响,海洋运输的航期不固定,很容易遇险,航道洋流就是其中很重要的因素,所以航道洋流的实时预测具有重要意义.为了对航道洋流进行预测,针对航道洋流的历史速度数据集,提出了一种基于注意力机制的LSTM-CNN网络的预测方法.首先,对航道洋流历史速度的缺失值进行上一层和下一层加和的平均值处理,以及离散数据的清除.然后,对该预测模型包括隐藏层层数、超参数和预测过程优化算法等进行设计.最后,将该算法与长短期记忆网络、卷积神经网络和BP神经网络在不同时间的步长上进行对比,验证其可行性.以预测误差最小为目标,来实现对短期航道洋流速度的预测.实验结果表明,新提的预测模型对于短期航道洋流速度预测来说,有一定的实用价值.
关键词：航道基于注意力机制的LSTM-CNN短期航道洋流速度时间序列预测
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2023-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1070-1074 )
英文信息