基于多变量DSD-LSTM模型的有效波高预测

利用改进的完全集合经验模态分解(ICEEMDAN)和递归量化分析方法设计一种新的信号分解算法(DSD),该算法将原始信号分解为确定性成分和随机性成分。考虑风速、风向对波高的影响前提下,将DSD算法与长短时记忆网络(LSTM)结合建立多变量混合模型DSD-LSTM-m进行有效波高的预测。该模型与单独的LSTM模型相比明显提高了预测精度,与单变量混合模型DSD-LSTM-u相比具有更好的预测效果。