典型文献
基于CEEMDAN-LSTM的陶岔渠首水深预测
文献摘要：
采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN?LSTM)对水深进行预测.首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的各个分量使用LSTM神经网络预测,最后叠加各分量预测值重构水深预测结果.以陶岔渠首为研究对象,CEEMDAN?LSTM模型测试结果表明:该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能.
文献关键词：
水深预测;中位值平均滤波法;CEEMDAN分解;LSTM神经网络模型;陶岔渠首
中图分类号：
作者姓名：
陈伟;吕学斌;梁雪春
作者机构：
南京工业大学 数理科学学院,江苏 南京211816;南京工业大学 电气工程与控制科学学院,江苏 南京211816
文献出处：
引用格式：
[1]陈伟;吕学斌;梁雪春-.基于CEEMDAN-LSTM的陶岔渠首水深预测)[J].人民黄河,2022(05):89-94
A类：
水深预测,中位值平均滤波法
B类：
CEEMDAN,陶岔渠首,自适应噪声,经验模态分解,长短期记忆神经网络模型,残差序列,神经网络预测,模型测试,支持向量机回归,预测性能
AB值：
0.122499
相似文献
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。
