龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华南农业大学
摘要：本发明公开了一种基于LSTM‑GRU‑CNN集成模型的咸潮预测方法，所述方法包括以下步骤：步骤1、构建综合数据集；步骤2、数据预处理；步骤3、构建LSTM‑GRU‑CNN集成模型并进行训练；步骤4、模型测试与评价；步骤5、咸潮预测。本发明所述的基于LSTM‑GRU‑CNN集成模型的咸潮预测方法，解决了目前咸潮预测领域中存在的数据需求量大、预测精度不高等技术问题，相对于目前常用的数值模拟方法来说，本发明所述方法数据需求量小、建模过程简单，能够实现对咸潮的准确预测，提高了咸潮预测的精度和效率，具有广泛的适用性和有效性。
主权项：1.一种基于LSTM-GRU-CNN集成模型的咸潮预测方法，其特征在于，所述方法包括以下步骤：步骤1、构建综合数据集：获取研究区域某个时段内多个泵站实测河口咸度数据、上游流量数据、河口潮位数据，构建综合数据集；步骤2、数据预处理：对综合数据集中的数据进行预处理，将经过预处理的数据按比例划分为训练期数据和测试期数据；步骤3、构建LSTM-GRU-CNN集成模型并进行训练：构建LSTM-GRU-CNN集成模型，利用训练期数据对模型进行训练，设定滞后时间步数和预测时间步数，以设定滞后时间步数的训练期的综合数据作为模型输入，以设定预测时间步数的训练期的各泵站的实测河口咸度数据作为模型输出，训练模型直至模型训练完成；步骤4、模型测试与评价：将测试期数据的综合数据输入到训练完成的集成模型中，其中滞后时间步数和预测时间步数与训练时保持一致，进而得到模型预测结果，将模型预测结果反归一化得到预测河口咸度数据，将预测河口咸度数据与各泵站实测河口咸度数据进行对比，并采用评价指标判断模型是否测试通过；步骤5、咸潮预测：利用测试通过的模型对研究区域目标时段的河口咸度进行预测，以执行相应的咸潮预测工作。
全文数据：
权利要求：
百度查询： 华南农业大学 一种基于LSTM-GRU-CNN集成模型的咸潮预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号