An Integrated Complete Ensemble Empirical Mode Decomposition with Adaptive Noise to Optimize LSTM for Significant Wave Height Forecasting

希尔伯特-黄变换 计算机科学 人工智能 预处理器 支持向量机 离群值 混乱的 滤波器(信号处理) 机器学习 模式识别(心理学) 计算机视觉
作者
Lingxiao Zhao,Zhiyang Li,Junsheng Zhang,Bin Teng
出处
期刊:Journal of Marine Science and Engineering [MDPI AG]
卷期号:11 (2): 435-435 被引量:10
标识
DOI:10.3390/jmse11020435
摘要

In recent years, wave energy has gained attention for its sustainability and cleanliness. As one of the most important parameters of wave energy, significant wave height (SWH) is difficult to accurately predict due to complex ocean conditions and the ubiquitous chaotic phenomena in nature. Therefore, this paper proposes an integrated CEEMDAN-LSTM joint model. Traditional computational fluid dynamics (CFD) has a long calculation period and high capital consumption, but artificial intelligence methods have the advantage of high accuracy and fast convergence. CEEMDAN is a commonly used method for digital signal processing in mechanical engineering, but has not yet been used for SWH prediction. It has better performance than the EMD and EEMD and is more suitable for LSTM prediction. In addition, this paper also proposes a novel filter formulation for SWH outliers based on the improved violin-box plot. The final empirical results show that CEEMDAN-LSTM significantly outperforms LSTM for each forecast duration, significantly improving the prediction accuracy. In particular, for a forecast duration of 1 h, CEEMDAN-LSTM has the most significant improvement over LSTM, with 71.91% of RMSE, 68.46% of MAE and 6.80% of NSE, respectively. In summary, our model can improve the real-time scheduling capability for marine engineering maintenance and operations.
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
Serena完成签到,获得积分10
1秒前
安安完成签到 ,获得积分10
2秒前
啊啊完成签到,获得积分10
2秒前
东北三省完成签到,获得积分10
3秒前
3秒前
4秒前
从容芮应助bodhi采纳,获得30
4秒前
大个应助wangyitong采纳,获得10
6秒前
6秒前
Ysheng发布了新的文献求助10
7秒前
香蕉觅云应助冷酷的风华采纳,获得10
7秒前
想不出昵称完成签到,获得积分10
8秒前
HEIKU举报哈哈劳求助涉嫌违规
8秒前
LYDZ1完成签到,获得积分10
9秒前
honger发布了新的文献求助10
9秒前
qi-keyan完成签到 ,获得积分10
10秒前
11秒前
木子青山发布了新的文献求助10
11秒前
黑暗系完成签到,获得积分10
11秒前
13秒前
highlight完成签到 ,获得积分10
13秒前
sword完成签到,获得积分10
14秒前
14秒前
BOSS徐完成签到,获得积分10
14秒前
啦啦啦完成签到 ,获得积分10
15秒前
任性的青柏完成签到,获得积分10
16秒前
晨曦完成签到,获得积分10
16秒前
vincy完成签到 ,获得积分10
16秒前
17秒前
所所应助支沅采纳,获得10
17秒前
雨中漫步完成签到,获得积分10
17秒前
郭淳发布了新的文献求助10
18秒前
张小小完成签到,获得积分10
18秒前
18秒前
19秒前
lydz完成签到,获得积分10
19秒前
苏苏完成签到 ,获得积分10
19秒前
LCX完成签到,获得积分10
20秒前
呆萌安萱发布了新的文献求助10
20秒前
彐雨_x完成签到 ,获得积分10
20秒前
高分求助中
Handbook of Fuel Cells, 6 Volume Set 1666
Floxuridine; Third Edition 1000
Tracking and Data Fusion: A Handbook of Algorithms 1000
Sustainable Land Management: Strategies to Cope with the Marginalisation of Agriculture 800
消化器内視鏡関連の偶発症に関する第7回全国調査報告2019〜2021年までの3年間 500
One Man Talking: Selected Essays of Shao Xunmei, 1929–1939 500
Framing China: Media Images and Political Debates in Britain, the USA and Switzerland, 1900-1950 500
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 内科学 物理 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 冶金 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 2860902
求助须知:如何正确求助?哪些是违规求助? 2466168
关于积分的说明 6685429
捐赠科研通 2157336
什么是DOI,文献DOI怎么找? 1146061
版权声明 585087
科研通“疑难数据库(出版商)”最低求助积分说明 563140