[发明专利]基于深度学习算法的海浪高度预测方法在审
| 申请号： | 202210398198.8 | 申请日： | 2022-04-15 |
| 公开（公告）号： | CN115099296A | 公开（公告）日： | 2022-09-23 |
| 发明（设计）人： | 梅春晓;谭建鑫;卢盛欣;孟雷;于力强;张清清;张国峰;侯元柏;吴伟强;李练兵;高国强;韩旭;李永建;李佳琪;陈程;贾超 | 申请（专利权）人： | 河北建投海上风电有限公司;河北工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 天津翰林知识产权代理事务所(普通合伙) 12210 | 代理人： | 蔡运红 |
| 地址： | 063000 河北省唐山市路*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 深度 学习 算法 海浪 高度 预测 方法 | ||
1.一种基于深度学习算法的海浪高度预测方法，其特征在于，包括获取海浪数据信息，对海浪数据信息进行分析与预处理；将处理后的数据作为模型的输入，确定网络结构，建立基于思维进化算法的双向门控循环单元的网络模型，设置MEA参数，训练MEA-BiGRU网络模型；建立BP神经网络模型和BiGRU网络模型进行对比验证，实现对海浪浪高的精准预测。
2.根据权利要求1所述的基于深度学习算法的海浪高度预测方法，，其特征在于，所述浪数据信息为日期、时间、气温、风向、风速、气压、海温、上一时刻风浪浪高和上一时刻风浪周期。
3.根据权利要求1所述的基于深度学习算法的海浪高度预测方法，其特征在于，所述对海浪数据信息进行分析与预处理是指通过马氏平均距离法对异常数据进行筛选并使用均值法对异常值进行替换，分析海浪数据信息与海浪高度之间的相关性，采用Pearson、GRA和PCA相结合的方法对海浪数据信息进行特征上的提取，再对提取的数据进行归一化处理。
4.根据权利要求3所述的基于深度学习算法的海浪高度预测方法，其特征在于，所述采用Pearson、GRA和PCA相结合的方法是指对海浪数据信息分别进行Pearson和GRA相关性分析，获取海浪数据信息与海浪高度的相关性系数，基于相关系数的关系对海浪数据信息进行PCA降维处理，获得特征数据。
5.根据权利要求4所述的基于深度学习算法的海浪高度预测方法，其特征在于，所述特征数据为风速、时间数据和历史数据，其中时间数据和历史数据为经过PCA降维处理的融合数据，时间数据为日期和时间的融合参数，历史数据为上一时刻风浪高度和上一时刻风浪周期的融合参数。
6.根据权利要求1所述的基于深度学习算法的海浪高度预测方法，其特征在于，所述思维进化算法的双向门控循环单元的网络模型是指基于思维进化算法优化双向门控循环单元，获取BiGRU最优的权重和阈值。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河北建投海上风电有限公司;河北工业大学，未经河北建投海上风电有限公司;河北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210398198.8/1.html，转载请声明来源钻瓜专利网。
