原文传递
基于DWT-LSTM的航道水位智能预测模型研究
| 题名： | 基于DWT-LSTM的航道水位智能预测模型研究 |
| 正文语种： | 中文 |
| 作者： | 倪汉杰;蒋仲廉;初秀民;钟诚 |
| 作者单位： | 武汉理工大学 |
| 关键词： | 航道水位;智能预测;小波分析;LSTM神经网络;BP神经网络 |
| 摘要： | 航道水位信息是内河船舶安全通航、合理配载的决策依据之一。为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析（DWT）和长短时记忆（LSTM）的耦合神经网络模型,以汉口水位站为例,验证了模型有效性,并与传统BP神经网络、小波分析-BP神经网络和LSTM神经网络模型进行对比分析。研究结果表明:四类模型均可满足短时预测需求,合格率均大于90%！当航道水位变幅剧烈时,BP神经网络耦合模型误差较大;DWT-LSTM耦合神经网络模型性能较经典LSTM模型分别提升约10.9%（预测周期1-2天）、25.2%（预测周期3-5天）。研究成果可为船舶通航风险评估、航道条件分析等提供技术支撑。 |
| 期刊名称： | 中国航海 |
| 出版日期： | 202106 |
| 出版年： | 2021 |
| 页码： | 97-102 |
检索历史
应用推荐
