期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于VMD-CNN-LSTM模型和迁移学习框架的风暴潮预测研究
1
作者
王甜甜
鲁云蒙
刘铁忠
《灾害学》
CSCD
北大核心
2023年第4期195-202,共8页
针对数值风暴潮预测模型耗时长及可操作性差的问题,基于“分解-预测-集成”的思想,融合变分模态分解算法(VMD)、“点-窗”采样模型、卷积神经网络(CNN)、长短期记忆网络(LSTM)及数值集成方法,构建了风暴潮组合预测模型。首先,采用VMD分...
针对数值风暴潮预测模型耗时长及可操作性差的问题,基于“分解-预测-集成”的思想,融合变分模态分解算法(VMD)、“点-窗”采样模型、卷积神经网络(CNN)、长短期记忆网络(LSTM)及数值集成方法,构建了风暴潮组合预测模型。首先,采用VMD分解风暴潮增水时序数据,得到多个分量;其次,利用“点-窗”采样模型对分量数据进行采样,构建输入矩阵;之后,将输入矩阵输入到CNN-LSTM组合预测框架中进行预测;最后,集成各分量预测结果,得到风暴潮最终预测结果。实证结果表明,VMD-CNN-LSTM预测模型与目前广泛采用的单一模型和其他组合预测模型相比,具有更高的预测精度。为了将模型更好地运用于实际工程中,采用迁移学习方法,将大数据训练模型“迁移”到小数据领域,结果表明:即使新样本数据量较少,迁移后的模型仍具有较好的泛化能力。
展开更多
关键词
风暴潮预测
时间序列
变分模态分解
卷积神经网络
长短期记忆网络
迁移学习
下载PDF
职称材料
题名
基于VMD-CNN-LSTM模型和迁移学习框架的风暴潮预测研究
1
作者
王甜甜
鲁云蒙
刘铁忠
机构
北京理工
大学
管理与
经济
学院
北京理工
大学
危机
管理
研究中心
重庆邮电大学管理与经济学院
出处
《灾害学》
CSCD
北大核心
2023年第4期195-202,共8页
基金
国家重点研发计划(2017YFFO209604-2)。
文摘
针对数值风暴潮预测模型耗时长及可操作性差的问题,基于“分解-预测-集成”的思想,融合变分模态分解算法(VMD)、“点-窗”采样模型、卷积神经网络(CNN)、长短期记忆网络(LSTM)及数值集成方法,构建了风暴潮组合预测模型。首先,采用VMD分解风暴潮增水时序数据,得到多个分量;其次,利用“点-窗”采样模型对分量数据进行采样,构建输入矩阵;之后,将输入矩阵输入到CNN-LSTM组合预测框架中进行预测;最后,集成各分量预测结果,得到风暴潮最终预测结果。实证结果表明,VMD-CNN-LSTM预测模型与目前广泛采用的单一模型和其他组合预测模型相比,具有更高的预测精度。为了将模型更好地运用于实际工程中,采用迁移学习方法,将大数据训练模型“迁移”到小数据领域,结果表明:即使新样本数据量较少,迁移后的模型仍具有较好的泛化能力。
关键词
风暴潮预测
时间序列
变分模态分解
卷积神经网络
长短期记忆网络
迁移学习
Keywords
storm surge prediction
time series
variational mode decomposition
convolutional neural network
long-short term memory
transfer learning
分类号
X43 [环境科学与工程—灾害防治]
X915.5 [环境科学与工程—安全科学]
P731.23 [天文地球—海洋科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于VMD-CNN-LSTM模型和迁移学习框架的风暴潮预测研究
王甜甜
鲁云蒙
刘铁忠
《灾害学》
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部