已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

A prediction model for chlorophyll concentration in seawater based on BorutaShap-MEMD-GRU

海水 叶绿素a 计算机科学 海洋学 地质学 生物 植物
作者
Qiguang Zhu,junjun yuan,Linsong Zhang,Zhen Shen,Ying Chen
出处
期刊:Physica Scripta [IOP Publishing]
卷期号:99 (9): 096003-096003
标识
DOI:10.1088/1402-4896/ad6217
摘要

Abstract To solve the problem of the difficulty in selecting multi-parameter features of the ocean and the lack of power of traditional time-series prediction models in predicting ocean data, an ocean time-series prediction GRU model based on the Borutashap algorithm, and a hybrid multivariate empirical modal decomposition is proposed to predict multivariate in this paper. The feature selection of multi-feature ocean data is carried out by the Borutashap algorithm based on the XG-boost model, then the selected data are decomposed by multi-modal decomposition, and the data are reconstructed to get the high-frequency and low-frequency components, and the trend term components by Permutation Entropy, and finally the high-frequency and low-frequency components and the trend term are respectively brought into the GRU network and the prediction is summed up to get the final result. In this paper, the model’s effectiveness is verified by ablation experiments and compared with other feature selection models and classical time series prediction models, the results show that the model has a better prediction effect.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
Zephyr发布了新的文献求助10
1秒前
七七发布了新的文献求助10
5秒前
酷波er应助忧虑的远锋采纳,获得10
6秒前
充电宝应助研友_LNVNvL采纳,获得10
6秒前
Akim应助老实莫言采纳,获得10
9秒前
14秒前
HelloKun发布了新的文献求助10
14秒前
15秒前
15秒前
乐乐应助苏苏采纳,获得10
17秒前
萧水白发布了新的文献求助100
18秒前
方越应助东东采纳,获得10
18秒前
ty完成签到 ,获得积分10
19秒前
21秒前
22秒前
22秒前
24秒前
平淡安容完成签到,获得积分10
25秒前
HelloKun完成签到,获得积分10
25秒前
谭yuanjun发布了新的文献求助10
25秒前
李梦瑾发布了新的文献求助30
27秒前
28秒前
苏苏发布了新的文献求助10
29秒前
30秒前
cocolu应助方文山采纳,获得10
31秒前
iNk应助流川枫采纳,获得10
35秒前
老实莫言发布了新的文献求助10
36秒前
38秒前
CipherSage应助星hai采纳,获得10
40秒前
41秒前
英俊的铭应助李梦瑾采纳,获得10
42秒前
43秒前
43秒前
ms发布了新的文献求助10
45秒前
冷笑完成签到,获得积分10
45秒前
46秒前
萧水白发布了新的文献求助100
47秒前
夏蓉发布了新的文献求助10
47秒前
流川枫给流川枫的求助进行了留言
51秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
Research on managing groups and teams 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3330233
求助须知:如何正确求助?哪些是违规求助? 2959835
关于积分的说明 8597237
捐赠科研通 2638343
什么是DOI,文献DOI怎么找? 1444230
科研通“疑难数据库(出版商)”最低求助积分说明 669078
邀请新用户注册赠送积分活动 656624