买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中交四航工程研究院有限公司;中交第四航务工程局有限公司

摘要：本发明公开了一种基于EEMD‑BiLSTM的潮位预测方法及系统，本发明提出了集合经验模态分解EEMD与双向长短期记忆神经网络BiLSTM相结合的潮位预测模型，能够有效降低预测误差；包括：EEMD分解法可以有效地减少EMD分解法的模态混叠带来的误差问题，从而提高分解结果的精度和稳定性；可以对多个不同的白噪声序列进行平均，以减少高频部分的噪声对EEMD分解结果的影响；该方法具有良好的自适应性，可以分解非线性、非平稳或非白噪声序列；采用本发明的潮位预测将会更加准确，保护周围居民的安全和防止财产损失。

主权项：1.一种基于EEMD-BiLSTM的潮位预测方法，其特征在于，所述方法包括如下步骤：1数据预处理；获取包括海洋潮位、温度、盐度、风速和风向相关的数据，并对数据进行清洗、编码、特征选取和数据融合的数据预处理工作；2EEMD模型构建；所述EEMD为集成经验模态分解；采用EEMD方法对数据集中的潮位时间序列进行分解，将复杂多模态的潮位序列转化为一系列的平稳数据，得到系列IMF分量及残差res序列；所述IMF分量为具有一定时间尺度下的固有模态函数，所述残差res序列指将原始潮位数据分解为系列IMF分量后剩余的部分；3LabelEncoder特征编码；将潮位数据中离散型IMF分量数据进行LabelEncoder特征编码，使得离散型IMF分量数据转换成0到n-1之间的数，其中n为种类数；其余的潮位数据中连续型特征进行min-max归一化编码，并使用划窗法将编码处理后的数据进行时间窗口分割，构造出神经网络模型BiLSTM训练所需数据集，并将数据集分成训练集和测试集；4搭建BiLSTM模型；所述BiLSTM为双向长短时记忆网络；通过双向长短时记忆网络对潮位数据的训练集进行分析，获取BiLSTM训练后的最终模型；5评估指标；将测试集输入BiLSTM训练后的最终模型，得到最终模型的预测值；根据预测值和真实值结合均方根误差RMSE来评估模型在潮位预测上的性能。

全文数据：

权利要求：

百度查询： 中交四航工程研究院有限公司 中交第四航务工程局有限公司 一种基于EEMD-BiLSTM的潮位预测方法及系统