[發明專利]一種基于小波分解-神經網絡的海浪波高預測方法

有效

• 申請號: 201810128331.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108334987B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 周濤
• 申請（專利權）人: 山東愛城市網信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/08
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜鵬

1.一種基于小波分解-神經網絡的海浪波高預測方法，其特征在于

通過浮標數據生成時間序列，對該時間序列進行兩層分解后重構，解決序列中的雜波；對浮標數據做神經網絡訓練樣本的處理，對浮標數據做神經網絡訓練樣本的處理過程如下：

第一個訓練樣本的輸入樣本為x₁，x₂…x_m；理想輸出為x_m+1，x_m+2…x_m+n；

第二個訓練樣本的輸入樣本為x₂，x₃…x_m+1；理想輸出為x_m+2，x_m+3…x_m+n+1；

第三個訓練樣本的輸入樣本為x₃，x₄…x_m+2；理想輸出為x_m+3，x_m+4…x_m+n+2；

依此規律，第t個訓練樣本的輸入樣本為x_t，x_t+1…x_m+t-1；理想輸出為x_m+t，x_m+t+1…x_{m +t-1+n}；

進行神經網絡模型的訓練，對時間序列進行小波分解重構，訓練中不斷優化訓練樣本及小波分解層數，利用反饋神經網絡進行訓練建立相應的小波分解-神經網絡模型，小波分解-神經網絡模型選擇一層小波分解；

利用在神經網絡建立的測試樣本對小波分解-神經網絡模型進行測試樣本測試。

2.根據權利要求1所述的一種基于小波分解-神經網絡的海浪波高預測方法，其特征在于神經網絡訓練樣本處理時選擇的浮標數據為每天每小時同一時刻的數據。

3.根據權利要求1所述的一種基于小波分解-神經網絡的海浪波高預測方法，其特征在于m等于5，即第t個訓練樣本的輸入樣本為x_t，x_t+1，x_t+2，x_t+3，x_t+4，輸出樣本為x_5+t，x_6+t…x_4+t+n。

4.根據權利要求1或3所述的一種基于小波分解-神經網絡的海浪波高預測方法，其特征在于n等于1，即第t個訓練樣本的輸出樣本為x_m+t。

5.根據權利要求1所述的一種基于小波分解-神經網絡的海浪波高預測方法，其特征在于采用測試樣本，分別通過對未來六小時、未來十二小時和未來十八小時的海浪波高數據預測，進行小波分解-神經網絡模型的可靠性測試。