典型文献
基于神经网络LSTM模型的潮位预测研究
文献摘要：
潮位预测工作对扫雷布雷、港口及航道管理、水运资源开发、救生打捞等方面具有重要的意义.潮汐调和分析是目前使用最广泛的潮汐数据分析方法,但是依赖于大量的数据,存在短期潮位预测精度不高的问题,针对这个问题本文提出一种深层神经网络LSTM预测模型,可以通过保持神经元的上下文记忆的方式,提高预测精度.经过实验验证,该模型长期预测均方根误差(RMSE)在0.06左右,短期预测均方根误差(RMSE)在0.12上下,预测的结果较为精准.
文献关键词：
潮位预测;调和分析;LSTM预测模型;均方根误差
中图分类号：
作者姓名：
班文超;沈良朵;陆凡;陈亮
作者机构：
浙江海洋大学海洋工程装备学院,浙江舟山 316022;浙江海洋大学船舶与海运学院,浙江舟山 316022
文献出处：
引用格式：
[1]班文超;沈良朵;陆凡;陈亮-.基于神经网络LSTM模型的潮位预测研究)[J].浙江海洋大学学报（自然科学版）,2022(04):315-321,365
A类：
B类：
潮位预测,预测研究,扫雷,布雷,港口,航道管理,水运,救生,打捞,潮汐调和分析,数据分析方法,题本,深层神经网络,上下文,文记,长期预测,RMSE,短期预测
AB值：
0.361965
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
