基于CEEMDAN-LSTM風(fēng)暴潮潮位預(yù)測分析研究

摘要： 該文采用自適應(yīng)噪聲完全集合經(jīng)驗?zāi)B(tài)分解-長短期記憶方法（CEEMDAN-LSTM）對風(fēng)暴潮潮位進行短期時間序列預(yù)測，并與常用機器學(xué)習(xí)模型進行對比分析，結(jié)果表明：基于CEEMDAN-LSTM的神經(jīng)網(wǎng)絡(luò)對工程區(qū)風(fēng)暴潮潮位的短期特征能進行高精度的預(yù)報，其穩(wěn)定性和精度較常規(guī)機器學(xué)習(xí)模型都有較大的改進。 （共8頁）