[發明專利]基于深度學習算法的海浪高度預測方法

在審

• 申請號: 202210398198.8
• 申請日: 2022-04-15
• 公開（公告）號: CN115099296A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 梅春曉;譚建鑫;盧盛欣;孟雷;于力強;張清清;張國峰;侯元柏;吳偉強;李練兵;高國強;韓旭;李永建;李佳琪;陳程;賈超
• 申請（專利權）人: 河北建投海上風電有限公司;河北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 蔡運紅

1.一種基于深度學習算法的海浪高度預測方法，其特征在于，包括獲取海浪數據信息，對海浪數據信息進行分析與預處理；將處理后的數據作為模型的輸入，確定網絡結構，建立基于思維進化算法的雙向門控循環單元的網絡模型，設置MEA參數，訓練MEA-BiGRU網絡模型；建立BP神經網絡模型和BiGRU網絡模型進行對比驗證，實現對海浪浪高的精準預測。

2.根據權利要求1所述的基于深度學習算法的海浪高度預測方法，，其特征在于，所述浪數據信息為日期、時間、氣溫、風向、風速、氣壓、海溫、上一時刻風浪浪高和上一時刻風浪周期。

3.根據權利要求1所述的基于深度學習算法的海浪高度預測方法，其特征在于，所述對海浪數據信息進行分析與預處理是指通過馬氏平均距離法對異常數據進行篩選并使用均值法對異常值進行替換，分析海浪數據信息與海浪高度之間的相關性，采用Pearson、GRA和PCA相結合的方法對海浪數據信息進行特征上的提取，再對提取的數據進行歸一化處理。

4.根據權利要求3所述的基于深度學習算法的海浪高度預測方法，其特征在于，所述采用Pearson、GRA和PCA相結合的方法是指對海浪數據信息分別進行Pearson和GRA相關性分析，獲取海浪數據信息與海浪高度的相關性系數，基于相關系數的關系對海浪數據信息進行PCA降維處理，獲得特征數據。

5.根據權利要求4所述的基于深度學習算法的海浪高度預測方法，其特征在于，所述特征數據為風速、時間數據和歷史數據，其中時間數據和歷史數據為經過PCA降維處理的融合數據，時間數據為日期和時間的融合參數，歷史數據為上一時刻風浪高度和上一時刻風浪周期的融合參數。

6.根據權利要求1所述的基于深度學習算法的海浪高度預測方法，其特征在于，所述思維進化算法的雙向門控循環單元的網絡模型是指基于思維進化算法優化雙向門控循環單元，獲取BiGRU最優的權重和閾值。