一种基于深度学习的有义波高预测方法

摘要

一种基于深度学习的有义波高预测方法，涉及海洋波高预测领域，首先利用待预测位置有义波高历史数据和粒子群算法(Particle Swam Optimization,PSO)确定深度学习模型条件受限玻尔兹曼机‑深度置信网络(Conditional Restricted Boltzmann Machine‑Deep Belief Network,CRBM‑DBN)的关键结构参数，然后以高斯归一化处理后的有义波高历史数据进行模型的预训练，使用预训练得到的模型的权重和偏置作为初始值，结合后向传播(Backward Propagation,BP)网络对模型进行反向调优，优化确定模型，最后以此模型进行有义波高的预测。本发明能够有效提高有义波高的短期预测精度，对海洋工程应用，尤其对海洋结构物和船舶设计等意义重大。