基于能量熵VMD最優(yōu)分解與GRU循環(huán)神經(jīng)網(wǎng)絡(luò)的潮汐預(yù)測(cè)精度提升方法研究

摘要： 為進(jìn)一步提升潮汐預(yù)測(cè)精度，提高預(yù)測(cè)模型的多適應(yīng)性，針對(duì)低頻潮汐分潮智能化自適應(yīng)提取困難、動(dòng)態(tài)化處理分潮信息能力弱、單一預(yù)測(cè)模型對(duì)潮汐整體預(yù)測(cè)的局限性等問題，提出了一種基于能量熵的自適應(yīng)最優(yōu)變分模態(tài)分解VMD與門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)GRU相結(jié)合的潮汐預(yù)測(cè)提升方法。首先，將潮汐數(shù)據(jù)歸一化預(yù)處理，通過VMD對(duì)潮汐數(shù)據(jù)完成自適應(yīng)變分模態(tài)分解，并根據(jù)不同分解層模態(tài)分量的能量熵判定最優(yōu)分解層...