科研之友
微信
新浪微博
Facebook
分享链接
摘要
采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN-LSTM)对水深进行预测。首先利用中位值平均滤波法对数据进行预处理，再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列，然后对得到的各个分量使用LSTM神经网络预测，最后叠加各分量预测值重构水深预测结果。以陶岔渠首为研究对象，CEEMDAN-LSTM模型测试结果表明：该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能。
- 单位
