共查询到10条相似文献,搜索用时 15 毫秒
1.
潮汐预报在数学上属于回归预测,是人工智能算法的经典应用领域之一。文章以上海米市渡站点为例,提出了采用LightGBM算法修正调和分析T_TIDE模型预报潮位的方法。以T_TIDE模型的预报误差序列作为LightGBM算法的输入层参数,训练得到的LightGBM模型可有效预测T_TIDE模型后续的短期(48 h内)预报误差,从而对T_TIDE模型的潮位预报结果进行短期修正。米市渡站测试结果表明,构建的LightGBM模型能将T_TIDE模型的24 h和48 h预报均方根误差分别降低至0.10 m和0.12 m,相应的±0.30 m合格率都提升至95%以上。但是,LightGBM算法在台风期间对T_TIDE模型的预报结果存在误修正,台风期间的潮位预报修正有待进一步研究。 相似文献
2.
基于小波网的船舶运动极短期建模预报 总被引:1,自引:1,他引:0
本文结合小波分析和神经网络的优点,建立了应用于船舶运动极限期模预报的小波神经网络的结构及算法,给出了该算法的一步及多步预报模型,并进行了仿真,仿真结果说明该算法是可行的。 相似文献
3.
4.
基于投影寻踪学习的大型船舶运动极短期预报 总被引:2,自引:0,他引:2
本文结合投影和神经网络的优点,建立了应用于大型船舶运动的极短期预报我多维投影寻踪学习网络(PPLN)结构及算法,并将该算法所取得的预报结果与年历顺归预报法和周期图预报法的结果进行了比较,预报结果说明了该算法的可行性。 相似文献
5.
6.
为了提高船舶上层建筑整体纵向固有频率特性预报的精度,提出一种样本筛选与变权重的船舶上层建筑整体纵向固有频率特性组合预报算法。首先根据样本之间的相似性,选择与待预报点相关的船舶上层建筑整体纵向固有频率特性数据,然后根据采用多个算法从不同角度对船舶上层建筑整体纵向固有频率特性进行预报,最后采用证据理论对单一算法的权值进行估计,加权得到船舶上层建筑整体纵向固有频率特性预报结果,测试结果表明,本文算法的船舶上层建筑整体纵向固有频率特性预报精度高,克服了单一算法或者传组合算法的弊端,降低了船舶上层建筑整体纵向固有频率特性预报误差。 相似文献
7.
8.
在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度. 相似文献
9.