基于VMD-CNN-GRU组合模型的维多利亚港潮位预测

分类： 地球科学 >> 海洋科学 分类： 数学 >> 建模与仿真 提交时间： 2024-06-27

林子轩

摘要： 本研究旨在通过气象和水文因素精确预测特定港区的潮汐水位高度。我们提出了一种基于变分模态分解（VMD）、卷积神经网络（CNN）和门控循环单元（GRU）的组合预测模型。利用香港特区政府公开的API接口，收集了2023年—2024年维多利亚港周边观测点连续12768小时的气象和水文数据。通过VMD将原始潮汐水位时间序列分解为多个子模态，以降低序列复杂度；使用CNN提取多维历史数据特征；并利用GRU捕捉特征的时序关系。与传统的LSTM等时序预测模型相比，本模型在预测集上的R²和斯皮尔曼相关系数分别平均提高了64.54 %和52.40 %，RMSE和RAE分别平均降低了40.56 %和32.83 %，显示出较高的预测精度。此外，经过灵敏度分析，模型展现出较强的鲁棒性。本模型还支持对预测步长的灵活调整，适用于长短期预测，为大湾区潮汐水位的智能监测预警提供了合理可靠的解决方案。

同行评议状态:待评议

 点击量 179  下载量 47  评论 0