基于集合经验模态分解和深度神经网络模型的天津港风速预测研究

来源 :天津科技 | 被引量 : 0次 | 上传用户：yingluoyuchen

【摘要】

：

风是天津港区域重点关注的气象要素之一,风速的预测准确性是港口安全生产的关键,为此提出了一种基于改进的经验模态分解(EMD)和神经网络模型(LSTM)的风速预测方法。EMD已广泛应用于分析非线性随机信号,集成经验模态分解(EEMD)是EMD的一种改进方法,可以有效处理模态混叠问题,并将原始数据分解为具有不同频率的更平稳的信号,每个信号均作为LSTM神经网络模型的输入数据,最终的预测风速数据则是通过汇

【作者】

：

卜清军侯敏王国松常春辉王彩霞

【机构】

：

天津市滨海新区气象局,河海大学,国家海洋信息中心

【出处】

：

天津科技

【发表日期】

：

2021年10期

【关键词】

：

天津港 EEMD LSTM 神经网络风速预测

【基金项目】

：

天津市海洋气象重点实验室基金“基于骨架识别和多源数据融合的近岸线状对流系统强度演变临近预警技术研究”(2020TKLOMYB02)。

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

创新升级阿米巴模式全员参与变革实战

阿米巴经营是日本企业家稻盛和夫在其创办的京瓷公司和KDDI电信公司运用的经营方式,其本质是一种量化的赋权管理模式,划小内部经营单元、引入内部市场交易机制,形成一套公平、透明、公认的资源分配机制,进而实现“全员参与经营”的经营管理模式.在上世纪90年代末期,亚洲金融风暴过后,日本很多大公司都出现问题,京瓷公司成为东京证券交易所市值最高的公司.专家学者们在京瓷公司时,发现京瓷的经营方式与“阿米巴虫”随外界环境的变化能不断地进行自我形体调整来适应所面临的生存环境的生存模式非常类似,于是得名“阿米巴经营”.

期刊

铁路物流成本管理与控制策略

本文以铁路物流成本为对象,对其概念与内容进行了阐述,就当前铁路物流成本管理中存在的问题进行了分析,并对其成本管理和控制的方法和策略展开分析研究,研究发现开展铁路物流成本管理和控制有利于及时对铁路物流服务过程中的多种资源进行预测分析,并做好科学合理的决策,在此基础上为客户提供精准化的物流服务,并降低物流成本,以此促进铁路物流运输的发展。

期刊

铁路物流物流成本管理与控制

基于集合经验模态分解和深度神经网络模型的天津港风速预测研究

其他学术论文